INTRODUCCIÓN
El sector agrícola
es considerado uno de los pilares esenciales para el sostén
de las economías de la mayoría de los países en el mundo entero,
en especial en los países
cuya economía depende
en gran proporción a esta
actividad económica; como en el caso de los países de Suramérica dicha actividad
representa un gran aporte a sus respectiva economía, para mencionar algunos es el caso de; Brasil, cuyo sector agrícola
representa el 21.4%
del PIB (Producto Interno Bruto)1, Argentina con el 10% del PIB proviene de la producción de sus campos2,
en Ecuador representa el 8% del PIB, según datos del Banco Central del Ecuador (2020).
En el Ecuador
por tradición a lo largo de la historia se ha caracterizado por ser un país agrícola,
y gran parte de su desarrollo es gracias a la actividad en cuestión;
puesto que antes de las exportaciones
petroleras su economía dependía netamente de la producción y exportación de productos agrícolas y acuícolas, tales
como: banano, cacao, café, maíz, camarón, flores entre otros. Aproximadamente el 26% del total de los productos que
exporta Ecuador lo integran las flores, frutas
y el cacao; el 46% corresponde a Banano, alrededor del 20% corresponde a camarón y solo un 5% a pescados, entre otros; con
esto se quiere recalcar la importancia que tiene la producción agropecuaria en el Ecuador (Ministerio de
Agricultura, Ganadería, Acuacultura y Pesca, 2016).
En un mundo globalizado existen una diversidad de productos
agrícolas ofertados en el mercado los
cuales son considerados un elemento relevante que debe estar presente en todas
las empresas que conforman este
sector. Además, se consideran parte del ambiente económico competitivo, por lo cual el objetivo financiero es la
optimización del capital de trabajo, lo que conlleva una gestión integral de los activos
y pasivos corrientes tal como lo mencionan algunos
autores como; Ross, Westerfild, & Jordan (2014),
quienes indican que el capital de trabajo “es una actividad cotidiana
que le garantiza a la empresa suficientes recursos para seguir adelante con sus operaciones y evitar costosas interrupciones”,(p.22),
así como Myres, Brealy, & Allen, (2016) enseñan que la administración del capital de trabajo “se componen de cuatro aristas,
la administración del
inventario o de la producción, administración del cobro, administración del pago y finalmente la administración del efectivo”, lo que destaca
que las decisiones que se tomen tienen que estar consensuadas y relacionadas
con las decisiones financieras corporativas; uno de los objetivos de este componente de recurso empresarial es lograr un equilibrio entre la rentabilidad y el riesgo. (Gitman & Zutter, 2016)
Una vez explicada la importancia que representa este sector
económico para el país se plantea como
objetivo principal de este artículo demostrar la relación entre los componentes
del capital de trabajo del sector;
Agrícola, Ganadero, Silvicultor y Pesquero, a su vez se pretende
evidenciar los rendimientos financieros en los períodos
comprendidos de los años 2014 al 2018 identificando los componentes más influyentes del desarrollo y crecimiento empresarial de este sector económico, utilizando información financiera de 60
empresas de esta actividad.
El artículo presente
está compuesto por las siguientes secciones: revisión literaria
(2), metodología y descripción
de los datos (3), hallazgos relevantes de la data (4) y finalmente la conclusión y discusión de los resultados.
Revisión Literaria
Como se ha mencionado el sector económico: agrícola, ganadero, silvicultor y pesquero tiene una gran participación en la economía del
Ecuador, ocupando el tercer lugar con un 9.58% del total de empresas, detrás del sector de servicios
en primer lugar y el comercio en segundo lugar; puesto que según la actividad económica se ubica en segundo lugar con el 9.58%, después
de la actividad económica
comercial al por mayor y menor que ocupa el primer lugar con 33.90%; con
relación al volumen de ventas ocupa el cuarto lugar con un monto de $10,576,918,415 que equivale al 6.24% del total de ventas de las
empresas registradas en su declaración del Servicio de Rentas Internas (SRI) en el año 2019; aportando
232,630 plazas de empleos a nivel nacional ocupando el cuarto lugar de los sectores económicos con un 7.68%
(Directorio de Empresas del Ecuador, 2019).
Es relevante mencionar estos hechos del sector agrícola, ganadero, silvicultor
y pesquero como validación de la
importante función en la economía del Ecuador, de manera que su buen desempeño
en el corto plazo garantizará sustentabilidad y permanencia en el mercado.
Las actividades agrícolas, ganaderas, silvicultoras y de pesca pertenecen al sector primario,
donde es muy importante; el
orden, la organización en el proceso productivo, la comercialización, para la obtención de la rentabilidad y el crecimiento económico. Para lo cual debe de existir
productividad y por ende competitividad no sólo en la producción o cultivo de sus productos
sino en la adecuada
gestión de los recursos para conseguir el máximo
rendimiento.
Para Cotrina, Vicente, & Magno, (2020), “los procesos
de la post-cosecha y de comercialización suelen presentar
inconvenientes en aspectos
de almacenamiento y de mercadeo,
generando elevados costos de
almacenamiento y distribución, debido a la gran cantidad de eslabones que presenta este sector en el momento de la
cosecha hasta la comercialización al consumidor final; brecha muy relevante para garantizar la eficiencia económica del
sector”, Cotrina et al (2020) relaciona
el capital de trabajo con el rendimiento económico financiero y menciona que
“poseen una relación significativa entre ambas variables; el capital de trabajo concierne
directamente todo lo relacionado con el giro del negocio
y este inicia desde el momento que realiza la compra de los
insumos hasta
que se recupera el efectivo
de la venta realizada, entre estos extremos
se encuentran una gran cantidad de procesos que
inciden directamente al rendimiento económico financiero de las empresas; por eso que muchos
investigadores han realizados diversas indagaciones de estos componentes para determinar el tipo de
relación que existen entre las variables que componen el capital de trabajo y el rendimiento financiero”, Mathuva (2010)
concluye en sus resultados investigados
la existencia de una relación negativa muy significativa entre la rentabilidad
y el período de cobro; y una relación
positiva entre el inventario y su rendimiento financiero, Nguyen & Sundaresan (2018) en sus hallazgos
encontrados indican que el ciclo de producción y el nivel de endeudamiento tienen una relación
negativa significativa, lo que implica que si existe, “una eficiente gestión de los inventarios y
procesos productivos garantizaría un mejor desempeño financiero”, Ahmad Attari & Kashif (2012) en su investigación realizada sobre el ciclo de conversión de efectivo manifiestan en sus hallazgos la existencia de una correlación negativa con relación
a la rentabilidad.
El ciclo operativo (CO) comprende el lapso de tiempo desde
el momento que se adquiere los insumos
para la producción, hasta que recupera
el dinero originado
por las ventas de sus productos terminados; el primer componente del CO
corresponde al inventario que sería el principal rubro, ya que si se carece de insumos para producir se detiene la
producción, y por ende habría inexistencia
en productos terminados para su respectiva venta; entonces es muy importante
que se mantengan políticas acorde al
contexto de la organización, y al comportamiento del mercado; de tal manera que se pueda evitar el
desabastecimiento y/o paralización de la producción, este aspecto
lo integran los siguientes procesos: la compra y almacenamiento de los insumos,
sembrío, manejo de la
alimentación, cosecha, almacenamiento, comercialización y distribución del bien finalizado, a mayor eficiencia en cada uno
de estos procesos mencionados se obtendría un mejor período promedio del inventario (PPI), garantizando una mayor rentabilidad. El segundo componente que integra el CO corresponde al período promedio
de cobro (PPC), donde por lo
general la empresas usan el crédito con sus clientes como herramienta para
incrementar sus ventas, mediante
una relajación de sus políticas de crédito, esto incide directamente en el período
de cobro o recuperación de cartera, es decir a mayor plazo de crédito a
los clientes mayor será el período promedio
de cobro; para determinar se explica en la Ecuación
1 la fórmula que calcula
el ciclo operativo la misma, que es igual a la sumatoria de la edad promedio del inventario más edad del promedio de cobro.
Ciclo Operativo (CO) = Periodo Promedio Inventario (EPI) + Periodo Promedio
de Cobro (EPC)
Ecuación 1 Ciclo Operativo
𝐶𝑖𝑐𝑙𝑜 𝐶𝑜𝑛𝑣𝑒𝑟𝑠𝑖o𝑛 𝑑𝑒 𝐸𝑓𝑒𝑐𝑡𝑖𝑣𝑜 (𝐶𝐶𝐸)
= 𝐸𝑃𝐼 − 𝐸𝑃𝐶 −
𝑃𝑒𝑟𝑖𝑜𝑑𝑜 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑃𝑎𝑔𝑜 (𝐸𝑃𝑃)
Ecuación 2 Ciclo de Conversión de Efectivo CCE
Jaramillo, (2016) relacionó la gestión del capital de trabajo
(GCT) y la rentabilidad tomando en cuenta
los componentes que incluye este proceso; edad promedio del inventario EPI,
período promedio de cobro (PPC), y período promedio
de pago (PPP), para su análisis correlacional donde afirma que
una eficiente gestión garantiza rentabilidad sobre sus recursos, “la
administración del capital de
trabajo tiene una relación significativa con la rentabilidad de activos de las
empresas agrarias”. (Cotrina,
Vicente, & Magno, 2020).
En el sector agrícola, su producción depende muchas veces
de factores exógenos que no pueden ser manipulados por el hombre tales como: el clima y las temperaturas, sin embargo, la prevención para perseverar el inventario si depende
de la gestión que se esté realizando en las empresas, a esto sumado un eficaz almacenamiento para una correcta
distribución, provocando una rotación de sus inventarios lo más rápido
posible para que no afecte a las ventas y por ende a la rentabilidad del negocio.
Con respecto a la gestión de cobro sería muy útil que se
mantengan políticas bien estructuradas, tomando
en cuenta el comportamiento de su negocio, tratando de que los días de cobro
sean los más cortos posibles; de esta
forma se podrá garantizar el pago a sus proveedores en los tiempos acordados.
Metodología y Data
Para el presente estudio el tamaño de la muestra
seleccionada ascendió a 60 empresas del sector
agrícola, ganadero, silvicultor y pesquero del Ecuador; cuyos
datos están comprendidos entre los años 2014 al 2018, los cuales fueron
recuperados de la información estadísticas de la base de datos de los Estados Financieros por rama del portal de
información de la Superintendencia de Compañía.
El número total de observaciones asciende a 300, mismas que fueron subidas al Software de análisis estadísticas R-Studio
para su respectivo procesamiento. Para la selección de la muestra se escogió las empresas que presentaran información
financiera completa y fiable en los
Estados Financieros de los años seleccionados, adicional se realizó una
depuración de la data excluyendo
compañías cuya información presentaban datos atípicos, con el fin de que exista congruencia entre la información de las
variables seleccionadas y se permita realizar un análisis acertado.
Determinación de las variables
Uno de los principales indicadores financieros para medir
los rendimientos generados en la operación
de las empresas durante un período determinado es el RSA dichas siglas
significan rendimiento sobre los
activos totales, tal como lo menciona Gitman, (2013), el mismo que mide la eficacia integral de la administración
para generar utilidades con sus activos; se denomina también rendimiento sobre la inversión; Ross, Westerfild, &
Jordan, (2014) también indican que el
rendimiento sobre los activos RSA, (ROA,
por las siglas de return on assets) “es una medida de la utilidad por dólar de activos”.
Se ha considerado este indicador porque
relaciona dos magnitudes esenciales para la empresa que es
la utilidad y los activos. Con el objetivo del estudiar la eficiencia del
capital de trabajo y para medir aquel
componente se ha determinado como variable independiente al RSA, y como variables
dependientes a la rotación de activos y el ciclo operativo, ambos componentes relacionados directamente con la
gestión del capital de trabajo.
Tabla 1 Definición de las variables
|
Tipo de variables
|
Nomenclatura
|
|
Variable Dependiente
|
RSA: Rendimiento sobre
activos totales también conocido como ROA
|
|
Variables Independientes
|
RA: Rotación de activos CO: Ciclo Operativo LC: Liquidez Corriente
CCE: Ciclo de conversión del efectivo
UAII: Utilidad antes
de impuestos e intereses.
RI: Rotación de Inventario
RCC: Rotación de cuentas por cobrar RCP: Rotación de cuentas por pagar EPI: Edad Promedio de Inventario PPC: Periodo Promedio de Cobro
PPP: Periodo promedio de pago
|
Nota: Elaborado por los Autores,
Fuente: Gitman, (2016)
Regresiones
Se ha planteado cuatro modelos de regresiones con las
variables determinadas previamente ya mencionadas
en la tabla anterior, para llevar a cabo la determinación de los modelos se
basó en las teorías existentes sobre la relación
entre ellas, en el modelo # 1 se presentan
como variables
independientes el ciclo operativo y la rotación
de activos; para Ross, Westerfild, & Jordan, (2014)
un buen nivel en el ciclo operativo implica que la empresa mantiene
una alta rotación de inventario y una eficiente gestión de cobro lo que causaría a la empresa
un mejor rendimiento. (Chan, Xiao, & Yue, 2021), por otro lado, una
eficiente rotación de los activos es sinónimo de productividad indicando
que los activos tienen mayor facilidad
para la generación de ingresos.
𝑅𝑆𝐴𝑖𝑡 = 𝛽0
+ 𝐶𝑂𝑖𝑡−1 + 𝑅𝐴𝑖𝑡−1 + 𝜀𝑖𝑡
Modelo 1
En el modelo # 2 se han establecido como variables
independientes la utilidad antes de intereses
e impuestos UAII y el ciclo operativo CO para medir la relación con el
RSA, se ha incluido en este modelo
la UAII, porque estos dos componentes están relacionados directamente con el RSA, Chagerben , Rojo, & Martínez, (2018)
mencionan que “mediante
este análisis se observa que, las ventas son el principal impulsor de la
inversión y de los ingresos, ya que estas mismas provocan que los activos
operativos netos y los ingresos
varíen directamente, es decir; un cambio en el ciclo operativo
es debido a que las ventas hayan sufrido un incremento o disminución”. (p.5),
el ciclo operativo o también conocido
como período promedio
de maduración está asociado directamente con el capital de trabajo como resultado de la gestión del
inventario y crédito que realizan las empresas.
𝑅𝑆𝐴𝑖𝑡 = 𝛽0 + 𝑈𝐴𝐼𝐼𝑖𝑡−1 + 𝐶𝑂𝑖𝑡−1 + 𝜀𝑖𝑡
Modelo 2
En la figura No. 5 se relacionan las variables RA y RSA observando
una relación positivo creciente, y en la figura 6 se relacionan las variables UAII y RSA, también se observa una relación positiva entre sus variables;
evidenciando una relación directamente proporcional entre dichas variables.
Resultados de la regresión del modelo 1
En el modelo # 1 se relaciona a la variable dependiente
RSA, con el CO y el RA, para la determinación
de la relación se aplicó una regresión múltiple mediante mínimo cuadrados MCO donde
se observa en la tabla
2 que el intercepto y la variable
CO tienen coeficientes significativos debido
a que Pr(>|t|) ascendieron a <2e-16, <2e-16 , en cambio la variable RA
arrojo que coeficientes no significativos con un resultado Pr(>|t|) aproximadamente de 0,332 mayor a 0,05;el
error estándar de residuos es igual a 0,1157 con 307 grados de libertad
, el R al cuadrado
es igual a 0,3201 mientras que el R al cuadrado
ajustado 0,357, y finalmente el p-valué del modelo ascendió a < 2.2e-16, lo que se interpreta que el modelo
tiene validez sin embargo se observa en la
tabla 5 que el R al cuadrado ajustado es de 0,3093 lo que se interpreta que las
variables independientes no explican de manera
significativa a la variables dependiente.
Tabla 2 Coeficientes del modelo 1 aplicando MCO
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
(Intercept)
|
1,99E+02
|
1,15E+01
|
17.343
|
<2e-16***
|
|
CO
|
-1,11E+00
|
9,69E-02
|
-11.434
|
<2e-16***
|
|
RA
|
-4,80E+00
|
5,20E+00
|
-0.923
|
0.357
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’
0.1 ‘ ’ 1
En la aplicación de efectos fijos EF se evidencia un panel
balanceado, y se observa en la tabla 3 que
el coeficiente del CO tiene alto nivel de significancia Pr(>|t|) <2e-16 y
el coeficiente de RA con nivel de
significancia bajo de Pr(>|t|) 0,1427, el R al cuadrado 0,32687 y el R al
cuadrado ajustado de 0,31309, teniendo como
resultado del p-valué del modelo
< 2.22e-16.
Tabla 3 Coeficientes del modelo 1 mediante Efectos
Fijos
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
CO
|
-0.00101747
|
0.00010345
|
-98.356
|
<2e-16***
|
|
RA
|
0.01443230
|
0.00981882
|
14.699
|
0.1427
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
En la aplicación de la regresión múltiple mediante efectos aleatorios
ER, los resultados con respecto
a los coeficientes el CO es significativa con un Pr(>|z|) de <2e-16, el RA arroja
un Pr(>|z|) de 0,6217 no significativa; mientras que
R al cuadrado de 0,31989 y un R al cuadrado ajustado de 0,32213, teniendo como p-valué del modelo < 2,22e-16.
Tabla 4 Coeficientes del modelo 1 mediante Efectos
Aleatorios
|
|
Estimate
|
Std. Error
|
z-value
|
Pr(>|z|)
|
|
(Intercept)
|
1,90E+03
|
1,72E+02
|
109.973
|
<2e-16***
|
|
CO
|
-1,07E+01
|
9,92E-01
|
-107.634
|
<2e-16***
|
|
RA
|
3,74E+01
|
7,59E+01
|
0.4934
|
0.6217
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05
‘.’ 0.1 ‘ ’ 1
Tabla 5 Resultados R^2 y R^2 ajustado del modelo 1
|
|
R^2
|
R^2 ajs.
|
P- Value
|
|
MCO
|
0.3139
|
0.3093
|
<
2.2e-16
|
|
EF
|
0.32687
|
0.31309
|
<
2.22e-16
|
|
EA
|
0.31989
|
0.31531
|
<
2.22e-16
|
Resultados de la regresión del modelo 2 aplicando MCO, EF y EA
En el modelo # 2 se relaciona a la variable dependiente RSA, con el
UAII y el CO, mediante la aplicación MCO se determinó la relación de las variables, donde se observa
en la Tabla 6 que los coeficientes del intercepto y las
variables independientes UAII y CO
son significativos con sus respectivos
p-valué inferiores a 0,005; adicional se aprecia en la Tabla 9 que el 𝑅2 de 0.7144 y el 𝑅2ajustado de 0,7125 el p-valué
del modelo inferior a 2,2e-16, lo que
se interpreta que el modelo tiene
validez y además se observa que el 𝑅2ajustado es muy significativo explicando la relación de las variables independiente en un 71,25% a la
variable dependiente.
Tabla 6 Coeficientes del modelo 2 aplicando MCO
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
(Intercept)
|
7,70E+01
|
8,53E+00
|
9.020
|
<2,00e-16***
|
|
UAII
|
2,94E+01
|
1,44E+00
|
20.460
|
<2,00e-16***
|
|
CO
|
-4,96E-01
|
6,67E-02
|
-7.428
|
1.18e-12***
|
0
‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Mediante el modelo de efectos fijos EF se observa en la
Tabla 7 que los coeficientes de las variables
independiente UAII y CO son significativos ya que sus Pr(>|t|) son
inferiores a 2.2e-16 lo que, valida su nivel de significatividad, en la Tabla
9 se evidencia que el 𝑅2es de 0.76056,
y el
𝑅2 ajustado con un valor
de 0,75566, el p-valué del modelo
inferior a < 2.22e-16, lo que indica que
la validez del modelo y al poseer un 𝑅2 ajustado del 75,8% corresponde a que las
variables independientes UAII y CO si explican a la variable dependiente.
Tabla 7 Coeficientes del modelo 2 mediante Efectos
Fijos
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
UAII
|
3,34E+02
|
1,44E+01
|
231.687
|
<2.2e-16***
|
|
CO
|
-4,11E+00
|
6,21E-01
|
-66.202
|
1,71e-07***
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
En relación al modelo efectos aleatorios EA se observa en
la Tabla 8 que los coeficientes del intercepto
y de las variables independientes UAII y CO, son significativos con sus p-value inferiores a 0,05; se puede apreciar en la
Tabla 9 que el 𝑅2 asciende a 0,75557 y el 𝑅2 ajustado 0,75392, con un P-value inferior a
2.22e-16; lo que se interpreta la existencia de una relación entre las variables independientes y la dependiente
en un alto porcentaje de
explicación.
Tabla 8 Coeficientes del modelo 2 mediante Efectos
Aleatorios
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
(Intercept)
|
6,26E+02
|
1,49E+02
|
42.058
|
2,60e-02***
|
|
UAII
|
3,30E+02
|
1,43E+01
|
229.800
|
<2.2e-16***
|
|
CO
|
-4,20E+00
|
6,22E-01
|
-67.545
|
1,43e-08***
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Tabla 9 Resultados R^2 y R^2 ajustado del modelo 2
|
Modelo # 2
|
R al cuadrado
|
R al cuadrado
ajustado
|
P- Value
|
|
MCO
|
0.7144
|
0.7125
|
< 2.2e-16 ***
|
|
Efectos
Fijos
|
0.76056
|
0.75566
|
< 2.22e-16***
|
|
Efectos
Aleatorios
|
0.75557
|
0.75392
|
< 2.22e-16***
|
Resultados de la regresión del modelo
3
En el modelo # 3 se relaciona a la variable dependiente RSA, con las
variables independientes UAII, RA y CO, mediante la aplicación de mínimos cuadrados ordinarios MCO donde se observa
en la Tabla 10 que los coeficientes del intercepto y las variables independientes
UAII, RA y CO son significativos con Pr(>|t|) inferiores a 0,005; en la Tabla 12 se observa que el 𝑅2 de 0,7689,
𝑅2 ajustado de 0,7665 y
un p-value del modelo inferior a 2,2e-16; lo que se interpreta que el modelo
tiene validez.
Tabla 10 Coeficientes del modelo 3 aplicando MCO
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
(Intercept)
|
2,64E+01
|
9,79E+00
|
2.694
|
0.007455**
|
|
UAII
|
3,43E+01
|
1,42E+00
|
24.139
|
<2,00e-16***
|
|
RA
|
2,76E+01
|
3,31E+00
|
8.351
|
2.65e-15***
|
|
CO
|
-2,59E-01
|
6,64E-02
|
-3.904
|
0.000117***
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘’ 1Respecto al
modelo # 3 aplicando efectos fijos se observa en la Tabla 11 que los
coeficientes de las variables independiente UAII, RA y CO son significativos con Pr(>|t|) inferior
a 2,2e-16; y en la Tabla 13 se evidencia que el 𝑅2 de 0,78597, 𝑅2 ajustado de 0,78084 y
un p-value del modelo inferior
a 2,2e-16; lo que se interpreta que el modelo tiene validez.
Aplicando el modelo
de efectos aleatorios se observó que los coeficientes son significativos.
Tabla 11 Coeficientes del modelo 3 mediante Efectos
Fijos
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
UAII
|
3,45E+02
|
1,38E+01
|
250.266
|
<2.2e-16***
|
|
RA
|
3,29E+02
|
5,60E+01
|
58.870
|
0,00001079***
|
|
CO
|
-2,30E+00
|
6,64E-01
|
-3,46E+04
|
0.000619***
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘’ 1
En relación al modelo 3 aplicando efectos aleatorios EA se
observa en la Tabla 12 que los coeficientes
de las variables independientes UAII, RA y CO, son significativos con sus
p-value inferiores a 0,05, sin
embargo el coeficiente del intercepto no es significativo; además se puede apreciar en la Tabla 13 que el 𝑅2 asciende a 0,78516 y
el 𝑅2 ajustado 0,78298, con
un P-value inferior a 2.22e-16; lo que se interpreta la existencia de una relación
entre las variables
independientes y la dependiente un alto
porcentaje de explicación.
Tabla 12 Coeficientes del modelo 3 mediante Efectos
Aleatorios
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
(Intercept)
|
2,03E+02
|
2,07E+02
|
0.9814
|
0.3263772
|
|
UAII
|
3,45E+02
|
1,37E+01
|
251.747
|
<2.2e-16***
|
|
RA
|
3,22E+02
|
5,30E+01
|
60.827
|
0,000001181***
|
|
CO
|
-2,33E+00
|
6,57E-01
|
-35.435
|
0.0003949***
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘’ 1
Tabla 13 Resultados R^2 y
R^2 ajustado del modelo
3
|
Modelo # 3
|
R al cuadrado
|
R al cuadrado
ajustado
|
P- Value
|
|
MCO
|
0.7689
|
0.7665
|
<
2.2e-16
|
|
Efectos
Fijos
|
0.78597
|
0.78084
|
< 2.22e-16
|
|
Efectos
Aleatorios
|
0.78516
|
0.78298
|
< 2.22e-16
|
Resultados de la regresión del modelo 4
En el modelo #4 se relaciona a la variable dependiente RSA,
con las variables independientes UAII y CCE, mediante
la aplicación de mínimos cuadrados ordinarios MCO donde se observa
en la Tabla 12 que los
coeficientes del intercepto y las variables independientes UAII, y CCE son significativos con Pr(>|t|) inferiores
a 0,005; en la Tabla 17 se observa que el 𝑅2 de 0,6859, 𝑅2 ajustado de 0,6839 y un p-value
del modelo inferior
a 2,2e-16; lo que se interpreta que el modelo
tiene validez.
Tabla 14 Coeficientes del modelo 4 aplicando MCO
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
(Intercept)
|
4,07E+01
|
6,25E+00
|
6.513
|
3.14e-10***
|
|
UAII
|
3,22E+01
|
1,42E+00
|
22.747
|
<2,00e-16***
|
|
CCE
|
-2,98E-01
|
6,18E-02
|
-4.813
|
2.37e-06***
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘’ 1
En el modelo # 4 aplicando efectos fijos EF se observa en
la Tabla 15 que los coeficientes de las variables
independiente UAII y CCE son significativos, ya que sus Pr(>|t|) son
inferiores a 2.2e- 16 lo que valida su nivel se significatividad, en la Tabla 17 se evidencia que el 𝑅2es de 0.74107 y el 𝑅2 ajustado con un valor
de 0,73577, el p-value del modelo
inferior a < 2.22e-16, lo que indica
que la validez del modelo y al poseer un R al cuadrado ajustado del 75,8%
corresponde a que las variables independiente UAII y CCE si
explican a la variable
dependiente.
Tabla 15 Coeficientes del modelo 4 mediante Efectos
Fijos
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
UAII
|
3,61E+02
|
1,39E+01
|
260.940
|
<2.2e-16***
|
|
CCE
|
-2,43E+00
|
5,65E-01
|
-42.975
|
0,02354***
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘’ 1
En relación al modelo efectos aleatorios EA se observa en
la Tabla 16 que los coeficientes del intercepto
y de las variables independientes UAII y CCE, son significativos con sus
p-value inferiores a 0,05; se puede
apreciar en la Tabla 17 que el 𝑅2 asciende a 0,73353 y el 𝑅2 ajustado 0,73173, con un P-value inferior a
2.22e-16; lo que se interpreta la existencia de una relación entre las
variables independientes y la dependiente un alto porcentaje de explicación.
Tabla 16 Coeficientes del modelo 4 mediante Efectos
Aleatorios
|
|
Estimate
|
Std. Error
|
t-value
|
Pr(>|t|)
|
|
(Intercept)
|
3,10E+02
|
1,28E+02
|
24.288
|
0.01515*
|
|
UAII
|
3,56E+02
|
1,38E+01
|
257.361
|
<2.2e-16***
|
|
CCE
|
-2,50E+00
|
5,70E-01
|
-43.953
|
0,01106***
|
0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘’ 1
Tabla 17 Resultados R^2 y R^2 ajustado del modelo 4
|
Modelo # 4
|
R al cuadrado
|
R al cuadrado
ajustado
|
P- Value
|
|
MCO
|
0.6859
|
0.6838
|
<
2.2e-16
|
|
Efectos
Fijos
|
0.74107
|
0.73577
|
<
2.22e-16
|
|
Efectos
Aleatorios
|
0.73353
|
0.73173
|
<
2.22e-16
|
Discusión y Conclusiones
La administración o gestión del capital de trabajo representa un factor
muy relevante para el desarrollo
económico de las empresas en especial para las pequeñas y medianas compañías
que tienen más restricciones
financieras. (Fernández-López, Dios-Vicente, & Rodeiro-Pazos , 2020), las condiciones económicas del entorno social
también influyen en la rentabilidad de las empresas
del sector agrícola como lo afirma
(Kyshtymova, Lytneva , Parushina, & Petrova, 2019),
adicional indica que “la
eficiente gestión del capital de trabajo mitiga el riesgo frente a perdidas
agrícolas improductivas consideradas
como factores de capital social; según Nguyen C. , (2020) el cual muestra en su estudio que “el ciclo de los
activos corrientes tiene un impacto positivo en la indicadores de gestión
provocado por una pertinente política razonable del capital de trabajo”.
En los resultados obtenidos se puede evidenciar que en los cuatros
modelos expuestos la relación
del CO con el RSA es negativa
lo que significa que cuando
disminuye el CO aumenta la RSA,
contrastando su semejanza con las teorías de Ross, Westerfild, & Jordan,
(2014) ; Gitman (2016); y los resultados Fernández-López, Dios-Vicente, & Rodeiro-Pazos (2020),
que evidencia un relación negativa
entre el ciclo
operativo y la rentabilidad de estas empresas;
demostrando la validez
de los resultados entre las teorías y estudios seleccionados para la respectiva discusión.
Una eficiente gestión en los recursos que integran el capital de
trabajo garantiza una rentabilidad sustentable
y sostenible en el largo plazo. Lou, Hall, & Pradhan, (2022), como lo
menciona Razin, Kosenko,
Ivanova, Kornev, &
Sokolova, (2021), “la mejora de la eficiencia económica en el sector agrícola se debe a la
optimización del capital fijo y capital de trabajo”, por tales argumentos se analizaron las variables
UAII, RA y CO y su efecto en la
rentabilidad sobre sus activos en el
modelo 3, dando como resultados una relación positiva con respecto a la
variable UAII y RA, y con respecto a
la variable CO una relación negativa; interpretando que un mejor rendimiento sobre la eficiencia de sus recursos
totales dependerá de un aumento
en la UAII y RA y la disminución del CO.
En el estudio correlación de Chen, Xiao, & Yue, (2021) encontraron
que la velocidad de la rotación del
capital de trabajo tiene un gran impacto en la rentabilidad de las pequeñas y medianas empresas; la velocidad de la
rotación del inventario depende directamente del ciclo operativo CO, esto quiere decir que si las empresas disminuyen
sus días en ciclo de operaciones mejoraría
la rotación y la rentabilidad. En los resultados de las regresiones el modelo
con mayor grado de correlación fue el modelo
2 𝑅𝑆𝐴𝑖𝑡 = 𝛽0 + 𝑈𝐴𝐼𝐼𝑖𝑡−1 +
𝐶𝑂𝑖𝑡−1 + 𝜀𝑖𝑡 , el mismo que arrojó coeficientes significativos en las tres aplicaciones de regresión mediante
MCO, EF y EA, y
obteniendo mediante EF un 𝑅2 ajustado del 75,8% que corresponde a que las variables independientes UAII y CO si explican a la variable
dependiente RSA.
El análisis de la relación entre las variables que componen
la gestión del capital de trabajo y el rendimiento
de los activos, en el sector económico agrícola, ganadero, silvicultor y de
pesca del Ecuador tuvo como principal
objetivo; determinar el grado de relación de estas variables y que tan influyentes son para la determinación
de sus rendimientos, lo cual mediante la aplicación de análisis estadísticos econométricos arrojo como resultado la
existencia de una correlación muy significativa,
aplicando los diversos modelos establecidos en la investigación; como resultado concluyente específico se demostró
que el CO que está compuesto por la sumatoria
de EPI y PPC tiene una correlación negativa y
significativa en relación al RSA, mismo resultado que se contrastó con la teoría en la discusión de resultados, proyectando paridad en el contraste.
La industria agrícola, ganadera, silvicultora y de pesca
del Ecuador tiene un gran valor en la economía del país, por lo cual se recomienda a las empresas
que conforman esta industria revisar
sus políticas y procedimientos relacionados con el capital de trabajo,
porque su rendimiento depende notoriamente de la eficiente gestión de estos recursos.
Referencias Bibliográficas
Ahmad Attari, M., & Kashif , R. (2012). The
Optimal Relationship of Cash Conversion Cycle
with Firm Size and Profitability. International Journal of Academic
Research in Business and Social Sciences, 189-203.
Chagerben , L., Rojo, A., &
Martinez, M. (2018). LA VALIDEZ DE LA INFORMACIÓN DEL RATIO DUPONT: EL CASO DE LA EMPRESA AGROALIMENTARIA ANDALUZA. AECA.
Chen, M., Xiao, Y., & Yue, X. (2021). Correlation
analysis of profitability and working capital
of small and medium-sized manufacturing industries in China based on GMM
research method. Business Administration School of Wuhan
Business University, Wuhan, China.
Cotrina, B., Vicente, W., &
Magno, A. (2020). Administración del capital de trabajo y rentabilidad de los activos. ESPACIOS,
28.Directorio de Empresas del Ecuador . (2019).
TABULADOS DEL DIRECTORIO
DE EMPRESAS Y ESTABLECIMIENTOS, (DIEE). QUITO: INEC.
Fernandez-López, S., Dios-Vicente, A.,
& Rodeiro-Pazos , D. (2020). Gestión del Circulante y rentabilidad en el sector del queso
ecológico y no ecológico en España. Revista
española de estudios agro
sociales y pesqueros, 255, 15-45.
Gitman, L. (2016). Principios de la Administración Financiera. Mexico: Pearson. Jaramillo, S. (2016). RELAÇÃO
ENTRE A GESTÃO
DO CAPITAL DE TRABALHO E A
RENTABILIDADE NA INDÚSTRIA
DE DISTRIBUIÇÃO DE QUÍMICOS NA COLÔMBIA. Revista Finanzas y Política
Económica, 8(2), 327-347.
Kyshtymova, E., Lytneva , N.,
Parushina, N., & Petrova, Y. (2019). Management Influence of Working Capital On Equity Capital
Formation of Agricultural Organizations. Research Paradigms Transformation in Social Sciences, 732-741.
Lou, E., Hall, J., & Pradhan, R. (2022). The
relationship between working capital management and profitability. Business Review, 313-333.
Ministerio de Agricultura, Ganadería,
Acuacultura y Pesca. (2016). La política agropecuaria ecuatoriana: hacia el desarrollo territorial rural
sostenible: 2015-2025. Quito.
Myres, S., Brealy, R., & Allen, F.
(2016). Principios de Finanzas Corporativa. Mexico: Mc Graw Hill.
Nguyen , T., & Sundaresan, M. (2018). The
Effects of Cash Conversion Cycle on Profitability: An Insight into the Agriculture and Food Industries in
Thailand. Revista Asiatic de Negocios y Contabilidad.
Nguyen, C. (2020). Impact of Working Capital
Management on Firm Performance in Different
Business Cycles: Evidence from Vietnam.
Journal of Asian Finance, 863-867.
Razin, A., Kosenko, M., Ivanova, M., Kornev, A.,
& Sokolova, L. (2021). Efficient production and sale of root vegetables in the Moscow region. Federal
Scientific Vegetable Center, 14,
Selectsionnaya str., VNIISSOK, Odintsovo district, Moscow region, Russian Federation.
Ross, S., Westerfild, R., & Jordan, B. (2014). Fundamentos de Finanzas Corporativa. México: Mc Graw
Hill.
_archivos/image001.gif)
La gestión del capital de trabajo y su relación con el ROA, del sector
agrícola del Ecuador entre los años 2014-2018_archivos/image002.jpg)
_archivos/image003.jpg)
_archivos/image004.jpg)
_archivos/image005.jpg)
_archivos/image006.jpg)
_archivos/image007.gif){kind=small}
_archivos/image008.gif){kind=small}
_archivos/image009.jpg)