Comparación de diferentes formas de medir la rentabilidad en el sector agropecuario uruguayo mediante clústeres longitudinales

Autores/as

DOI:

https://doi.org/10.31285/AGRO.27.1023

Palabras clave:

clústers longitudinales, empresas agropecuarias, rentabilidad (ROA)

Resumen

El uso del ROA (Retorno sobre Activos) como indicador de rentabilidad está generalizado en la literatura financiera, sin embargo, no hay acuerdo en el resultado económico a tomar como base de cálculo. En el ámbito agropecuario, donde el financiamiento y el costo de la tierra son elevados, el problema asume alta relevancia para interpretar la realidad económica de las empresas. El trabajo tiene dos objetivos: a) discutir la pertinencia del uso del ROA operativo —basado en el resultado económico sin deducir los costos financieros y de arrendamiento de la tierra— y el ROA financiero —que sí los deduce— en la medición de la evolución de la rentabilidad empresarial agropecuaria, y b) verificar si existen grupos de empresas que, independientemente de la forma de medir su rentabilidad, presenten similitudes claras en su evolución. Se comienza analizando el marco teórico que respalda el uso de estos indicadores tratando de discernir qué aspectos de la rentabilidad intentan medir. A continuación, se comparan los resultados de uno y otro indicador en un análisis dinámico utilizando la metodología de clústeres longitudinales sobre una base de datos compuesta por los estados contables de 713 empresas agropecuarias uruguayas en el período 2010-2017. Se concluye, en primer lugar, que no hay diferencias relevantes en la forma como evoluciona la rentabilidad de las firmas, ya sea medida por el ROA operativo o financiero. Luego, la evidencia muestra que la mayoría de las firmas se pueden clasificar en tres grupos donde a la interna la rentabilidad ha evolucionado en forma similar, cualquiera sea la forma de medirla, dos de ellos con notoria diferencia en la tasa de rentabilidad y algunas diferencias en la velocidad de cambio de dicha tasa.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias bibliográficas

Álvarez J, Falcao O. Manual de gestión de empresas agropecuarias. Montevideo: Universidad de la República; 2009. 180p.

Arbeletche P. El agronegocio en Uruguay: su evolución y estrategias cambiantes en el siglo XXI. Rivar (Santiago). 2020;7(19):109-29.

Barney JB. Resource-based theories of competitive advantage: a ten-year retrospective on the resource-based view. J Manag. 2001;27(6):643-50.

Becker-Blease JR, Kaen FR, Etebari A, Baumann H. Employees, firm size and profitability of US Manufacturing Industries. Invest Manag Financ Innov. 2010;(7):119-32.

Bejar-León LM, Jijón-Gordillo ER. Medición de la rentabilidad para los accionistas: ¿Es el ROE un indicador confiable para evidenciar la rentabilidad de los accionistas? Polo del conoc. 2017;2(5):1354-61.

Castaño Duque GA. Teoría de la agencia y sus aplicaciones. Decisión Administrativa. 1999;(1):7­12.

Celeux G, Govaert G. A Classification EM algorithm for clustering and two stochastic versions. Comput Stat Data Anal. 1992;14(3):315­32.

Chhibber PK, Majumdar SK. Foreign ownership and profitability: property rights, control, and the performance of firms in Indian industry. J Law Econ. 1999;42(1):209-38.

Dos Santos JGC, Calíope TS, Coelho AC. Teorias da Firma como fundamento para formulação de teorias contábeis. REPeC. 2015;9(1):101-16.

Espinosa FR, Molina ZAM, Vera-Colina MA. Fracaso empresarial de las pequeñas y medianas empresas (pymes) en Colombia. Suma de negocios. 2015;6(13):29-41.

Favaro Villegas D. Enfoques de la teoría de la firma y su vinculación con el cambio tecnológico y la innovación. Cult econ. 2013;31(85):50-70.

Fernández M, Gutiérrez F. Variables y modelos para la identificación y predicción del fracaso empresarial: revisión de la investigación empírica reciente. Rev Contab-Span Account Rev. 2012;15(1):7-58.

Fornero RA. EBITDA: la medida y el múltiplo. Cuyo: Universidad Nacional del Cuyo; 2019. 11p.

Fourati YM, Ghorbel RC, Jarboui A. Sticky cost behavior and its implication on accounting conservatism: a cross-country study. J Financ Report Account. 2020;18(1):169-97.

Galindo Lucas A. El tamaño empresarial como factor de diversidad [Internet]. [place unknown: publisher unknown]; 2000 [cited 2023 Mar 06]. 199p. Available from: http://www.eumed.net/libros/2005/agl3/index.htm.

Genolini C, Alacoque X, Sentenac M, Arnaud C. kml and kml3d: R Packages to Cluster Longitudinal Data. Journal of Statistical Software. 2015;65(4):1-34. Available from: http://www.jstatsoft.org/v65/i04/.

Genolini C, Falissard B, Pingault JB. KmL: Non-Parametric Algorithm for Clustering Longitudinal Data [Internet]. Version 2.4.6. Paris: [publisher unknown]; 2023 [cited 2023 Mar 06]. Available from: http://christophe.genolini.free.fr/kml/

Genolini C, Falissard B. KmL: K-means for longitudinal data. Comput Stat. 2010;25(2):317-28.

Goddard J, Tavakoli M, Wilson JO. Determinants of profitability in European manufacturing and services: evidence from a dynamic panel model. Appl Financial Econ. 2005;15(18):1269-82.

Gschwandtner A, Hirsch S. What drives firm profitability?: a comparison of the US and EU food processing industry. Manch Sch. 2018;86(3):390­416.

Guiso L, Rustichini A. Understanding the size and profitability of firms: the role of a biological factor. Research in Economics. 2018;72(1):65-85.

Hansen GS, Wernerfelt B. Determinants of firm performance: the relative importance of economic and organizational factors. Strateg Manag J. 1989;10(5):399-411.

James G, Witten D, Hastie T, Tibshirani R. An introduction to statistical learning: with applications in R. New York: Springer; 2013. 612p.

Kammoun S, Alcouffe A. Enfoque económico de las competencias de la firma: hacia una síntesis de las teorías neoinstitucionales y evolucionistas. Boletín Cinterfor. 2003;(154):35-66.

Kuntluru S, Muppani VR, Khan MAA. Financial performance of foreign and domestic owned companies in India. Asia Pac Bus Rev. 2008;9(1):28-54.

Kuster C, Álvarez J, Lezcano M, Álvarez-Vaz R. Desempeño económico de las empresas agropecuarias uruguayas: estudio sobre su evolución a través de la técnica de clústers longitudinales a partir de datos contables [Internet]. Montevideo: Universidad de la República; 2021 [cited 2023 Mar 06]. 45p. (Serie documentos de trabajo; 10/21). Available from: https://zenodo.org/record/7150503#.Y0A_d3bMI2z

Laitinen EK. Extension of break-even analysis for payment default prediction: evidence from small firms. Invest Manag Financ Innov. 2011;8(4):96­108.

Melgarejo Z, Vera M, Mora E. Diferencias de desempeño empresarial de pequeñas y medianas empresas clasificadas según la estructura de la propiedad del capital, caso colombiano. Suma de Negocios. 2014;5(12):76-84.

Mijić K, Jakšić D. The determinants of agricultural industry profitability: evidence from Southeast Europe. Custos e Agronegocio. 2017;13(1):154-73.

Ministerio de Economía y Finanzas, DGI (UY). Programa de ayuda Sigma: Formulario 1006 [Internet]. Versión 03. Montevideo: MEF; 2013 [cited 2023 Mar 06]. Available from: https://bit.ly/3kSGhWt.

Pascale R. Decisiones financieras. 3a ed. Buenos Aires: Ediciones Macchi; 1998. 810p.

Pascale R. Vinculación entre tamaño y rentabilidad: evidencia empírica en las empresas industriales manufactureras en Uruguay. Rev investig modelos financ. 2017;2(2):39-54.

R Core Team. R: a language and environment for statistical computing [Internet]. Vienna: R Foundation for Statistical Computing; 2015 [cited 2023 Mar 06]. Available from: https://www.R-project.org/.

Slater SF, Olson EM. A fresh look at industry and market analysis. Bus Horiz. 2002;45(1):15-22.

Tong Y, Saladrigues R. The predictability of financial, accounting-based, and industrial factors on the success of newly incorporated Spanish firms. Intangible Capital. 2018;14(1):127-45.

Vazquez M, Irimia A, Blanco A. La metodología de los Rough Sets como técnica de preprocesamiento de datos: una aplicación a las quiebras de microempresas familiares. Rect@. 2015,16(1):1-12.

Winter SG. Understanding dynamic capabilities. Strateg Manag J. 2003,24(10):991-5.

Yardin A. El análisis marginal. Buenos Aires: Editorial Osmar Buyatti; 2019. 429p.

Publicado

2023-04-10

Cómo citar

1.
Kuster C, Álvarez J, Lezcano M, Álvarez-Vaz R. Comparación de diferentes formas de medir la rentabilidad en el sector agropecuario uruguayo mediante clústeres longitudinales. Agrocienc Urug [Internet]. 10 de abril de 2023 [citado 6 de julio de 2024];27:e1023. Disponible en: http://mail.revista.asocolderma.org.co/index.php/agrociencia/article/view/1023

Número

Sección

Ciencias Sociales y Economía Agraria
QR Code

Métricas

Estadísticas de artículo
Vistas de resúmenes
Vistas de PDF
Descargas de PDF
Vistas de HTML
Otras vistas