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)