Hacienda Pública Española / Review of Public Economics, 213-(2/2015): 63-82 © 2015, Instituto de Estudios Fiscales DOI: 10.7866/HPE-RPE.15.2.3

El papel de las bluelaws en los modelos de evolución de los formatos comerciales*1 FRANCISCO JAVIER DE LA BALLINA BALLINA RODOLFO VÁZQUEZ CASIELLES Universidad de Oviedo Recibido: Junio, 2014 Aceptado: Enero, 2015 Resumen La literatura sobre las bluelaws (regulación de horarios comerciales) es muy amplia e importante, pero sus resultados son muy dispersos y distintos, y siempre ha trabajado con una perspectiva estrictamente sectorial y una metodología univariable. Es necesario estudiar la desregulación de horarios comerciales dentro de un modelo global de cambio, incorporando variables económicas externas (PIB) y variables de competencia endógenas (como las cuotas de superficie comercial). Nuestro modelo destaca que la desregulación de horarios afecta de forma inmediata a las estrategias de tiempo como servicio al consumidor ofertado por los supermercados y los centros comerciales. Que la competencia determina los cambios en la estructura comercial, la productividad y en el empleo del sector. En tanto que la situación de la economía explica las variaciones en las ventas y los precios. Palabras clave: Política Comercial, Horarios, Competencia. Clasificación JEL: M38, D30, C12.

1. Introducción La evolución de la distribución comercial ha sido estudiada bajo dos enfoques diferenciados (Filser y Paché, 2008): las modificaciones en los sistemas de venta minoristas, o formatos comerciales, y las transformaciones en el canal de distribución. El estudio de la evolución de los formatos comerciales ha sido muy intenso en el pasado, sin embargo la enorme competencia entre los grupos de distribución ha impulsado la literatura sobre la evolución del canal (Bhatnagar y Ratchford, 2004; Filser y McLaughin, 2013). Sin embargo, el proceso de liberalización generalizada del sector y los efectos de Internet nos obligan a actualizar los modelos de evolución de los formatos comerciales. La literatura ha tratado la evolución de los formatos comerciales bajo cuatro tipos de modelos: los modelos “cíclicos” proponen una evolución por fases inexorables e irreversi*

Los autores del trabajo agradecen a la Cátedra Fundación Ramón Areces de Distribución Comercial (http:// catedrafundacionarecesdc.uniovi.es) el apoyo recibido para la realización del mismo.

64

francisco javier de la ballina ballina y rodolfo vázquez casielles

bles (la Rueda de McNair, en Brown, 1988); los modelos del “conflicto” explican la evolución por los choques competitivos (el Modelo Dialéctico de Gist, 1968); los modelos combinados “ciclo-conflicto” consideran un proceso de cambio determinista pero que se acelera o frena en función de los conflictos competitivos (las Tres Ruedas de Izraeli, 1973); y los modelos del “entorno” proponen como fundamento de la evolución la influencia de variables exógenas de tipo económico y social (el Ecosistema de Markin y Duncan, 1981). Varias propuestas posteriores indican la necesidad de trabajar en un modelo integrado. La influencia de las variables externas ha sido estudiada de forma permanente, tanto en relación a la evolución del canal como de las formas comerciales. Sorescu, Frambach y Singh (2011) propusieron dos tipos de motivadores de la innovación comercial: las variables internas y las externas, destacando la importancia del cambio de valores en los consumidores y de los avances tecnológicos. Goldman, Ramaswami y Krider (2002) concluyeron la gran influencia del nivel de vida sobre las innovaciones comerciales. Reinartz, Dellaert, Krafft, Kumar, y Varadajan (2011) determinaron tres variables externas de innovación comercial: los cambios en el consumidor, los cambios en la industria y los político-legales. Los factores político-legales más contemplados en la literatura son las bluelaws1 (legislación sobre horarios comerciales) bajo tres enfoques distintos: el efecto sobre el pequeño comercio (Grunhagen, Grove y Gentry, 2003; Grunhagen y Mittelstaedt, 2001); los efectos macroeconómicos (empleo y precios) (Reddy, 2012; Skuterud, 2005); y los efectos sociológicos sobre el consumidor y los empleados (Geiger, 2007; Jacobsen y Kooreman, 2005). Más recientemente, Henisz y Zelner (2010) establecen que los factores políticos tienen más efecto en los países emergentes que en los maduros. Los resultados de la literatura de las bluelaws son muy distintos e incluso contradictorios. Las razones que explican tanta variedad de resultados pueden ser: el distinto país de cada estudio, los plazos de tiempo utilizados o el uso de modelos univariables. Este trabajo presenta un modelo temporal multivariable. El panel de datos abarca doce años, determinados por los criterios establecidos en torno al RD 6/2000 y a la más reguladora Ley 1/20042. Además, considera la coexistencia de dieciséis bluelaws regionales simultáneas en España. Finalmente, el panel contiene datos de variables macroeconómicas, habituales en la literatura, y de variables sectoriales, para contrastar el papel de la competencia. Los resultados del trabajo permitirán determinar que las bluelaws presentan efectos indirectos perniciosos sobre el sector de la distribución comercial, en la medida que limitan la innovación y la competencia. Y que cada forma comercial, y cada empresa en particular, deben ser libres de buscar su propio equilibrio competitivo en términos de días y horarios de apertura.

2. La regulación de horarios comerciales desde una visión estratégica El factor tiempo del consumidor influye en los cambios en las formas comerciales (Burt, 2010), siendo un factor crítico en sus estrategias de diferenciación (Inderst e Irmen, 2005). Abundantes estudios de sociología postulan nuevos comportamientos en el uso del tiempo de compra

El papel de las bluelaws en los modelos de evolución de los formatos comerciales

65

(Glorieux, Mestdag y Minnen, 2008; Neutens, Delafontaine, Schwanen Van de Weghe, 2012). Concretamente, el trabajo de Jacobsen y Kooreman (2005) concluye que la ampliación de los horarios comerciales originó un aumento en el tiempo dedicado a la compra de los holandeses. La desregulación permite a los establecimientos elegir el horario más adecuado, lo que aporta una diferenciación estratégica (Geiger, 2007). Por ejemplo, las grandes superficies usan un mayor margen de horarios que las medianas superficies y los pequeños establecimientos (Halk y Trager, 1999). Pero también ocurre que tras una primera gran ampliación de los horarios se puede producir un reajuste en los mismos (Kosfeld, 2002), porque cada establecimiento busca ajustar su horario al comportamiento de los consumidores en términos de costes/beneficios, dado que la ampliación de los horarios aumenta los costes fijos y existe un coste adicional para cambiar las costumbres de los compradores. La literatura establece que la desregulación de los horarios origina varios cambios sectoriales: (1) el aumento de las grandes superficies (Baker, 2002; Rouwendal y Rietveld, 1998); y (2) los desplazamientos de las cuotas de mercado favorables a las grandes superficies (Grunghagen y Mittalstaedt, 2001; Howe, Jurgens y Werwy, 1998) que son originados por la atracción de las pequeñas compras (Tanguay, Vallee y Lanoie, 1995); incluso respecto a los centros más pequeños (Baker, 2002). Y también algunos cambios económicos: (1) los aumentos en el empleo del sector (Elliot y Levin, 1987), los mejores salarios y la mayor productividad (Burda y Weil, 2005): y (2) unos menores índices de precios (Schivardi y Viviano, 2008). Pero tales resultados no son concluyentes. La propia literatura aconseja estudiar los efectos de las bluelaws de forma distinta según el tipo de producto y la hora de la compra. Los productos de consumo (alimentación y limpieza) son inelásticos, así que los aumentos de las ventas son infra/proporcionales al aumento de los costes. Los productos de compra (equipamiento personal y del hogar) son elásticos, lo que permite conseguir aumentos sobre/proporcionales en las ventas respecto a los costes (Elliot y Levin, 1987; Grunhagen y Mittalstaedt, 2001). Los costes de ampliar los horarios deberían cargarse constantemente en todas las horas de apertura, pero no existe una redistribución lineal de las ventas entre los días y horas. Por ejemplo, los domingos hay mayores ventas por hora (Barnes, 1984), un mayor número de compradores (Sugie, Zhang y Fujimara, 2003) y tipos de compras distintos (Lambert, 1994). Tampoco existe proporcionalidad en el empleo, pues los aumentos de trabajadores los domingos se compensan con reducciones en días de semana (Skuterud, 2005). El aumento de empleo es moderado porque sólo las grandes superficies tienen mayores horarios (Aranda, Casares y Martín, 2002). Además, el empleo es de dedicación parcial (Tanguay, Valle y Lanche, 1995), y se ven seriamente afectadas las condiciones laborales del sector (Freathy y Sparks, 1995; Kirby, 1992). El aumento de los costes fijos lleva al alza a los precios (Aranda, Casares y Marín, 2002; Ferris, 1990; Ingene, 1986). Pero hay resultados empíricos que sugieren otras posibilidades: el margen comercial se reduce para no afectar al precio (Desormeaux, Nantel y Ámese, 1998; Kay y Morris, 1987; Tanguay, Vallee y Lanoie, 1995); el aumento de ventas compensa el de

66

francisco javier de la ballina ballina y rodolfo vázquez casielles

costes (Grunhagen y Mittalstaedt, 2001; Inderst e Irmen, 2005); o los precios se reducen por el aumento de la competencia (Reddy, 2012).

3. Modelo conceptual e hipótesis de la investigación Presentamos un modelo conceptual integrado de la evolución de las formas comerciales con el siguiente funcionamiento: los factores externos afectan a la competencia, esto provocará cambios en el sector de la distribución (Figura 1).

Figura 1.

Modelo conceptual de Evolución

El modelo se desarrolla con los formatos de centros comerciales y supermercados, porque han mostrado un gran crecimiento en España. Las hipótesis se organizan en dos apartados: las bluelaws alteran la competencia entre los formatos; y ello origina cambios en el sector (volumen de negocio, empleo, e índices de precios). Se considera necesario añadir la variable externa PIB, con las evidencias de la literatura más recientes (Matea y Mora, 2012) sobre la influencia de la economía en el sector. 3.1. Efectos de las bluelaws sobre la competencia entre formatos comerciales Las teorías del entorno establecen que los cambios legales son factores exógenos que afectan al modelo de evolución de las formas comerciales (Vázquez y Trespalacios, 2008). Las bluelaws alteran la distribución del tiempo de compra del consumidor y, por lo tanto, el desempeño de estrategias de las formas comerciales (Jacobsen y Kooreman, 2005). De esta manera, las limitaciones de horarios favorecen los formatos de proximidad como los supermercados, mientras que la desregulación beneficia a los grandes centros comerciales que atraen el mix de compra y ocio (Matea y Mora, 2012; Orea, 2008, Baker, 2002). Por ello el modelo propone que H1: La desregulación de los horarios comerciales favorece el desarrollo de los centros comerciales, y limita el de los supermercados.

El papel de las bluelaws en los modelos de evolución de los formatos comerciales

67

3.2. Efectos de las bluelaws sobre la actividad comercial Los defensores de las bluelaws argumentan que aumentan las ventas (Burke, 1995), sobre todo en las compras hedónicas (Elliot y Levin, 1987; Grunhagen y Mittalstaedt, 2001). Se produce una mejora de la productividad porque las grandes superficies tienen una estructura de costes y unos sistemas de gestión más modernos (Cruz y Medina, 1995; Howe, Jurgens y Werwy, 1998; Nooteboom, 1982). Esto favorece la inversión en nuevos complejos comerciales (Baker, 2002; Moorhouse, 1984). Nuestro modelo (ver Figura 2) propone que a corto plazo H2: La alteración competitiva que producen las bluelaws permite incrementar (a) las ventas totales; y (b) la inversión en el sector para desarrollar grandes superficies. Las grandes superficies con su aumento de tamaño y de horarios de funcionamiento produce un aumento del empleo en el sector, que compensa la pérdida del pequeño comercio (Bertrand y Kramarz, 2002; Burda y Weil, 2005; Ciarreta, Espinosa y Martínez, 2009; Matea y Mora, 2012; Skuterud, 2005; Viviano, 2008). Por ello el modelo que se propone plantea que H3: La alteración competitiva que producen las bluelaws incrementa el nivel de empleo neto del sector comercial. La desregulación de horarios produce una reducción de los precios de venta (Hoffmaister, 20063; Schivardi y Viviano, 2008) por la mayor eficiencia de las grandes superficies y la mayor competencia entre ellas (Matea y Mora, 2011; Reddy, 2012). Este efecto se produce en los índices precios de los alimentos, por el rol de los hipermercados y los grandes supermercados, y en los índices de precios de no alimentación por el rol de los centros comerciales y las grandes superficies especializadas. Nuestro modelo propone que H4: La alteración competitiva que producen las bluelaws permite reducir los índices de precios finales (a) en el sector comercial; (b) en la alimentación; (c) en el textil; y (d) en el menaje.

Figura 2.

Estructura de las Hipótesis

68

francisco javier de la ballina ballina y rodolfo vázquez casielles

4. Metodología de la investigación El Modelo tiene dos principales fundamentos. La existencia de datos de las regiones españolas con distintos niveles de desregulación en los mismos años, y un intervalo temporal definido entre dos bluelaws4 sucesivas, la primera más liberalizadora y la segunda más restrictiva. De esta forma, la metodología controla tanto las variaciones interregionales en el mismo año, como las variaciones anuales por los cambios legales de España. Es una metodología más completa que la utilizada en la literatura, pues simula un modelo de 16 países con sus propias bluelaws, pero en un contexto socioeconómico igual, y con un plazo de estudio bastante más largo. El panel contiene 192 datos, correspondientes a las 16 regiones españolas5 y a los 12 años de la serie temporal (del año 19996 al año 2010). Las fuentes son acreditadas: la Encuesta Anual de Comercio del Instituto Nacional de Estadística (INE) y el Anuario Económico de La-Caixa. Los datos económicos fueron indexados respecto a cada año anterior7 y los datos sectoriales fueron normalizados con respecto a la población y superficie comercial de cada año, lo que facilita el tratamiento comparativo de los datos. El modelo utiliza un determinado nivel de liberalización de horarios como la variable independiente. Para ello discrimina entre dos tipos de bluelaws regionales: unas que permiten la apertura del mínimo de festivos8 frente a otras más liberalizadoras en el número de festivos de apertura comercial. El total de casos de la base de datos correspondientes a la apertura en mínimos tiene un mayor peso (58,3%), lo que viene a ser un indicador del alto grado regulador de las regiones (Banco Central Europeo, 2011). Para determinar los efectos que la situación macroeconómica tiene sobre el sector de la distribución comercial (Matea y Mora, 2012), se incluye una variable de control: el PIB de cada región. La técnica metodológica elegida ha sido el ANCOVA, dado que el modelo pretende determinar la existencia de comportamientos medios distintos, con relación de causalidad, por el efecto de la variable bluelaws, en una situación de influencia de variables exógenas sectoriales (ratios de supermercados y de centros comerciales) y de una variable de control macroeconómica (el producto interior bruto). Es el método más adecuado: por el tipo de variables, porque opera de forma más directa y con mayor sensibilidad estadística, porque permite determinar la importancia de cada variable dependiente en el efecto observado, y porque permite trabajar con un diseño de medidas repetidas (variables intrasujetos) (Ramos, Catena y Trujillo, 2004). Se ha desechado el uso de PROBIT porque la base de datos está organizada de forma matricial: panel de datos por años y por regiones, éstas son los sujetos con valores de las variables cuantitativas9 (ver tabla 1).

69

El papel de las bluelaws en los modelos de evolución de los formatos comerciales

Tabla 1 VARIABLES CONSTRUIDAS PARA LA BASE DE DATOS1 Variables dependientes

Variables independientes

(VH) Media de Ventas en euros por habitante

(BL) BlueLaws

(VE) Media de Ventas en euros por establecimiento

(PIB) Variación anual PIB

(VEm) Media de Ventas en euros por empleado

(NSH) Cuota de superficie de super-

(VS) Media de ventas en euros por superficie

mercados por habitantes

(IH) Inversión en euros por habitantes

(NCCH) Cuota de superficie de centros

(IS) Inversión en euros por superficie

comerciales por habitantes

(IE) Inversión en euros por establecimiento (NES) Número medio de empleados por superficie comercial (NEE) Número medio de empleados por establecimiento (NEmH) Número medio de empleados por habitante (IPA) Índice de precios de alimentación (IPM) Índice de precios de menaje (IPV) Índice de precios de vestido (IPG) Índice de precios general 1

Inicialmente, se consideró el caso de los hipermercados. Pero los datos mostraban una correlación positiva con los centros comerciales y negativa con los supermercados. Además el hipermercado ha tenido poca variación en los últimos años en España.

Los supuestos de aplicación del ANCOVA han sido verificados: la normalidad mediante el test de esferecidad de Bartlett (ver Tabla 2); la homocedasticidad mediante la prueba de Box (ver Tabla 3); la inexistencia de puntuaciones extremas mediante el examen de los estadísticos descriptivos; la independencia de factor y covariados se ha controlado incluyendo el término de interacción en la ecuación de cada ANCOVA; y, finalmente, la ausencia de multicolinealdad mediante el estudio de las matrices de correlación en los distintos modelos (Catena, Ramos y Trujillo, 2003; Caridad y Ocerin, 1998).

Tabla 2 DISTRIBUCIÓN NORMAL MULTIVARIABLE

Chi-cuadrado Prueba de esfericidad Gl de Bartlett Sig.

ANCOVA_1

ANCOVA_2A

ANCOVA_3

ANCOVA_4

526,119

28,068

132,903

0,625

6

1

1

1

0

0

0

0,03

70

francisco javier de la ballina ballina y rodolfo vázquez casielles Tabla 3 HOMOGENEIDAD DE VARIANZAS Y COVARIANZAS ANCOVA_1

ANCOVA_2A

ANCOVA_3

ANCOVA_4

M de Box

55,873

14,8865

17,6686

28,910

F

5,361

1,596

3,226

9,441

gl1

10

3

1,054

3

gl2

48278,196

1245973,973

1245973,973

1245973,973

Sig.

0,000

0,088

0,067

0,000

5. Resultados empíricos 5.1. Relaciones directas entre las bluelaws y la competencia entre los formatos comerciales El ANCOVA de la hipótesis H1 tiene como variables dependientes las cuotas de superficie comercial de los supermercados y centros comerciales respecto a la variable independiente de las bluelaws y la covariable del PIB (Tabla 4). Los resultados del modelo son buenos, estimando toda la influencia explicativa en la legislación de bluelaws. Además, no existen problemas de multicolinealidad, con una correlación muy baja (0,089) y, por lo tanto también un FIV muy reducido (del 1.008 sobre un máximo de 10). La prueba de Bonferroni es significativa para indicar que la media de cuota de supermercados es mayor en las regiones con menor liberalización, y viceversa, la cuota de los supermercados es mayor para bluelaws más restrictivas. Tabla 4 RESULTADOS SOBRE LA COMPETENCIA EN EL SECTOR DE LA DISTRIBUCIÓN Origen

Variable dependiente

Modelo

NSH

VARPIB

NSH

DOSCASOS

NSH

NCCH NCCH NCCH Error

Suma de cuadrados tipo III 17,736a

gl 3

Media cuadrática

F

Sig.

5,912

651,612

0,000

0,044b

3

0,015

188,609

0,000

0,001

1

0,001

0,086

0,770

8,843E-5

1

8,843E-5

1,136

0,289

13,177

2

6,589

726,169

0,000

0,032

2

0,016

203,700

0,000

NSH

0,989

109

0,009

NCCH

0,008

109

7,785E-5

71

El papel de las bluelaws en los modelos de evolución de los formatos comerciales

Prueba de BONFERRONI Variable dependiente

(I)MINIMO/MAS

NSH

dimension1

NCCH

dimension1

Diferencia de Error típ. medias (I-J)

(J)MINIMO/MAS

Sig.a

MINIMO

dimension2 MAS

0,033

0,020

0,009

MAS

dimension2 MINIMO

-0,033

0,020

0,009

MINIMO

dimension2 MAS

-0,016

0,002

0,001

MAS

dimension2 MINIMO

0,016

0,002

0,001

Los resultados del trabajo determinan que existe una relación directa entre las bluelaws y las cuotas de superficie comercial de los grandes formatos: una mayor desregulación de horarios produce un aumento en el peso de los centros comerciales y viceversa; la limitación de horarios incorpora un mayor desarrollo de los supermercados. 5.2. Efectos directos de las bluelaws en los cambios estructurales del sector Los análisis exploratorios y confirmatorios han verificado la existencia de constructos o variables latentes (Tablas 5 y 6, y Figura 3): – H2a: El constructo de ventas por habitante, ventas por establecimiento y ventas por superficie frente a las ventas por empleado. – H2b: Un único constructo para la sub-hipótesis: inversión por habitante, inversión por establecimiento e inversión por superficie. – H3: El constructo de número de empleados por establecimiento y número de empleados por superficie versus el número de empleados por habitante. – H4: El constructo del índice de precios general, índice de precios en alimentación e índice de precios en menaje, quedando aparte el índice de precios en vestido10. Tabla 5 RESULTADOS DE LOS ANÁLISIS EXPLORATORIOS Varianza total explicada Componente

Autovalores iniciales

Sumas de las saturaciones al cuadrado de la extracción

Total

% de la varianza

% acumulado

Total

% de la varianza

% acumulado

AF1 H2A

1

2,521

84,044

84,044

2,297

76,550

76,550

AF2 H2B

1

2,916

97,203

97,203

2,874

95,810

95,810

72

francisco javier de la ballina ballina y rodolfo vázquez casielles Varianza total explicada Componente

Sumas de las saturaciones al cuadrado de la extracción

Autovalores iniciales Total

% de la varianza

% acumulado

Total

% de la varianza

% acumulado

AF3 H3

1

1,747

87,342

87,342

1,747

87,342

87,342

AF4 H4

1

1,889

66,951

66,951

1,580

66,650

66,650

Tabla 6 RESULTADOS DE LOS ANÁLISIS CONFIRMATORIOS Variables latentes Ventas (F2) H2A

IPC (F1) H5 RMSA NFI CFI

Inversión (F2 H2B) Empleo (F2) H3

RMSA NFI

VENTAS /H2A INVERSION/ H2B EMPLEO/ H3 IPC/ H4

0,95 0,062 0,996

CFI

0,998

RMSA NFI

0,076

CFI

Factor

0,074 0,919

0,994 0,996

AVE

Coeficiente Compuesto de Fiabilidad

0,765 0,958 0,697 0,609

0,907 0,986 0,893 0,877

73

El papel de las bluelaws en los modelos de evolución de los formatos comerciales

Figura 3.

Dimensiones para las hipótesis H2a y H2b, H3 y H4 tras los análisis confirmatorios

Las hipótesis H2a, H2b, H3 y H4 son sometidas a sendos análisis ANCOVA. El factor es el nivel de desregulación de horarios (mínima o superior), y las covariables exógenas son las cuotas de superficie de los supermercados versus centros comerciales (a la vista de los resultados de la H1) y la variable exógena de control es el PIB. Al trabajar con variables latentes no se presenta el problema de multicolinealidad. Los análisis factoriales correspondientes han separado las variables con correlaciones más bajas, y la matriz de transformación de los componentes nos presenta valores de: 0.51; 0,6 y 0,3 (no ha lugar para la hipótesis H2b que tiene una sola variable latente), por debajo de los límites de 0,7 exigidos por la estadística, y por lo tanto con FIV bastante bajos (1,36; 1,58 y 1,1). El primer ANCOVA opera con dos variables dependientes de Ventas: la dimensión de “ventas generales” (variable latente VG) y la variable “productividad de ventas” (VEm). El modelo es significativo: las bluelaws tienen efectos beneficiosos sobre la mejora de la productividad, en tanto que una mayor cuota de centros comerciales los tiene sobre las ventas generales. Resulta interesante observar cómo, con las comparaciones de pares DMS, la productividad por empleado es superior para una mayor regulación de horarios (Tabla 7). Tabla 7 RESULTADOS SOBRE LAS VENTAS DEL SECTOR DE LA DISTRIBUCIÓN Origen

Variable dependiente

Modelo corregido CONSTRUCTO VG VEm VEm PIB

CONSTRUCTO VG VEm

Suma de cuadrados tipo III

gl

Media cuadrática

F

Sig.

35,434 9593,010b 1501,660

4 4 1

8,858 2398,252 1501,660

13,816 42,885 26,852

0,000 0,000 0,000

11,392 3006,620

1 1

11,392 3006,620

17,768 53,763

0,000 0,000

74

francisco javier de la ballina ballina y rodolfo vázquez casielles

Origen

Variable dependiente

Suma de cuadrados tipo III

Media cuadrática

gl

F

Sig. 0,298

NSH

CONSTRUCTO VG

NCCH

CONSTRUCTO VG VEm

0,247

1

0,247

,004

0,947

FACTOR BL

CONSTRUCTO VG

0,140

1

0,140

,218

0,641

983,204

1

983,204

17,581

0,000

0,700

VEm

VEm

Variable dependiente

(I)MINIMO/MAS

MINIMO VENTAS dimension1 GENERALES MAS VENTAS X EMPLEADO

dimension1

MINIMO MAS

1

0,700

1,092

815,736

1

815,736

14,587

0,000

3,580

1

3,580

5,583

0,020

Diferencia de Error típ. medias (I-J)

(J) MINIMO/MAS

Sig.a

dimension2 MAS

-0,238

0,186

0,203

dimension2 MINIMO

0,238

0,186

0,203

dimension2 MAS

6,201*

1,967

0,002

dimension2 MINIMO

-6,201*

1,967

0,002

Por su parte, el segundo análisis ANCOVA estudia la hipótesis H2b con la única variable latente de “inversión general” (IG). El modelo es significativo: las bluelaws tienen una relación neutral; la inversión en el sector está relacionada por las cuotas de superficie de los supermercados o de los centros comerciales. Sin emwbargo, la relación indirecta es significativa (Tabla 8): la liberalización de los horarios atrae mayores niveles de inversión global.

Tabla 8 RESULTADOS SOBRE LA INVERSIÓN EN EL SECTOR DE LA DISTRIBUCIÓN COMERCIAL Origen Modelo corregido PIB NSH NCCH FACTOR BL

(I)MINIMO/MAS

Suma de cuadrados tipo III

gl

Media cuadrática

F

Sig.

31,147a 1,311 3,655 18,562 ,000

4 1 1 1 1

7,787 1,311 3,655 18,562 0,000

11,888 2,002 5,580 28,339 0,000

0,000 0,160 0,020 0,000 0,990

(J)MINIMO/MAS

Diferencia de medias (I-J)

Error típ.

Sig.a

MINIMO

dimension2

MAS

-0,584*

0,199

0,004

MAS

dimension2

MINIMO

0,584*

0,199

0,004

dimension1

75

El papel de las bluelaws en los modelos de evolución de los formatos comerciales

El tercer análisis ANCOVA opera con dos variables dependientes: el “número de empleados por habitantes” (NEmH) y la variable latente “empleo estructural” (constructo EE). El modelo sólo explica las variaciones en la variable latente: una mayor cuota de centros comerciales explica el mayor empleo estructural, sin observar efecto de las bluelaws. La relación es indirecta, con los datos de la Prueba Bonferroni (Tabla 9): las bluelaws más liberalizadoras presentan mejores datos de empleo neto. Tabla 9 RESULTADOS SOBRE EL EMPLEO EN EL SECTOR DE LA DISTRIBUCIÓN

Origen

Variable dependiente

Modelo corregido NEmH CONSTRUCTO EE

Suma de cuadrados tipo III

gl

Media cuadrática

F

Sig.

187,206a 9,885b

4 4

46,802 2,471

1,765 3,335

0,141 0,013

PIB

NEmH CONSTRUCTO EE

34,833 0,913

1 1

34,833 0,913

1,314 1,232

0,254 0,269

NSH

NEmH CONSTRUCTO EE

140,386 0,001

1 1

140,386 0,001

5,295 0,001

0,023 0,977

NCCH

NEmH CONSTRUCTO EE

83,729 1,860

1 1

83,729 1,860

3,158 2,510

0,078 0,046

FACTOR BL

NEmH CONSTRUCTO EE

82,007 1,449

1 1

82,007 1,449

3,093 1,955

0,081 0,165

Variable dependiente

(I)MINIMO/MAS

(J)MINIMO/MAS

Diferencia de Error típ. Sig.a medias (I-J)

EMPLEO MINIMO dimension2 dimension1 MAS dimension2 ESTRUCTURAL

MAS MINIMO

-0,502* 0,502*

0,189 0,189

0,009 0,009

EMPLEO X HABITANTES

MAS MINIMO

-1,386 1,386

1,045 1,045

0,187 0,187

dimension1

MINIMO dimension2 MAS dimension2

Finalmente, el cuarto análisis ANCOVA opera con dos variables dependientes: la dimensión “precios del hogar” (CONSTRUCTO IPHO) y el Índice de Precios en Vestido (IPV). El modelo es explicativo (Tabla 10) por el efecto de la covariable económica (PIB), nunca por las bluelaws, ni de forma directa ni indirecta. Tabla 10 RESULTADOS SOBRE LOS ÍNDICES DE PRECIOS Origen

Variable dependiente

Modelo corregido IPHO IPV

Suma de cuadrados gl Media cuadrática tipo III 61,003a 153,065b

4 4

15,251 38,266

F

Sig.

18,563 3,138

0,000 0,018

76

francisco javier de la ballina ballina y rodolfo vázquez casielles

Origen

Variable dependiente

PIB

IPHO IPV IPHO IPV IPHO IPV IPHO IPV

NSH NCCH FACTOR BL

Variable dependiente

47,201 94,676 0,085 0,859 0,079 4,733 7,680E-5 0,598

(I)MINIMO/MAS

IPC HOGAR

dimension1

IPC VESTIDO dimension1

Suma de cuadrados gl Media cuadrática tipo III 1 1 1 1 1 1 1 1

(J) MINIMO/MAS

47,201 94,676 0,085 0,859 0,079 4,733 7,680E-5 0,598

F

Sig.

57,451 7,764 ,104 ,070 ,097 ,388 0,000 0,049

0,000 0,006 0,748 0,791 0,757 0,535 0,992 0,825

Diferencia de Error típ. medias (I-J)

Sig.a

MINIMO dimension2 MAS

-0,332*

MAS

0,332*

0,130

0,011

MINIMO dimension2 MAS

0,041

0,513

0,937

MAS

-0,041

0,513

0,937

dimension2 MINIMO

dimension2 MINIMO

0,130

0,011

Los modelos ANCOVA utilizados permiten debatir las hipótesis de relaciones planteadas. En el caso de los índices de precios (H4) se rebate la misma, pero en las demás hipótesis se han verificado relaciones directas y/o indirectas de las bluelaws sobre la estructura y actividad del sector de la distribución comercial (Tabla 11). Tabla 11 RESUMEN DE EFECTOS ANALIZADOS EN CADA HIPÓTESIS Hipótesis

Grado de Regulación Covariables de Formatos Covariable de Comercial (BL) Comerciales (NSH y NCCH) Control (PIB)

H1: Cuota de Super/CC H2.1: Ventas

Si tiene1

H2.2: Inversión H3: Empleo H4: Precios

No tiene No tiene No tiene

1

Sí existe dependencia

Resultado

No tiene

Aceptación

Si tienen

Si tiene

Si tienen Si tienen No tienen

No tiene No tiene Si tiene

Aceptación parcial Aceptación Aceptación Rechazo

La relación es sólo con la productividad por empleado.

En definitiva, los aumentos de ventas son sólo consecuencia de las bondades de la economía. Las bluelaws y el desarrollo de los supermercados y/o centros comerciales determinan mejoras de productividad de ventas por empleado. El aumento en la inversión general en

El papel de las bluelaws en los modelos de evolución de los formatos comerciales

77

el sector es originado por los grandes formatos comerciales, sean los supermercados y/o los centros comerciales. No se pueden avalar los resultados de la literatura que indicaban que las bluelaws favorecen de forma directa los aumentos de las ventas y de la inversión en el sector de la distribución comercial. Este estudio concluye que las mejoras en el empleo son consecuencia del aumento de cuota de participación de los supermercados y/o de los centros comerciales. De nuevo, el efecto final es indirecto y no directo como se indica en la literatura. Además, estos resultados indican la ausencia de relación de las bluelaws con los índices de precios, tanto de forma directa como indirecta: el aumento de los supermercados no afecta a los índices de precios de la alimentación ni el incremento de los centros comerciales influye en los índices de precios de no alimentación. Todo el efecto explicativo se concentra en la evolución del PIB.

6. Conclusiones e implicaciones económicas y empresariales hasta el momento la literatura ha estudiado el efecto de la regulación comercial con una perspectiva directa y línea, tratando de establecer causalidad entre un determinado nivel de regulación y variables económicas y sectoriales de importancia, como la creación de empresas, el empleo, los precios. Sin embargo, lo relevante es que la regulación concreta de los horarios comerciales (bluelaws) altera el modelo general de asignación de tiempo por parte del consumidor. Que es una cuestión de importancia estratégica en la distribución comercial, y fuente de importantes innovaciones en formas comerciales. De tal forma que, la igualación de los horarios que proponen las bluelaws limita la búsqueda de ventajas competitivas por parte de los formatos y empresas comerciales, a la vez que genera conflictos competitivos absolutamente artificiales. La importancia de utilizar el modelo de tiempo de compra como elemento estratégico se explica, además, desde la perspectiva de los costes. Dado que, cada forma comercial o empresa concreta deberá buscar su propio punto de equilibrio entre las costumbres y preferencias de sus compradores y los costes que se derivan de un aumento, o disminución, en sus horarios de apertura. Y es que, no se trata de considerar sólo los efectos de abrir más días y/o más horas sino de saber elegir qué días y qué horas concretas interesan al comprador y a la estructura de los costes. La atención empresarial debe pasar de una demanda de mayor o menor horario a la búsqueda del equilibrio competitivo: cada negocio debe considerar la relación entre los mayores costes de apertura y la demanda real según las horas y días concretos. De hecho, se

78

francisco javier de la ballina ballina y rodolfo vázquez casielles

puede producir la paradoja de que disminuya el número de establecimientos que hacen uso de mayores horarios. En definitiva, la libertad de horarios constituye una importante oportunidad para proponer estrategias de tiempo de compra diferentes generando innovación comercial, competencia y eficiencia, más allá de las grandes variables macroeconómicas. En este contexto, la desregulación comercial, las bluelaws son las restricciones más visibles pero existen otras muchas como las segundas licencias, aparece como un factor externo que motiva cambios competitivos internos al sector. El cambio como algo continuo, a modo de un “efecto muelle”: los factores externos (como las bluelaws) motivan las innovaciones comerciales (como los centros comerciales) cuyo desarrollo origina cambios competitivos internos con los formatos existentes. En resumen, esta investigación apoya las teorías integradas de la distribución comercial para el caso de las bluelaws. Se trata de un modelo combinado que no opera de forma directa sobre el sector, el negocio, el empleo o los precios, sino que lo hace de forma indirecta: las bluelaws alteran las condiciones de competencia de las formas comerciales y éstas son las que originan los cambios finales. Además, el modelo defendido puede ser aceptado de forma global, dado que permite superar los problemas de los estudios en muy distintos países y economías, en la medida que hemos trabajado con distintas legislaciones nacionales, varias legislaciones regionales y un intervalo temporal amplio que permitiera detectar los cambios en las grandes variables económicas. Por todo ello, el modelo que se propone en este trabajo ayuda a moderar el debate de política económica sobre las bluelaws en España y en Europa, con la propuesta de un esquema de efectos indirectos: la liberalización de horarios favorece la innovación y la competencia comercial, lo que tendrá efectos finales sobre el sector y la economía.

Notas El término Blue Law se acuñó en los EE.UU. para referirse a las restricciones para poder comprar los domingos por razones religiosas. Sin embargo, la literatura ha asumido el concepto para referirse a cualquier tipo de norma legal limitativa de los horarios de apertura del sector de la distribución comercial. 2. La definición del periodo ha venido dada, en primer lugar, por contar con un año base (1999), por incorporar, además, el carácter transitorio del año 2000, cuando las CC.AA. de Madrid, Cataluña y la Comunidad Valenciana incrementaron en un día los domingos y festivos de apertura, y, finalmente, por trabajar con los años de efecto formal de las dos disposiciones legales indicadas (Sánchez, 2008). 3. Hoffmaister (2006) no estudia los efectos sobre los precios de la mayor libertad de horarios sino de la apertura de nuevas grandes superficies. No obstante, consideramos su cita por la gran relación entre ambas cuestiones y con el tema del trabajo. 4. Realmente se trata de normas generales de comercio interior, aunque el mayor énfasis de las mismas estaba en la cuestión de la regulación de días y de horarios de apertura permitidos. 5. Se ha exceptuado el caso del País Vasco donde, a pesar de estar permitida la apertura desde 2005, en la práctica nunca se han producido aperturas en domingos ni festivos. 1.

El papel de las bluelaws en los modelos de evolución de los formatos comerciales

79

6. Año-0 del RD 6/2000, dado que éste “suma” de uno en uno domingos y festivos de apertura a partir del año 2001. 7. Aunque el INE cambió el año base en el 2001, nosotros hemos trabajado con los indicadores regionales interanuales, y no respecto a un año base, por lo que no afecta a los resultados del estudio. 8. Prácticamente coincidía con el número de 8 domingos y festivos establecidos como mínimos por la Ley de ámbito nacional, con la excepción de Baleares que en el año 2003 sólo permitió 5 domingos y festivos de apertura. 9. Además, aunque el Factor ha resultado finalmente dicotómico, el trabajo ha considerado hasta tres niveles del mismo (desregulación mínima, media y alta). 10. Si bien lo ideal sería haber trabajado con los precios reales ello resulta casi imposible. Pero entendemos que la variación interanual en el índice de precios puede aceptarse como un buen indicador de un proceso de reducción de precios, como sería esperable con el aumento de la competencia.

Referencias Aranda, E.; Casares, J. y Martín, V. (2002), “Los horarios en distribución comercial”, Distribución y Consumo, Julio-Agosto, 19-33. Baker, R. (2002), “The impact of the deregulation of retail hours on shopping trip patterns in a mall hierarchy: an application of the RASTT model to the Sydney Project (1980-1988) and the global vacant shop problem”, Journal of Retailing and Consumer Services, 9, 155-171. Barnes, N.G. (1984), “New shopper profiles: Implications of sunday sales”, Journal of Small Business Management, July, 32-39. Banco Central Europeo (2011), “Structural features of the distributive trades sectors and their impact on euro and price developments”, Occasional Paper, 128. Bertrand, M. y Kramarz, F. (2002), “Does entry regulation hinder job creation?: Evidence from the French retail industry”, The Quaterly Journal of Economics, Nº 117, 1369-1413. Bhatnagar, A. y Ratchford, B.T. (2004), “A model of retail format competition for non-durable goods”, International Journal of Research in Marketing, Vol.21, Issue 1, 39-59. Brown, S. (1988), “The wheel of the wheel of retailing”. International Journal of Retailing 3.1: 16-37. Burda, M. y Weil, P. (2005), “Blue Laws”, Octubre. Mimeo. Burt, S. (2010), “Retailing in Europe: 20 years on”, The International Review of Retail, Distribution and Consumer Research, 20, 1, 9-27. Burke, J. (1995), “Issue of longer store hours riles Germany´s retailers”, The Christian Science Monitor, Vol. 87, Nº 129, 8. Caridad, J.M. y Ocerin, J.M.C. (1998), Econometría: Modelos econométricos y series temporales, Editorial Reverté, Barcelona. Catena, A.T. Ramos, M.M. y Trujillo, H.M. (2003), Análisis multivariado: un manual para investigadores, Biblioteca Nueva, Barcelona. Ciarreta, A.; Espinosa, M. y Martínez, M. (2009), “Entry regulations in the Spanish retail sector: effects on employment”, Mimeo. Cruz, I. y Medina, O. (1995), “Regulación de Horarios de Apertura: Implicaciones Económicas”, Información Comercial Española, Nº 739, 81-92.

80

francisco javier de la ballina ballina y rodolfo vázquez casielles

Desormeaux, R.; Nantel, J. y Ámese, F. (1998), “Les Heures d’affaires des supermarchés au Québec”, Québec National Assembly, Report 88-07 HEC. Elliot, D.S. y Levin, S.L. (1987), “Estimating the economic impact of repealing laws prohibiting sundays sales”, International Journal of Retailing, Vol. 2, Nº1, 31-43. Ferris, J.S. (1990), “Time, space and shopping: The regulation of shopping Hours”, Journal of Law, Economics and Organization, Vol. 6, 55-72. Filser, M. y Paché, G. (2008), “La dinamique des canaux de distribution: Approches theóriques et ruptures estratégiques, Revieu Française de Gestion, Nº182, 109-133. Filser, M. y McLaughin, E.W. (2013), “The impact of logistical criteria in the selection of SMEs by large food retailers -a case study in an emerging country”, Problems and Perspectives in Management, Vol. 11, Issue 1, 23-33. Freathy, P. y Sparks, L. (1995), “Flexibility, labour segmentation and retail superstores managers: the effects of sunday trading”, The International Review of Retail, Distribution and Consumer Research, Vol. 5, Nº 3, 361-385. Geiger, S. (2007), “Exploring night-time grocery shopping behavior”, Journal of Retailing and Consumer Services, 14, 24-34. Gist, R.R. (1968), Retailing: Concepts and decisions. New York: Wiley. Glorieux, I., Mestdag, I. y Minnen, J. (2008), “The coming of the 24-hour economy? Changing work schedules in Belgium between 1966 and 1999”, Time & Society, 17, 63-83. Goldman, A.; Ramaswami, S. y Krider, R.E. (2002), “Barriers to the advancement of modern food retail formats: Theory and measurement”, Journal of Retailing, Vol. 78, Issue 4, 281-295. Grunhagen, M. y Mittelstaedt, R.A. (2001), “The impact of store hours and redistributive income effects on the retail industry: some projections for Germany”, International Review of Retail, Distribution and Consumer Research, Vol 11, Nº 1, 49-62. Grunhagen, M., Grove, S.J. y Gentry, J.W. (2003), “The dynamics of store hour changes and consumption behavior”, European Journal of Marketing, Vol. 37, Nº 11/12, 1801-1817. Halk, K. y Trager, U. (1999), “Wiewirkt das neue Landeschlubgesetz auf den Einzelhandel?”, IFO Schnelldienst, 1-2, 7-13. Henisz, W.J. y Zelner, B.A. (2010), The Hidden Risks in Emerging Markets, Harvard Business Review, Vol. 8, Nº 4, pp.88-95. Hoffmaister, A.W. (2006), “Barriers to retail competition and prices: Evidence from Spain”, IMF Working Paper, WP/06/231. Howe, W.S.; Jurgens, U. yWerwy, H. (1998), “Comparative structure and development of retailing in the United Kingdom and Germany 1980-92”, International Review of Retail, Distribution and Consumer Research, Vol. 8, Nº 1, 79-99. Inderst, R.; Irmen, A. (2005), “Shopping hours and price competition”, European Economic Review, 49, 1105-1124.

El papel de las bluelaws en los modelos de evolución de los formatos comerciales

81

Ingene, C.A. (1986), “The Effect of blue laws on consumer expenditures at retail”, Journal of Macromarketing, Fall, 53-71. Izraeli, D. (1973), “The three wheels of retailing: a theoretical note.” European Journal of Marketing 7.1: 70-74. Jacobsen, J. y Kooreman, P. (2005), “Timing constraints and the allocation of time: The effects of changing hours regulations in The Netherlands”, European Economic Review, 49, 9-27. Kay, J.A. y Morris, C.N. (1987), “The Economic efficiency of sunday trading restrictions”, The Journal of Industrial Economics, Vol. XXXVI, December, 113-129. Kirby, D.A. (1992), “Employment in retailing: Unsociable hours and sunday trading”, The International Review of Retail, Distribution and Consumer Research, Vol. 20, Nº 7, 19-28. Kosfeld, M. (2002), “Why shops close again: An evolutionary perspective on the deregulation of shopping hours”, European Economic Review, 46, 51-72. Lambert, C.A. (1994), “Open all week: the case for Sunday hours”, Hardware Age, Vol. 231, June, 33-37. Markin, R. J., y Duncan. C.P. (1981), “The transformation of retailing institutions: Beyond the wheel of retailing and life cycle theories.” Journal of Macromarketing 1.1: 58-66. Matea, M. y Mora, J. (2011), “La estructura de la distribución comercial y su efecto sobre los precios en el área del euro y en España”, Boletín Económico del Banco de España. Nº 43, 41-56. Matea, M. y Mora, J. (2012), “Comercio minorista y regulación autonómica: Efectos en la densidad comercial, el empleo y la inflación”, Revista de Economía Aplicada. Nº 59, Vol. XX, 5-54. Moorhouse, J.C. (1984), “Is tullock correct about sunday closing laws”, Public Choice, Vol. 42, Nº 2, 197-203. Neutens, T.; Delafontaine, M.; Schwanen, T. y Van de Weghe, N. (2012), “The relationship between opening hours and accesibility of public service delivery”. Journal of Transport Geography, Vol. 25, Noviembre, 128-140. Nooteboom, B. (1982), “A new theory of retailing cost”, European Economic Review, Vol. 17, 163-186. Orea, L. (2008), “The effect of legal barriers to entry in the Spanish retail market: A local market analysis”, Economic Discussion Paper, EDP 01/2008, Universidad de Oviedo. Ramos, M.M.; Catena, A. y Trujillo, H.M. (2004), Manual de Métodos y Técnicas de Investigación en Ciencias del Comportamiento, Ed. Biblioteca Nueva, Madrid. Reddy, K. (2012), “Price effects of shopping hours regulations: Evidence from Germany”, Economic Affairs, February, 49-54. Reinartz, W.; Dellaert, B.; Krafft, M.; Kumar, V. y Varadajan, J, (2011), Retailing Innovations in a Globalizing Retail Market Environment, Journal of Retailing, Vol. 87, Sup. 1, Jully, S53-S66. Rouwendal, J. y Rietveld, P. (1998), “An Economic analysis of opening hours for shops”, Journal of Retailing and Consumer Services, Vol. 5, Nº 2, 119-128. Schivardi, F. y Viviano, E. (2008), “Entry barriers in retail trade”, CEPR Discussion Paper, Nº 6637.

82

francisco javier de la ballina ballina y rodolfo vázquez casielles

Sánchez, M. (coord.) (2008), Informe: Análisis del desempeño del comercio e impacto de la política comercial en España. D.G. de Política Comercial, S. de Estado de Turismo y Comercio, M. de Industria, Turismo y Comercio. Madrid. Skuterud, M. (2005), “The impact of sunday shopping on employment and hours of work in the retail industry: Evidence from Canada”, European Economic Review, Vol. 49, 1953-1978. Sorescu, A.; Frambach, R.T. y Singh, J. (2011), “Innovations in Retail Bussines Models, Journal of Retailing, Vol. 87, Sup. 1, S3-S16. Sugie, Y.; Zhang, J. y Fujiwara, A. (2003), “A weekend shopping activity participation model dependent on weekday shopping behavior”, Journal of Retailing and Consumer Services, 10, 335-343. Tanguay, G.A.; Vallee, L. y Lanoie, P. (1995), “Shopping hours and price levels in the retailing industry: A theoretical and empirical analysis”, Economic Inquiry, Vol. 33, July, 516-524. Vázquez, R. y Trespalacios, J. (2008), Estrategias de distribución comercial. Diseño del canal de distribución entre fabricantes y detallistas, Thomson-Paraninfo, Madrid. Viviano, E. (2008), “Entry regulations and labor market outcomes: evidences from the Italian retail trade sector”, Labour Economics, vol.15, 6, 1200-1222.

Abstract Literature on the bluelaws (regulation of retail schedules) is very wide and important, but the results are different and widely dispersed, and also it has worked with a sector-based perspective and an univariate methodology. It is necessary to study the deregulation of commercial schedules within a global model of change, than incorporates some external economic variables (PIB) and endogenous competitive variables (as the commercial surfaces quotas). Our model indicates that deregulation affects time as service strategies immediately to consumers offered by supermarkets and malls. The competition determines the changes in the trading structure, productivity and employment in the sector. In so far as the economy situation determines the variations in sales and prices. Keywords: Retailing Policy, Bluelaws; Competence. JEL Classification: M38, D30, C12.