Alfonso Vargas Sánchez

Universidad de Huelva

1.-INTRODUCCION

En esta comunicación presentamos los primeros resultados de una línea de investigación con la que se pretende poner a punto un sistema de vigilancia que permita llevar a cabo un seguimiento permanente del comportamiento y eficiencia de las empresas de crédito cooperativo en España.

Las características de este trabajo "piloto" son las siguientes:

• Se trata de un estudio estático, realizado con datos correspondientes al ejercicio de 1994. Esto contrasta, lógicamente, con el carácter dinámico y de actualización permanente que debe tener un sistema de alerta como el que se pretende poner en marcha, que haga posible la identificación de tendencias y cambios en el posicionamiento de las empresas observadas. Es por ello que insistimos en el carácter limitado de sus conclusiones, por referirse a la situación en un determinado momento del tiempo.

• El objeto de estudio son las Cajas Rurales españolas, como manifestación más relevante del cooperativismo de crédito en España (véase el cuadro siguiente).

Datos a 31-12-97, en millones de pesetas. Entre paréntesis los porcentajes sobre el total del sector.

Fuente: Elaboración propia con datos de Banca Cooperativa, nº 10, febrero 1998, pp. 26-27.

• La metodología utilizada tiene dos partes claramente diferenciadas, de conformidad con los objetivos que se persiguen. En primer lugar se realiza una taxonomía de este conjunto de empresas a través de la caracterización de su comportamiento, en base, primero, a un análisis factorial del tipo Análisis de Componentes Principales y, después, a una agrupación de las mismas a través de un Análisis Cluster jerárquico. Y en segundo lugar se acomete el estudio de la eficiencia relativa de estas unidades organizativas mediante la aplicación de la técnica de Análisis de Envolvimiento de Datos (Data Envelopment Analysis).

• La fuente de obtención de los datos necesarios en esta investigación ha sido el Anuario de las Cooperativas de Crédito y Cajas Rurales editado por la Unión Nacional de Cooperativas de Crédito (UNACC).

La matriz de datos inicial quedó conformada por las 81 Cajas Rurales censadas en el Anuario de la UNACC y por las 18 variables que fueron seleccionadas para caracterizar su comportamiento, atendiendo a la información disponible (sobre todo, aunque no exclusivamente, de tipo económico-financiero) y a otros estudios similares sobre entidades financieras.

Dichas variables, agrupadas en cinco categorías, son las siguientes:

Apoyándonos en el software SPSS, las estadísticas iniciales resultaron ser las siguientes:

En consecuencia, se decidió operar con seis factores (componentes principales), que permiten acometer la reducción de datos sin una pérdida significativa de información, pues representan en conjunto casi el 82 por ciento de la varianza total y todos ellos tienen un autovalor superior a 1. De esta forma, las comunalidades quedaron como sigue (estadísticas finales):

V: Variable; C: Comunalidad

La rotación Varimax hizo posible una interpretación más clara de los factores a partir de la matriz factorial rotada, vinculando cada uno de ellos con aquellas variables con las que mostraban mayor correlación. En consecuencia, los factores encontrados fueron configurados y denotados de la siguiente forma:

(*) Entre paréntesis los coeficientes (cargas factoriales) de la matriz factorial rotada.

Sobre la matriz de puntuaciones factoriales, con la que concluye la fase anterior, aplicamos un análisis de conglomerados de tipo jerárquico en el que se tomó como medida de disimilitud la distancia euclídea al cuadrado y como criterio de agrupación el del vecino más lejano. El dendrograma correspondiente nos permitió identificar los siguientes grupos, a modo de diferentes arquetipos de comportamiento en este conjunto de empresas, significados a través de su respectiva vinculación con uno o más factores:

(*) El signo entre paréntesis expresa el sentido, positivo o negativo, de la vinculación con el respectivo factor.

(**) Son producto de la desagregación del inicial grupo nº 3, al cual, dada su amplitud y heterogeneidad, resultó imposible atribuirle unas pautas de comportamiento suficientemente representativas del conjunto.

Para contrastar la idoneidad de la agrupación efectuada se procedió a realizar un Análisis Discriminante, cuyos resultados más destacados reproducimos en la siguiente tabla, expresiva de las funciones discriminantes canónicas.

Además, el porcentaje de casos correctamente clasificados fue del 95’06%, lo que ratifica la idoneidad de la estructura de conglomerados propuesta más arriba.

El estudio de la eficiencia relativa en este conjunto de empresas se ha realizado mediante la aplicación de la técnica conocida como Análisis de Envolvimiento de Datos, en adelante DEA, desarrollada por Charnes, Cooper y Rhodes.

Se trata de un análisis no paramétrico que requiere la identificación de los inputs y outputs en base a los cuales se va a efectuar la medición de la eficiencia relativa de las Cajas Rurales españolas. En concreto, se han seleccionrado como inputs los factores productivos principales, capital y trabajo, medidos a través del capital aportado por los socios (suscrito) y el número de trabajadores o censo laboral de la empresa, respectivamente. En cuanto a los outputs, se han considerado tres: el volumen de depósitos ("débitos a clientes"), el montante de la inversión crediticia ("créditos sobre clientes") y el resultados del ejercicio (beneficios después de impuestos o pérdidas).

Esta técnica se resuelve mediante programas lineales, uno para cada empresa, con una función objetivo a maximizar (si se trata de los outputs) o a minimizar (si se trabaja con los inputs), tantas variables como inputs y outputs se consideren, y tantas restricciones como el número de empresas más uno. Por tanto, si estamos trabajando con un colectivo de 81 empresas, 2 inputs y 3 outputs, tendríamos que resolver 81 programas lineales, cada uno de ellos con 82 restricciones a satisfacer y 5 variables.

El software disponible para resolver estos casos de programación lineal, el conocido programa Quantitative Business Systems (Q.B.S.), trabaja con un máximo de 40 restricciones, lo que nos limita a 39 el número de casos a tratar. Por ello, nos vimos obligados a extraer una muestra del universo nacional de Cajas Rurales, y lo hicimos respetando la proporcionalidad en la distribución de las mismas entre los trece grupos resultantes del análisis cluster, seleccionando aquéllas que respondían más fielmente al arquetipo de comportamiento asociado a cada grupo. Además, el número de 39 resulta ser más que suficiente, si tenemos en cuenta que para que DEA tenga poder discriminatorio es necesario que el tamaño de la muestra sea bastante superior al número total de inputs y outputs utilizados. Así, autores como Mahgary y Lahdelma sugieren que dicho número sea, al menos, tres veces la suma de inputs y outputs, lo que exigiría en nuestro caso una muestra mayor o igual a 15.

Los resultados obtenidos se sintetizan en la tabla siguiente (en el cuadro que figura como anexo puede obtenerse información más detallada). Repárese en que la unidad representa la máxima eficiencia relativa, la situación óptima en el contexto del conjunto de empresas analizadas. En consecuencia, por ejemplo, si la eficiencia relativa de una determinada Caja Rural resulta ser de 0'75, esto denota que dicha empresa, si funcionara eficientemente, podría alcanzar su nivel de actividad con sólo un 75 por ciento de los recursos que emplea en la actualidad. O sea, que su ineficiencia relativa sería de un 25 por ciento.

De la primera parte del trabajo cabe destacar la identificación de trece grupos homogéneos de Cajas Rurales en base a seis claves de comportamiento o factores:

• Vinculado al factor 1 (crecimiento-innovación) se encuentra el grupo 12, integrado por una sola empresa.

• Con un perfil de banca minorista, factor 2, encontramos ocho empresas, siete del grupo 3.1 y una del grupo 7, teniendo en cuenta que esta última forma un grupo aparte debido a su acusado déficit de eficiencia. Esta situación contrasta con la del grupo 4 (ocho Cajas Rurales), cuyo perfil es claramente contrapuesto al de una actividad de negocio minorista.

• El comportamiento del grupo 8 (dos empresas) viene marcado unívocamente por un criterio de eficiencia (factor 3), en contraste con el grupo 3.2, catorce empresas, en las que ocurre prácticamente lo contrario.

• Con un perfil de banca de inversiones, factor 4, encontramos trece empresas, doce del grupo 5 y una del grupo 6; esta última destaca también por sus bajos niveles de eficiencia, de ahí que forme un grupo aparte.

• Los grupos 2 y 9 (diez y una empresas, respectivamente) están asociados al factor 5, rentabilidad, si bien esta última queda caracterizada también por un perfil opuesto al de una actividad de banca minorista y un destacado nivel de eficiencia. En sentido opuesto está el grupo 1, el más numeroso de todos (dieciocho Cajas Rurales).

• Finalmente, ligados al factor 6, expansión, están los grupos 10 (cinco empresas) y 11 (una); este último se justifica por contar con un perfil contrario al de una banca de inversiones.

De los coeficientes de las funciones discriminantes se infiere, teniendo en cuenta que la primera de ellas es la que representa un mayor porcentaje de la varianza total (54’55), que el factor nº 1 (innovación-crecimiento) es el que más diferencia unas empresas de otras. La tabla siguiente recoge los coeficientes de dicha función.

-ANALISIS DISCRIMINANTE:

*Idoneidad de la estructura de conglomerados (95'06% de los casos correctamente clasificados).

*El factor innovación-crecimiento es el que más diferencia unas empresas de otras (54'55% de la varianza).

-DEA: CONCLUSIONES CONCORDANTES.

(a) +Eficiencia Relativa (1, 0'83) , +Factor Eficiencia.

(b) -Eficiencia Relativa (0'39), -Factor Eficiencia.

(c) +Eficiencia Relativa (0'83): +rentabilidad y apalancamiento financiero.

(d) +Crecimiento, -Eficiencia Relativa (0'34).

En cuanto a la segunda parte de este trabajo, la referida al estudio de la eficiencia, los resultados muestran ciertas conclusiones concordantes con la taxonomía anterior, ya que los grupos con mayor eficiencia relativa (8 y 9) son precisamente los que definen su comportamiento a través del factor 3 (eficiencia). Del mismo modo, pero a la inversa, uno de los grupos de menor eficiencia relativa, el 3.2, precisamente destaca por un perfil opuesto al del grupo 8.

También merece ser destacada:

•  la posición del grupo 2, que ha permitido a estas empresas alcanzar altos niveles de eficiencia relativa a través de un comportamiento guiado por la búsqueda de la rentabilidad y el apalancamiento financiero;

• las Cajas Rurales menos eficientes (grupos 12 y 11) son aquellas que han destacado por su nivel de crecimiento. Podemos decir, por tanto, que el crecimiento les ha conducido a una situación relativa de menor eficiencia.

CESPEDES LORENTE, J.J.; SANCHEZ PEREZ, M. Tendencias y desarrollos recientes en métodos de investigación y análisis de datos en dirección de empresas. Revista Europea de Dirección y Economía de la Empresa, vol. 5, nº 3, 1996, pp. 23-40.

DAMAS RICO, E.; ROMERO LOPEZ, C. Análisis no paramétrico de la eficiencia relativa de las almazaras cooperativas en la provincia de Jaén durante el período 1975-1993. Economía Agraria, nº 180, Mayo-Agosto 1997, pp. 279-304.

FERNANDEZ IZQUIERDO, M.A.; MARCO GUAL, M.A.; MOYA CLEMENTE, I. Propuesta metodológica de agrupación homogénea de empresas: aplicación a las cooperativas de crédito. Revista Europea de Dirección y Economía de la Empresa, vol. 4, nº 3, 1995, pp. 11-17.

GARCIA FALCON, J.M.; RODRIGUEZ DIAZ, M. Identificación de los grupos estratégicos en función de las variables del "retailing-mix": aplicación al sector del comercio textil. En: La reconstrucción de la empresa en el nuevo orden económico. Hernández Mogollón, R.M. (Ed.). Cáceres, 1994, pp. 578-598.

GRAVALOS GASTAMINZA, M.A.; POMARES HERNANDEZ, I. Identification of strategic factors of profitability in the Andalusian rural savings banks. 38th Congress of the European Regional Science Association. Viena (Austria), Agosto 1998.

HAAG, S.E.; JASKA, P.V. Interpreting Inefficiency Ratings: An application of Bank Branch Operating Efficiencies. Managerial and Decision Economics, vol. 16, 1995.

IGLESIAS ARGUELLES, V. Tipos de variables y metodología a emplear en la identificación de grupos estratégicos. Una aplicación empírica al sector detallista. Revista Europea de Dirección y Economía de la Empresa, vol. 3, nº 3, 1994, pp. 73-84.

LAND, K.C.; KNOX, C.A. Chance-constrained Data Envelopment Analysis. Managerial and Decision Economics, vol. 14, 1993.

MARTINEZ VILCHES, R. Grupos estratégicos en el sector de Cajas de Ahorro españolas. Tesis Doctoral. Universidad Complutense de Madrid. Madrid, 1991.

MAS RUIZ, F.J.; GOMEZ SALA, J.C. Identificación de grupos estratégicos en las Cajas de Ahorros españolas. Revista Europea de Dirección y Economía de la Empresa, vol. 1, nº 3, 1992, pp. 9-26.

REGER, R.K.; HUFF, A.S. Strategic Groups: A cognitive perspective. Arizona State University, Tempe, Arizona, 1990.

SUEYOSHI, T.; HASEBE, T.; ITO, F.; SAKAI, J.; OZAWA, W. Dea-Bilateral Performance Comparism. An Application to Japan Agricultural Cooperatives. Omega-International Journal of Management Science, vol. 26, iss. 2, 1998, pp. 233-248.

VARGAS SANCHEZ, A. El cooperativismo de crédito: hacia un modelo de organización excelente. IV Congreso Internacional de AEDEM. Sofia (Bulgaria), Septiembre 1995.

VARGAS SANCHEZ, A. Las cooperativas de crédito españolas. Una aproximación empírica a algunos aspectos de su gestión. CIRIEC-España, nº 21, Diciembre 1995, pp. 7-20.

Direcciones de Internet (sobre DEA): mat.gsia.cmu.edu/mstc/dea/dea.html

www.emp.pdx.edu/dea/homedea.htm