márgenes y ciclo en la industria manufacturera española
TRANSCRIPT
Márgenes y ciclo en la industriamanufacturera española
María OrozBanco de España
Tesina CEMFI No. 0205Febrero 2002
Revisada Marzo 2002
Este trabajo constituye una versión revisada de la tesina presentada al completarel Programa de estudios de Postgrado 1999-2001 del Centro de Estudios Moneta-rios y Financieros. Agradezco a Julio Segura su excelente supervisión y la ayudaprestada, así como sus valiosas sugerencias. También me he beneficiado de loscomentarios de Manuel Arellano y Javier Suárez. Finalmente, quiero agradecer ala Fundación Empresa Pública la cesión de los datos necesarios para la elaboraciónde este trabajo. (E-mail: [email protected]).
CEMFI, Casado del Alisal 5, 28014 Madrid, Spain.www.cemfi.es
Resumen
El objetivo de este trabajo consiste en analizar las características del mar-gen precio-coste marginal en la industria manufacturera española durante laúltima década y establecer si existe algún tipo de pauta cíclica en los mis-mos. A partir del marco propuesto por Hall (1988), se presenta un modeloque permite estudiar de manera conjunta el margen precio-coste marginal,el grado de economías de escala y la medición del progreso técnico. Median-te la utilización de un panel de empresas, se encuentra evidencia acerca dela existencia de poder de mercado en la industria de manufacturas. Medi-das de concentración y de cuota del mercado atendido por la empresa sonimportantes para explicar los márgenes. Asimismo, se observa que el mar-gen precio-coste marginal varía a lo largo del tiempo, y lo hace de formaprocíclica. Finalmente, se encuentra que la industria de manufacturas secaracteriza por unas importantes externalidades de sector y una tecnologíade producción con rendimientos decrecientes a escala.
1 Introducción
Tanto desde la perspectiva del análisis macroeconómico como desde el punto
de vista de la organización industrial, definir la estructura de mercado y la
existencia o no de rendimientos a escala es un elemento central a la hora de
determinar las implicaciones de distintas perturbaciones económicas.
Los márgenes empresariales ofrecen una importante información acerca
del funcionamiento de la economía. De hecho, los movimientos en los mismos
reflejan un componente fundamental de los cambios en los precios. Es por
esto que el comportamiento de los márgenes a lo largo del ciclo resulta básico
para quien esté interesado en la conducta de los precios en el corto o medio
plazo.
Por otra parte, existe una serie de modelos macroeconómicos que en-
cuentran en la evolución anticíclica del margen una sencilla explicación del
mecanismo de transmisión, por el cual cambios en la demanda se traducen
en movimientos procíclicos del empleo en ausencia de rigideces nominales: si
ante un shock positivo de demanda el margen se reduce, la curva de demanda
de trabajo se expandirá, lo cual hará posible un aumento en la producción y
en el empleo coincidente con un incremento en los salarios reales.
La literatura teórica existente sobre este tema no es, sin embargo, con-
cluyente. Rotemberg y Saloner (1986) examinan comportamientos colusivos
en mercados oligopolistas, en los cuales se obtienen beneficios superiores a los
de competencia perfecta por la amenaza de reversión a un comportamien-
to competitivo en caso de que una empresa no coopere. Esta amenaza es
suficiente para inducir la cooperación de todas las empresas operantes en el
1
mercado. La colusión implícita se vuelve más complicada en períodos de de-
manda alta, ya que el beneficio derivado de un comportamiento oportunista
mediante la disminución de precios es mayor. Es por esto que Rotemberg y
Saloner sostienen la existencia de guerras de precios en momentos de deman-
da alta, por lo cual predicen márgenes anticíclicos.
Por el contrario, Green y Porter (1984) entienden que las guerras de pre-
cios se producirán en períodos de demanda baja, debido a que los empresarios
pueden no distinguir el menor precio que prevalece en equilibrio con desvia-
ciones del comportamiento colusivo por parte de sus competidores, por lo
que anticipan márgenes procíclicos.
El objetivo de este trabajo consiste en analizar las características de los
márgenes precio-coste marginal en la industria manufacturera española du-
rante la última década y, en la medida de lo posible, establecer si existe algún
tipo de pauta cíclica en los mismos.
El período de análisis de este trabajo es el comprendido entre los años
1990 y 1999. Pese a que pueda parecer corto, abarca en nuestro país un
ciclo económico completo: los años finales de la fuerte expansión (1990-91),
la recesión que comenzó en 1992 y que se prolongó durante dos años, y la
recuperación y posterior expansión desde 1995. Así pues, es factible intentar
estudiar el paralelismo entre la evolución de los márgenes en la industria de
manufacturas y el ciclo económico.
El comportamiento cíclico de los márgenes ha sido objeto de diversos es-
tudios. Trabajos previos sobre la economía española encuentran con mayor
frecuencia que los márgenes son procíclicos. Fariñas y Huergo (1998) esti-
man los márgenes a partir de ecuaciones de Euler derivadas del problema de
2
optimización de la empresa, bajo el supuesto de que el input trabajo genera
costes de ajuste, obteniendo evidencia de que los márgenes precio-coste son
claramente procíclicos.
López-Salido y Velilla (1997), siguiendo las contribuciones de Rotemberg
y Woodford (1991), encuentran evidencia sobre un relación positiva entre los
márgenes y cambios en la demanda a lo largo del tiempo.
Por otra parte, Haskel, Martin y Small (1995) y Small (1997) realizan
estudios similares sobre la economía británica, utilizando el mismo méto-
do que se va a seguir aquí, y llegando igualmente a la conclusión sobre la
prociclicidad de los márgenes.
Esta investigación utiliza datos de la Encuesta sobre Estrategias Em-
presariales (ESEE), los cuales permiten un análisis muy desagregado de la
actividad de las empresas manufactureras españolas, pudiendo así estudiar
heterogeneidades en el poder de mercado en distintos sectores.
La estructura del resto del trabajo es la siguiente. En la sección 2 se
recogen los fundamentos teóricos que permiten la medición del margen precio-
coste marginal. La sección 3 se ocupa de la descripción de las variables y
su evolución en el período considerado. En la sección 4 se apunta el método
de estimación utilizado. La sección 5 presenta los resultados econométricos.
En la sección 6 se reúnen los resultados de distintos trabajos anteriores y se
establecen comparaciones entre ellos y el presente estudio. Finalmente, la
sección 7 resume las principales conclusiones.
3
2 Fundamentos Teóricos
Dado que el objetivo principal de este trabajo es estudiar las características
cíclicas del margen, lo que parece más inmediato sería plantear una regre-
sión del margen precio-coste marginal sobre una variable cíclica y algún otro
conjunto de variables que se consideraran relevantes, como pudieran ser la
cuota de mercado o la concentración.
El problema es que el margen precio-coste marginal es inobservable. Ante
esto, muchos trabajos han optado por la solución de sustituir el coste mar-
ginal por el coste medio y por tanto el margen por alguna medida de rentabi-
lidad de la empresa. Aquí sin embargo, se utilizará el enfoque propuesto por
Hall (1988), según el cual los márgenes se modelizan usando una ecuación
para el residuo de Solow.
La ventaja de este procedimiento radica en que en lugar de plantear la
maximización de beneficios estimando una función de demanda, lo que se
hace es observar directamente los cambios en los costes, sin hacer ningún
supuesto acerca de los parámetros determinantes de la función de costes.
La base del método es la medición del coste marginal como la variación
en el coste debido a incrementos o disminuciones de la producción de un
período a otro. De hecho, la comparación entre los movimientos de los fac-
tores productivos y del producto son el fundamento del cálculo. Es por esto
que este sistema está estrechamente ligado al cálculo del crecimiento de la
productividad.
En general, se supone una empresa dedicada a la fabricación del producto,
Y, a partir de tres factores productivos: trabajo (N), capital (K) y materiales
4
(M). Si se define z como el coste marginal, entonces una buena medida del
mismo será:
z =wN∆N + wK∆K + wM∆M
∆Y − θY(1)
donde wN , wK, y wM indica el precio del factor trabajo, capital y materiales,
respectivamente, y θ representa el progreso técnico.
El único elemento de aproximación que se utiliza aquí es la introducción de
incrementos en lugar de derivadas. El denominador recoge el crecimiento de
la producción únicamente atribuible a aumentos en las cantidades utilizadas
de los factores productivos.
Hall realiza inicialmente su desarrollo bajo los supuestos de rendimien-
tos constantes a escala y competencia perfecta. Dado que aquí se pretende
estudiar la evolución de los márgenes empresariales, se asumirá que los mer-
cados son imperfectos y que, por tanto, el precio se desvía del coste marginal.
En cuanto a los rendimientos a escala, no se impondrá inicialmente ninguna
restricción, de forma que la estimación del modelo ofrecerá evidencia de su
existencia o no.
Operando en (1):
∆YY= θ + wNN
zY∆NN+ wKK
zY∆KK+ wMM
zY∆MM⇔
∆YY− ∆K
K= θ + wNN
zY
³∆NN− ∆K
K
´+ wMM
zY
³∆MM− ∆K
K
´+
+ wNNzY
∆KK+ wKK
zY∆KK+ wMM
zY∆KK− ∆K
K=
= θ + wNNzY
³∆NN− ∆K
K
´+ wMM
zY
³∆MM− ∆K
K
´+
+µwNN + wKK + wMM
zY− 1
¶∆KK
5
El margen precio-coste marginal se define como µ =p
z. Para permitir una
mayor flexibilidad, se introduce la posibilidad de que existan economías de
escala en la producción: γ =wNN + wKK + wMM
zYindica la existencia o no
de rendimientos a escala, de tal forma que γ > (<, =) 1 reflejará rendimientos
crecientes (decrecientes, constantes) a escala (ver Apéndice 1). Expresando
la anterior ecuación en función de estos parámetros queda:
∆y = θ + µαN∆n+ µαM∆m+ (γ − 1)∆k (2)
donde αJ =wJ J
PYrepresenta la participación del factor J sobre el valor de
la producción, y las variables en minúsculas se definen a continuación:
∆y ≡ ∆ ln(Y/K), ∆n ≡ ∆ ln(N/K), ∆m ≡ ∆ ln(M/K), ∆k ≡ ∆ ln(K)
A partir de este marco teórico, podemos plantear la estimación del si-
guiente modelo:
∆ yit = θit + µit(αNit∆nit + αMit∆mit) + β∆ kit + vit (3)
donde β = γ − 1.Siendo el objetivo de este trabajo intentar explicar el comportamiento
de los márgenes, se requiere una estructura para los mismos. En línea con
el paradigma ”estructura-conducta-resultados” y de acuerdo a regularidades
empíricas observadas sobre el comportamiento del margen, se modeliza de la
siguiente manera:
µit = µ0 + µ1CY Cit + µ2CRit + µ3CY CitCRit + µ4SHit (4)
6
El subíndice t indica tiempo y el subíndice i, empresa. La variable CY C
recoge el comportamiento cíclico de la demanda, mientras que CR hace refe-
rencia al grado de concentración del sector en que opera la empresa. Fi-
nalmente, SH indica la cuota de mercado. Así, se permite que el margen
precio-coste marginal incluya un efecto fijo y unos efectos variables a lo largo
del tiempo según sea el momento del ciclo, la concentración del sector o la
cuota de mercado en cada momento.
El signo del parámetro µ1 ofrecerá evidencia sobre comportamiento cíclico
del margen y permitirá reconciliar los resultados que se obtengan con la
explicación teórica correspondiente: si es positivo, el margen será procíclico,
tal y como sostienen Green y Porter (1984), mientras que si es menor que
cero, será anticíclico, siguiendo lo expuesto por Rotemberg y Saloner (1986).
Teniendo en cuenta los resultados clásicos de los estudios interindustriales
acerca de la existencia de una correlación positiva entre medidas de beneficio
y cuota de mercado y concentración, se espera que las estimaciones de µ2 y
µ4 resulten ser positivas.
La introducción de la variable interacción de ciclo y concentración per-
mitirá reforzar la opinión sobre la explicación teórica que yace debajo de los
resultados. En el modelo de Green y Porter (1984), el determinante de una
guerra de precios es la dificultad de distinguir entre una contracción de la
demanda y el comportamiento oportunista de algún competidor. En este
sentido, en un mercado muy concentrado es más sencillo diferenciar estas
dos situaciones, lo que implicaría un menor efecto del ciclo en este tipo de
mercados, y por tanto µ3 sería negativo. Sin embargo, si se encuentra que µ3
es mayor que cero, este resultado apoyaría la teoría de Rotemberg y Saloner
7
(1986): cuanto más concentrado esté un mercado, más fácil será la colusión,
y más complicado que el ciclo la rompa.
Sustituyendo (4) en (3) se obtiene:
∆ yit = θit + µ0(αNit∆nit + αMit∆mit)+
+µ1 [CY Cit(αNit∆nit + αMit∆mit)] +
+µ2 [CRit(αNit∆nit + αMit∆mit)]+
+µ3 [CY CitCRit(αNit∆nit + αMit∆mit)] +
+µ4 [SHit(αNit∆nit + αMit∆mit)] + β∆ kit + ξit
(5)
Finalmente, hay que explicitar una forma funcional que describa el com-
portamiento del progreso tecnológico, ya que éste tampoco es directamente
observable. Siguiendo las aportaciones de Caballero y Lyons (1990), se con-
sidera que la productividad total de los factores evoluciona como consecuencia
de un conjunto de efectos externos tanto de sector (indicado por el subíndice
s) como de industria, que se recogerán a través de un índice de producción
de los niveles de agregación superiores de la empresa:
θist = θ0s + θ1∆yt + θ2∆yst (6)
En la anterior expresión, ∆y recoge el crecimiento de la producción de la
industria manufacturera, mientras que ∆ys indica el crecimiento de la pro-
ducción del sector s. En un principio, se permite que la constante sea distinta
según el sector, hipótesis que se contrastará más adelante a través de un con-
traste de Wald.
8
Definiendo ∆xit ≡ αNit∆nit + αMit∆mit como medida del uso de de los
factores productivos trabajo y otros materiales, e introduciendo (6), puede
formularse (5) como:
∆ yist = θ0s + θ1∆yt + θ2∆yst + µ0∆xit + µ1 [CY Cit∆xit] +
+µ2 [CRit∆xit] + µ3 [CY CitCRit∆xit] +
+µ4 [SHit∆xit] + β∆ kit + ξit
(7)
Tal y como se anticipaba, mediante la estimación de (7), podremos tam-
bién obtener evidencia acerca de la existencia de economías de escala en la
industria manufacturera española: si el coeficiente β resulta ser significa-
tivamente positivo (negativo), será sintomático de rendimientos crecientes
(decrecientes) a escala. Por último, si no se puede rechazar la hipótesis nula
de igualdad a cero, se concluirá que la producción en la industria considerada
se realiza con una tecnología caracterizada por rendimientos constantes.
3 Origen y Descripción de los Datos
Los datos utilizados en este estudio proceden de la Encuesta sobre Estrategias
Empresariales (ESEE). La ESEE es una encuesta sobre la actividad de las
empresas manufactureras españolas patrocinada por el Ministerio de Indus-
tria y Energía. El Programa de Investigaciones Económicas de la Fundación
Empresa Pública diseñó la ESEE a lo largo de 1990 y se ha encargado de su
realización desde entonces.
9
La ESEE contiene una muestra aleatoria del 4% de las empresas con
empleo comprendido entre 10 y 200 trabajadores y un 70% de las empresas
que emplean a más de 200, lo cual supone un total de unas 2000 empresas.
Se trata de una encuesta de panel con carácter anual que se repite en cada
período a las mismas empresas, añadiendo una cuota para dar entrada a las
empresas de nueva creación. Este hecho, unido a la salida de empresas de la
muestra, hace de los datos disponibles un panel no equilibrado.
Como ya se ha comentado en la introducción, el horizonte temporal con-
siderado abarca un ciclo económico completo, esto es, se observa una vez la
fase recesiva y una vez la fase expansiva. La utilización de datos de panel
permite que se lleve a cabo el análisis cíclico, ya que en realidad se dispone
de una gran cantidad de observaciones, al contar con la reacción de cada una
de las empresas ante un momento bajo o alto del ciclo económico.
El gráfico 1 resume la evolución del margen bruto de explotación en la
muestra de empresas considerada en el análisis. Los valores medios del in-
dicador del ciclo también se incluyen en el gráfico. En este trabajo se ha
utilizado como variable de ciclo el índice de demanda: en la ESEE, cada
empresa identifica el comportamiento de la demanda de mercado para sus
productos principales durante el año de acuerdo a tres categorías diferentes:
expansión (1), estabilidad (0,5) o recesión (0). El índice de demanda se cons-
truye ponderando los valores de todos los mercados definidos por la empresa.
De acuerdo con este indicador, se desprende que los márgenes de beneficio
de las empresas siguen de cerca los movimientos agregados de demanda,
exhibiendo un marcado comportamiento procíclico. Desde el inicio de la
década, los márgenes van decayendo hasta que, a partir de 1994, comienza
10
su recuperación, reflejando el comportamiento de la economía. La muestra
de empresas utilizada describe el ciclo de forma prácticamente coincidente
con la evolución de la producción y la ocupación manufacturera ofrecida por
el INE (ver Tabla 1 y Tabla 2).
Existe alguna heterogeneidad en el ciclo entre distintos sectores. El grá-
fico 2 recoge dos diferencias importantes que surgen de la observación de la
media del indicador de ciclo definido por las empresas. Por una parte, cabe
destacar que la magnitud de las fluctuaciones cíclicas varía entre sectores.
Por otra parte, se observa que el año de menor demanda durante el período
considerado no coincide en todos los sectores: en algunos es el año 1992,
mientras que en otros lo es 1993. Parece que los sectores con mayor sensibi-
lidad a la demanda son los que más tarde alcanzan el punto más bajo de la
recesión.
En cuanto a la evolución de precios y costes, se observa que todos ellos
siguen un marcado patrón anticíclico, siendo mayores las fluctuaciones en los
costes que en los precios, lo que señala una traslación imperfecta de costes a
precios y que finalmente redunda en un margen bruto de explotación (defini-
ción en Apéndice 2) positivamente correlacionado con el ciclo (ver Tabla 3).
4 Procedimiento Econométrico
La estimación del modelo se lleva a cabo utilizando variables instrumentales
mediante la aplicación del Método Generalizado de Momentos (GMM) de
Arellano y Bond (1988, 1991).
Un problema fundamental que se encuentra a la hora de abordar la esti-
11
mación de (7) es el del posible error de medida en las variables. Por ejemplo,
podría darse un aumento en la producción causado por un incremento en las
horas trabajadas y en el esfuerzo aportado, pero éste es inobservable. La
ecuación (7) calcularía en este caso el margen basado en el aumento de la
producción derivado únicamente del incremento en las horas trabajadas, lo
cual sobreestimaría el margen, ya que estaría omitiendo el aumento en el es-
fuerzo. El tamaño del sesgo depende de la correlación del input inobservado
con el empleo, correlación que no puede ser determinada. Las estimaciones
del margen a partir de (7) serían aceptables si estos cambios no observa-
dos son pequeños en relación a los cambios en el empleo y si el parámetro
tecnológico recogiera parte de estos efectos.
En la ESEE, están disponibles distintas variables que miden el factor de
producción trabajo. Aquí se ha utilizado el númeromedio de trabajadores du-
rante el año, aunque también se realizaron estimaciones empleando el número
de horas trabajadas, por pensarse que podría mitigar el problema anterior-
mente mencionado. Sin embargo, lejos de mejorar los resultados, esta variable
los empeoraba ligeramente, por lo que finalmente se optó por introducir el
número de trabajadores.
También existe un error de medida latente cuando se usan variables de
capital, ya que no existe una magnitud directamente observable que la recoja
de forma precisa. En este trabajo, se utiliza una medida de capital construida
de forma rigurosa a partir de los datos de la ESEE (mayor detalle en Apéndice
2), pero de cualquier forma, hay que admitir la posibilidad de que la medición
esté sujeta a error.
Así, si consideramos la ecuación a estimar (7), que de forma compacta
12
sería:
∆yi =W∗0i δ + ξi
donde δ es el vector de parámetros a estimar y W ∗i es el conjunto de ”ver-
daderas” variables explicativas, las cuales sólo pueden ser observadas con
error:
Wi =W∗i + ζi
con ζi ruido blanco, entonces, se tendría:
∆yi =W0iδ + (ξi − δζ i)
Por tanto, el término de error estaría integrado por dos componentes: un
error de medida en los regresores y un ”verdadero” elemento de perturbación
aleatoria.
Suponiendo que todas las variables inobservables W ∗i , ξi y ζ i son mu-
tuamente independientes con matrices de varianzas y covarianzas Ω?,Ωε y
Ωζ respectivamente, δ vendrá dado por el coeficiente de regresión de∆yi sobre
W ∗i en la población:
δ = [E (W ∗i W
∗0i )]
−1E (W ∗
i ∆yi) = Ω−1? E (W∗i ∆yi)
pero dado queW ∗i no es observable, no se puede usar su contrapartida mues-
tral para estimar δ. Por otra parte, si lo que se hace es utilizar la medida
que se observa directamente, se obtendrá una estimación sesgada de δ:
[E (WiW0i )]−1E (Wi∆yi) = [E ((W ∗
i + ζ i)(W∗i + ζi)
0)]−1E ((W ∗i + ζi)∆yi)
13
= (Ω? + Ωζ)−1E (W ∗
i ∆yi) =
=hΩ?
³I + ΩζΩ
−1?
´i−1E (W ∗
i ∆yi) =
= (I + Λ)−1 δ
donde Λ = ΩζΩ−1? es definida positiva.
Si se tiene acceso a una segunda medida con ruido de W ∗i
Si =W∗i + ϑi
tal que el error de medida ϑi es independiente de ζ i y de las variables inob-
servables, puede ser utilizada como variable instrumental de modo que:
[E (SiW0i )]−1E (Si∆yi) = [E ((W ∗
i + ϑi)(W∗i + ζi)
0)]−1E ((W ∗i + ϑi)∆yi) =
= [E (W ∗i W
∗0i )]
−1E (W ∗
i ∆yi) = δ
La disponibilidad de datos de panel proporciona instrumentos internos,
de forma que el conjunto de instrumentos que se adopta contiene valores
retardados de las variables explicativas. Las condiciones de ortogonalidad
que se resolverían en el problema de estimación serían:
E
1
Wi1
...
Wi(t−1)
Wi(t+1)
...
WiT
(∆yi −W 0iδ)
= 0 t = 1, 2, ...T
14
Pero por otra parte, las estimaciones del margen podrían estar sesgadas
debido a la endogeneidad de los regresores, dada la previsible simultaneidad
entre la variable a explicar (producción de la empresa) y los regresores, que
incluyen factores de producción y estructura del mercado en el que se opera,
así como la posible retroalimentación de los errores.
Si los regresores son endógenos en el sentido de estar correlacionados con
valores retardados y presentes de la innovación ξit, se tendrá que las variables³Wi(t+1), ..., WiT
´dejarán de ser instrumentos válidos.
La selección de los instrumentos se apoya en el supuesto de que todas las
variables pertenecientes al conjunto de información de la empresa al inicio de
cada período son ortogonales al término de error y por tanto válidos. Para
estudiar esta condición, se utiliza el contraste de Sargan de restricciones de
sobreidentificación.
Sin embargo, además del soporte teórico ofrecido acerca de la selección
de instrumentos, se requiere una intuición económica derivada de la consi-
deración de las distintas variables que se están examinando y que indique el
camino a seguir.
En un principio, se podría pensar en la posible existencia de efectos fijos
en la especificación, pero teniendo en cuenta que la variable dependiente es
la tasa de crecimiento de la producción y que se incluye una variable que
recoge aspectos sectoriales (crecimiento del IPI sectorial), se opta por no in-
troducirlos. De esta forma, además, se evitan los inconvenientes de pérdida
de información y de amplificación del sesgo de error de medida que apare-
cerían en el caso de considerar estos efectos fijos. Por tanto, la estimación se
lleva a cabo tomando las variables objeto de estudio en niveles.
15
En concreto, el modelo que se estima es
∆ yist = θ0s + θ1∆yt + θ2∆yst + µ0∆xit + µ1 [CY Cit∆xit] + µ2 [CRit∆xit] +
+µ3 [CY CitCRit∆xit] + µ4 [SHit∆xit] + β∆ kit + ξit
Por una parte, se tienen dos variables exógenas, ∆yt (IPI de la industria
manufacturera) e ∆yst (IPI del sector correspondiente). Ninguna empresa
perteneciente a la muestra tiene la suficiente entidad para alterar de forma
significativa estas variables, por lo que se puede asumir que las mismas están
incorrelacionadas con valores presentes, pasados y futuros del término de
error.
Por otra parte, se tiene un conjunto de variables medidas con error y
endógenas. En este caso, la endogeneidad no se reduce a que estas variables
estén correlacionadas con valores presentes y pasados de la innovación si no
que, debido a las características de los datos, también están correlacionadas
con errores futuros. Por ejemplo, si consideramos la variable cíclica, resulta
evidente que un shock de demanda (sea positivo o negativo) tendrá efecto
sobre la producción de años futuros. Lo mismo ocurre con el capital físico.
Los elevados costes fijos, hacen que sea una variable con mucha repercusión
en el futuro.
De esta manera, las características de los datos utilizados hacen que los
instrumentos válidos sean los correspondientes al retardo tercero y ulteriores
cuando intervienen variables de ciclo o de capital.
16
5 Resultados
A partir del modelo presentado y de los datos descritos, se obtiene el margen
precio-coste marginal para la industria manufacturera y distintos sectores
(teniendo en cuenta el efecto de las economías de escala), y se examinan las
propiedades cíclicas de esta medida del poder de mercado.
Los coeficientes que se ofrecen en las columnas de la Tabla 4 corresponden
a diferentes medidas del ciclo. En la primera columna se emplea el índice
de demanda y en la segunda la utilización de la capacidad de las empresas.
Los dos indicadores van en la misma dirección: en una fase expansiva, las
empresas observarán una mayor demanda y por tanto el índice de demanda
tomará un valor mayor. Del mismo modo, las empresas aumentarán su pro-
ducción, requiriendo para ello una mayor capacidad. Por tanto, el parámetro
que recoge la sensibilidad al ciclo debe tener el mismo signo cualquiera que
sea el indicador utilizado.
La estimación de µ1 indica que el margen está positivamente correla-
cionado con el ciclo, resultado robusto sea cual sea la medida utilizada. La
estimación de µ2 y µ4 muestra un efecto positivo de la concentración (aunque
no significativo cuando se usa la capacidad utilizada como variable cíclica) y
de la cuota de mercado de la empresa.
Cabe destacar la alta significatividad de la variable CR · CY C (a travésdel parámetro µ3), que recoge la interacción de la concentración de la empresa
y el momento del ciclo. El signo negativo obtenido en la estimación indica
que los márgenes son más procíclicos en sectores menos concentrados que en
sectores de mayor concentración. De acuerdo a lo comentado anteriormente,
17
este resultado apoya la teoría de Green y Porter (1984).
El valor promedio estimado del margen precio-coste marginal para el con-
junto de las empresas es mayor que la unidad, indicando que el precio excede
substancialmente el coste marginal en las manufacturas españolas.
En cuanto a las economías de escala, se encuentra que la industria ma-
nufacturera se caracteriza por la existencia de rendimientos decrecientes a
escala en la tecnología de producción, al obtenerse un coeficiente estimado β
significativamente negativo.
Finalmente, por lo que respecta a la estimación del progreso tecnológico,
debe resaltarse que las externalidades relevantes son las correspondientes
al sector, y no al conjunto de la industria, lo cual se deriva del valor no
significativo de θ1 y del valor positivo de θ2. Este resultado, acorde con
el obtenido por Suárez (1992), implica que ante un aumento del 1% en la
producción de un determinado sector, se esperaría un incremento del 0,15%
en la productividad de las empresas que lo integran. Si bien cuando se
utiliza el índice de demanda se encuentra que no se puede rechazar al 5%
la hipótesis de una constante diferente por sector, esto no es así cuando se
emplea la utilización de la capacidad, ya que la hipótesis queda claramente
rechazada.
El gráfico 3 recoge de forma sintética los resultados obtenidos acerca de
las características cíclicas del margen precio-coste marginal estimado. En él
aparecen los valores promedio para cada año del indicador de demanda y
de la estimación del margen, y se desprende su marcado carácter procíclico,
siguiendo estrechamente las fluctuaciones de la economía (con una correlación
entre ambos de 0,785).
18
La Tabla 5 presenta los parámetros estimados cuando se fuerza la exis-
tencia de rendimientos constantes a escala. Esto equivale a obligar en (7) a
que β sea igual a cero. Por tanto, la ecuación que se estima en este caso es:
∆ yist = θ0s + θ1∆yt + θ2∆yst + µ0∆xit + µ1 [CY Cit∆xit] +
+µ2 [CRit∆xit] + µ3 [CY CitCRit∆xit] + µ4 [SHit∆xit] + ξit
(8)
El signo de las estimaciones es el mismo que en el caso anterior: el ciclo,
la concentración y la cuota de mercado afectan de forma positiva al margen
precio-coste marginal, mientras que la variable que interacciona ciclo y con-
centración tiene un efecto negativo. La diferencia más importante aparece
al observar el valor del margen. Como resultado de imponer rendimientos
constantes a escala, el margen precio-coste marginal aumenta considerable-
mente. De aquí se deriva que un modelo que asuma de partida rendimientos
constantes, llevará a conclusiones erróneas sobre el poder de mercado, ya que
el margen estará sesgado al alza debido a la no inclusión de una variable
relevante.
En la Tabla 6, se examina el índice de Lerner1 por sectores. Los sectores de
mayor poder de mercado son el de maquinaria (0,189) y el de papel (0,181)
y el de menor corresponde al de carnes, preparados y conservas (0,104),
aunque en general se observa poca variabilidad entre los distintos sectores
considerados. En la segunda columna de la misma tabla, se presentan los
resultados que se obtienen cuando se impone la existencia de rendimientos
1El índice de Lerner se define comop− zp, y se calcula a partir del margen precio-coste
marginal estimado.
19
constantes a escala. De nuevo se observa, y para cada uno de los sectores, que
cuando se consideran rendimientos a escala, el índice se reduce. Esto implica
que si existieran rendimientos constantes a escala, el margen precio-coste
marginal estaría más cercano a la unidad.
En la tercera columna se calcula el diferencial (en porcentaje) que supon-
dría la no consideración de estos efectos sobre la estimación del poder de
mercado. Se observa el gran efecto que tiene la no inclusión de economías de
escala, ya que puede inflar el índice de Lerner hasta en un 23%.
La Tabla 7 recoge los resultados que se obtienen según distintas clasifica-
ciones en función del tipo de bien producido2. Para ello, se han estimado de
nuevo las ecuaciones (7) y (8) para las distintas clases de bien. Se distingue
entre bienes de consumo y bienes intermedios, y entre bienes duraderos y no
duraderos. Asimismo, se estima el modelo atendiendo a una clasificación que
realiza la OCDE y que agrupa las empresas según se dediquen a la produc-
ción de bienes intensivos en tecnología y demanda fuerte, bienes de intensidad
tecnológica media y demanda media y bienes de baja intensidad tecnológica
y demanda débil.
Atendiendo a estas clasificaciones sí se encuentra una mayor heterogenei-
dad en los márgenes estimados, y las diferencias llegan a alcanzar un 30%. El
poder de mercado es claramente mayor en empresas productoras de bienes de
consumo, de bienes de alta intensidad tecnológica y de bienes no duraderos.
También se ponen de manifiesto en esta tabla importantes disparidades en
el grado de economías de escala y en la respuesta al ciclo. Las fluctuaciones
en el poder de mercado son mayores para aquellos bienes más sensibles a la2Ver Apéndice 2 para una descripción de los sectores incluidos en estas clasificaciones.
20
demanda, y coinciden con los que obtienen unos márgenes superiores. Re-
sulta destacable la baja sensibilidad al ciclo que caracteriza a las empresas
productoras de bienes duraderos (0,198). Este hecho se explica porque un
productor de bienes duraderos con algún control sobre el precio futuro se
mostrará más reticente a recortar precios como respuesta a una contracción
temporal de la demanda, ya que la demanda insatisfecha no se pierde, sim-
plemente se pospone a períodos futuros, en los cuales el producto puede ser
vendido de nuevo a precios normales.
La Tabla 8 examina los cambios observados en la sensibilidad al ciclo
cuando se imponen rendimientos constantes a escala en la tecnología de pro-
ducción. En la mayoría de los casos, estos cambios son modestos, indicando
que el supuesto de homogeneidad de la función de producción no es de gran
importancia cuando se trata de reconciliar los resultados aquí obtenidos ac-
erca de las propiedades cíclicas de los márgenes, con los existentes en la
literatura teórica.
Por último, el Gráfico 4 muestra la evolución del margen bruto de ex-
plotación en paralelo al del índice de Lerner, exhibiendo un comportamiento
muy similar, si bien el índice de Lerner tiene un perfil temporal más suave,
probablemente debido a que el margen bruto de explotación no toma en
consideración el coste del capital.
6 Comparación con Anteriores Trabajos
En este apartado se pretende dar una visión de los resultados obtenidos
sobre el margen precio-coste marginal y su comportamiento cíclico en diversos
21
estudios. Asimismo, se ofrecen las posibles explicaciones de las divergencias
observadas entre los mismos y el presente trabajo. La tabla 9 sintetiza la
sección.
En el artículo de referencia de Hall (1988), se realiza el análisis con datos
sectoriales de EEUU durante el período 1954-1984. Los valores estimados del
margen son consistentemente mayores a los que se obtienen en el presente
trabajo, pero existen numerosas diferencias entre nuestros modelos. No sólo
la técnica de estimación3 y el nivel de los datos son distintos, sino que también
los supuestos de partida son notoriamente diferentes: por una parte, Hall
considera los márgenes fijos a lo largo de todo el período, y por lo tanto
no tiene en cuenta movimientos cíclicos. Por otra parte, no considera la
introducción de los consumos intermedios como factor de producción, y por
tanto su desarrollo se lleva a cabo en términos de valor añadido. Finalmente,
no lleva a cabo la estimación conjunta de economías de escala y margen, por
lo que los valores resultantes pueden quedar adulterados en caso de que la
tecnología no sea de rendimientos constantes a escala, como se ha puesto de
manifiesto en la sección anterior.
Domowitz, Hubbard y Petersen (1988) se alejan del artículo de Hall fun-
damentalmente en tres aspectos. En primer lugar, se fijan únicamente en
la industria manufacturera. Además, tienen en cuenta la importancia de
los consumos intermedios en la producción. Finalmente, consideran que el3Hall aplica el método de variables instrumentales utilizando como instrumentos el
gasto militar, el partido en el poder y el crecimiento del precio del petróleo. En el presente
trabajo, estos instrumentos no son adecuados debido las características de los datos. Por
otra parte, el shock de la ecuación estimada por Hall y el que aparece en (7) son distintos,
y sólo por eso la forma de tratar la estimación debería diferir.
22
margen puede variar a lo largo del ciclo, encontrando una relación positiva
entre ellos. Así, la diferencia básica con el modelo presentado aquí es que
Domowitz, Hubbard y Petersen no estudian las economías de escala.
Haskel, Martin y Small (1995) centran su estudio en datos a nivel de sector
de la economía británica durante el período comprendido entre 1969 y 1989.
Tal y como se aprecia en la Tabla 9, los márgenes estimados por estos autores
son los de mayor magnitud entre los considerados. En su especificación sí que
se permite que el margen varíe a lo largo del tiempo y también se introducen
economías de escala. Por tanto, la diferencia fundamental es la forma de
describir el progreso técnico y la no introducción de consumos intermedios,
siendo este último factor el que altera de forma más importante el valor del
margen. La relación entre el margen precio-coste marginal calculado a partir
del valor añadido (µV A) y el estimado tomando como referencia el valor de
la producción (µY ) viene dado por:
µY =µV A
1 + (µV A − 1)αM ⇒ µV A =1− αM1
µY− αM
de forma que µV A será mayor que µY siempre y cuando µY se sitúe por
encima de la unidad, como es el caso que nos ocupa. Además, la diferencia
entre ambos márgenes será tanto mayor cuanto más alta sea la proporción
del coste de los consumos intermedios sobre el valor de la producción (αM).
Para remarcar la importancia de este elemento, el gráfico 5 recoge el coste
de los factores trabajo y materiales sobre el valor de la producción, donde se
observa la gran importancia de los consumos intermedios.
23
López-Salido y Velilla (1997) obtienen una serie promedio de márgenes
para el agregado formado por los sectores industrial y servicios para el perío-
do 1977-1995, concluyendo que los márgenes (promedio) tienden a responder
positivamente a las expectativas de demanda futura, dado un nivel de deman-
da corriente, pero los valores del margen son muy distintos a los obtenidos
aquí. Pese a que el marco teórico del modelo difiere considerablemente, lo
que marca la diferencia es el origen de los datos: López-Salido y Velilla toman
los datos de la Central de Balances del Banco de España (CBBE), una fuente
que no resulta adecuada cuando se necesitan variables del tipo cuota de mer-
cado o concentración. La CBBE recibe en torno a 7000 contestaciones en
su cierre definitivo (de las cuales pertenecen al sector manufacturero algo
menos de 3000), pero la muestra no es aleatoria, teniendo un enorme peso
las empresas grandes, existiendo fuertes sesgos de autoselección y mostrando
coberturas muy distintas del valor añadido de los sectores, que van desde
poco más del 10% en algunas actividades hasta más del 80% en otras, por lo
que la construcción de la cuota de mercado o de concentración no reflejará
la verdadera magnitud de estas variables.
Fariñas y Huergo (1999) utilizan datos de la ESEE, si bien parten de
las ecuaciones de Euler derivadas del proceso de maximización dinámica de
los beneficios empresariales. En este sentido, tanto la derivación del modelo
como la identificación del margen precio-coste marginal sólo es posible bajo
el supuesto de rendimientos constantes a escala, lo que en principio supondría
la aportación principal de esta tesina sobre el trabajo de Fariñas y Huergo.
Sin embargo, resaltar que pese a las disparidades comentadas acerca de
método y valor del margen precio-coste marginal en todos estos estudios, la
24
conclusión acerca de la evolución cíclica de los márgenes es la misma en todos
ellos4 y coincidente con la estimada aquí.
Pero este resultado acerca de la prociclicidad de los márgenes no ha sido
una constante en todos los trabajos. Rotemberg y Woodford (1991) presen-
tan evidencia de que el coste marginal aumenta más que los precios en las
expansiones económicas, especialmente al final de las expansiones, analizando
datos sectoriales de EEUU.
En la misma línea, Morrison (1990) encuentra que los márgenes han sido
anticíclicos, siguiendo una tendencia ascendente en la mayoría de los sec-
tores estadounidenses durante el período 1950-1986, y que el potencial para
explotar economías de escala también ha ido aumentando con el tiempo.
7 Conclusiones
A partir del marco propuesto por Hall (1988), este trabajo ha presentado un
modelo que permite estudiar de manera conjunta la medición del progreso
técnico, el grado de economías de escala y el margen precio-coste marginal,
así como sus determinantes y características cíclicas. Los resultados para
el total de la industria manufacturera española y sectores más desagregados
facilitan la comparación de los márgenes a diferentes niveles.
Un primer resultado es la existencia de competencia imperfecta en la
industria manufacturera. Los márgenes estimados están incluídos dentro de
un intervalo razonable (1, 073 − 1, 301) y evolucionan de forma procíclica,4Excepto el caso de Hall, ya que tal y como se ha señalado, no considera variación
temporal en los márgenes.
25
mostrando una alta correlación con el indicador de demanda y el grado de
utilización de la capacidad de la empresa. Por lo que respecta a la estructura
de mercado, se encuentra que el margen precio-coste marginal aumenta con
la concentración y con la cuota de mercado. Finalmente, se observa que los
márgenes son más procíclicos en sectores menos concentrados que en sectores
de mayor concentración.
El modelo teórico de Green y Porter (1984) racionaliza los resultados
obtenidos, pero a un nivel más práctico, se puede ofrecer otro tipo de expli-
cación. Ante el aumento de la demanda que supone una expansión del ciclo
económico, el empresario tiene dos alternativas: aprovechar para incrementar
su cuota de mercado o cargar unos márgenes mayores. Teniendo en cuenta
los resultados aquí obtenidos acerca de la prociclicidad de los márgenes y
la baja correlación observada entre cuota y ciclo (0,083), parece que es la
segunda opción la que mejor se ajusta a los datos.
La estimación del modelo también ofrece evidencia acerca de la existencia
de externalidades de sector y una tecnología de producción caracterizada
por rendimientos decrecientes a escala. La introducción de la hipótesis de
rendimientos constantes a escala eleva considerablemente el valor estimado
de los márgenes en todos los sectores.
Del estudio sectorial, se obtienen una serie de conclusiones destacables: el
poder de mercado es distinto según el tipo de bien que produzca la empresa,
y también se encuentran disparidades en la sensibilidad al ciclo, mostrando
mayor prociclicidad los márgenes de aquellas empresas productoras de bienes
de consumo, de bienes de alta tecnología y demanda fuerte y de bienes no
duraderos.
26
Apéndice 1: Economías de Escala
Costes medios≡ AC = C
Y=wNN + wKK + wMM
Y
Las economías de escala son:
• CONSTANTES si AC no varía con Y
• CRECIENTES si AC decrece con Y
• DECRECIENTES si AC crece con Y
dAC
dY=
∂C
∂YY − (wNN + wKK + wMM)
Y 2= λ
⇒ zY − (wNN + wKK + wMM) = λY 2 ⇒
⇒ 1− wNN + wKK + wMMzY
= λY
z⇒ γ = 1− λ
Y
z
donde γ =wNN + wKK + wMM
zY
Economías de escala
• Constantes ⇒ λ = 0 ⇒ γ = 1
• Crecientes ⇒ λ < 0 ⇒ γ > 1
• Decrecientes ⇒ λ > 0 ⇒ γ < 1
27
Apéndice 2: Definición de las Variables
• Producción (Y ): Se define como la suma de las ventas, la variación deexistencias de ventas y otros ingresos de gestión corriente. Corresponde
a las cuentas 70, 71, 752, 753, 754, 755 y 759 del Plan General de
Contabilidad (PGC). Para lograr la magnitud en términos reales, se
divide por un índice de precios de venta.
• Trabajo (N): Aproximación al número medio de trabajadores duranteel año. Se calcula como suma de los siguientes conceptos
Personal No Eventual Medio: Número medio durante el año de tra-
bajadores con contrato indefinido (estos últimos se calculan pon-
derando los trabajadores a tiempo parcial por 1/2).
Eventuales Medios: Número medio de eventuales en el año. Se calcula
como la media simple de los eventuales cada trimestre, cuando
este número ha variado significativamente, o se aproxima por el
número de eventuales a fin de año, cuando la empresa dice que
este número no ha variado de forma significativa.
• Materiales (M): Se define como la suma de las compras (mercaderías,materias primas, otros aprovisionamientos,...) y los servicios exteriores.
Corresponde a las cuentas 60 y 62 del PGC. Para eliminar la influencia
del precio, se divide por un índice de precios de los consumos interme-
dios.
28
• Capital (K): Capital neto real en bienes de equipo. Está calculadosiguiendo la fórmula de inventario perpetuo:
Kt = (1− dt)Kt−1PtPt−1
+ It
donde P es un índice de precios de los bienes de equipo, d es la tasa
de depreciación e I es la inversión en bienes de equipo. Para detalles
acerca de la elaboración de ésta variable, Martín y Suárez (1997)5.
• Variable que recoge el comportamiento cíclico de la economía (CYC): Seutilizan dos medidas diferentes del ciclo, para intentar dotar de mayor
robustez al modelo.
- Índice de demanda (DEM): En la ESEE, cada empresa identifica el
comportamiento de la demanda de mercado durante el año de acuerdo
a tres categorías diferentes: expansión (1), estabilidad (0,5) o recesión
(0). El índice se construye ponderando los valores de todos los mercados
definidos por la empresa.
- Utilización de la capacidad (UTCAP ): Porcentaje medio durante el
año de utilización de la capacidad estándar de producción de la empre-
sa.
• Medida de concentración (CR): CR4 del pricipal mercado que atiendela empresa. Cada empresa sirve a una media de 1,3 mercados, por lo que
la aproximación de tomar como representativa la concentración en el5Se agradece a los autores la cesión de la serie de capital necesaria para la realización
de este trabajo.
29
primer mercado no resulta descabellada, y existe más información sobre
esta variable que sobre la variable suma ponderada de la concentración
en los mercados atendidos por la empresa.
• Cuota (SH): Suma ponderada de las cuotas de la empresa en los mer-cados que atiende la empresa.
• Participación del trabajo en el valor de la producción (αN): Costessalariales sobre el valor de la producción.
• Participación de otros materiales en el valor de la producción (αM):Gasto en consumos intermedios en que incurre la empresa cada año,
dividido entre el valor de la producción.
• Margen Bruto de Explotación: Medida de rentabilidad de la empresa,definida como el porcentaje que la suma de las ventas, la variación de
existencias y otros ingresos de gestión corriente menos las compras, los
servicios exteriores y los gastos de personal representa sobre el total de
ventas más la variación de existencias de las mismas y otros ingresos
de gestión corriente.
Filtros realizados:
- Filtro 1: Excluye de la muestra empresas que hayan estado involucradas
en procesos de fusión, absorción o adquisición.
- Filtro 2: Selecciona empresas cuyo capital público o exterior sea inferior
al 25% del total.
30
Descripción de los Sectores según el Tipo de Bien Producido:
Descripción de Sectores según el Tipo de Bien
D1 ND2 TA3 TM4 TB5
Metales Férreos y No Férreos X X
Productos Minerales No Metálicos X X
Productos Químicos X X
Productos Metálicos X X
Máquinas Agrícolas e Industriales X X
Máquinas Oficina, Proceso Datos, etc X X
Material y Accesorios Eléctricos X X
Vehículos Automóviles y Motores X X
Otro Material de Transporte X X
Carnes, Preparados y Conservas X X
Productos Alimenticios y Tabaco X X
Bebidas X X
Textiles y Vestido X X
Cuero, Pieles y Calzado X X
Madera y Muebles de Madera X X
Papel, Artículos de Papel, Impresión X X
Productos de Caucho y Plástico X X
Otros Productos Manufacturados X
1Bien duradero2Bien no duradero3Bien intensivo en tecnología y con fuerte demanda4Bien de intensidad tecnológica media y demanda media5Bien de intensidad tecnológica baja y demanda débil
31
Apéndice 3: Estadísticos Descriptivos
A continuación, se presenta una tabla con los principales estadísticos des-
criptivos de las variables que intervienen en la estimación. Los datos se
corresponden a la muestra para el total de la industria manufacturera.
Variable Media DesviaciónEstándar
Mínimo Máximo
∆yit -0,513 0,423 -7,215 3,939
∆IPImanuf 0,249 0,046 -0,053 0,082
∆IPIsec torial -0,030 1,306 -4,963 5,021
∆xit -0,038 0,434 -8,974 17,790
DEMit 0,521 0,134 0 1
CRit 37,193 38,058 0 100
SHit 10,105 17,859 0 100
Finalmente, se adjunta una tabla que recoge el número de empresas y
de observaciones que conforman las distintas muestras que se utilizan en las
estimaciones:
Número de Empresas y de Observaciones
No de empresas No de observaciones
Total Industria Manufacturera 1020 2997
Bienes de Consumo 306 826
Bienes Intermedios 534 1374
Tecnología Alta 65 204
Tecnología Media 301 804
Tecnología Baja 850 1943
Bienes Duraderos 507 1512
Bienes No Duraderos 492 1390
32
Referencias
[1] Arellano, M. y S. Bond (1988), ”Dynamic Panel Data Estimation
Using DPD - A Guide for Users”, Working Paper 88/15, Institute for
Fiscal Studies.
[2] Arellano, M. y S. Bond (1991), ”Some Test of Specification for
Panel Data: Monte Carlo Evidence and an Application to Employment
Equations”, Review of Economic Studies 58, pp. 277-297.
[3] Caballero, R. J. y R. K. Lyons (1990), ”The Role of External
Economies in U.S. Manufacturing”, European Economic Review, 34, pp.
805-30.
[4] Domowitz, I., G. Hubbard y B. Petersen (1988), ”Market Struc-
ture and Cyclical Fluctuations in U.S. Manufacturing”, Economica, vol.
49, pp. 227-87.
[5] Fariñas, J y E. Huergo (1999), ”Profit Margins, Adjustment
Costs and the Business Cycle: an application to Spanish Manufac-
turing Firms”, Documento de trabajo del Programa de Investigaciones
Económicas de la Fundación Empresa Pública No 9901.
[6] Green, E. y R. Porter (1984), ”Non-cooperative Collusion Under
Imperfect Price Information”, Econometrica, vol. 2, pp. 87-100.
[7] Hall, R. (1988), ”The Relationship Between Price and Marginal Cost
in US Industry”, Journal of Political Economy, Vol. 96, pp. 921-47.
33
[8] Haskel, J., C. Martin y I. Small (1995), ”Price, Marginal Cost
and the Business Cycle”, Oxford Bulletin of Economics and Statistics,
vol. 57, pags. 25-39.
[9] López-Salido, J. D. y P. Velilla (1998), ”La Dinámica de los Már-
genes en España (Una Primera Aproximación con Datos Agregados)”,
Documento de Trabajo del Banco de España, No 9705.
[10] Machin, S y J. Van Reenen (1993), ”Profit Margins and the Busi-
ness Cycle: Evidence from Manufacturing Firms”, Journal of Industrial
Economics, vol. 41, pags. 29—50.
[11] Martín, A y C. Suárez C (1997), ”El Stock de Capital para las
Empresas de la Encuesta sobre Estrategias Empresariales”, Documento
interno del Programa de Investigaciones Económicas, No 13.
[12] Morrison, C. J. (1990), ”Market Power, Economic Profitability
and Productivity Growth Measurement: an Integrated Structural Ap-
proach”, NBER Working Paper No 3355.
[13] Rotemberg, J. y G. Saloner (1986), ”A Supergame-Theoretic
Model of Price Wars During Booms”, American Economic Review, vol.
76 pp. 390-407.
[14] Rotemberg, J. y M. Woodford (1991), ”Markups and the Business
Cycle”, NBER Macroeconomics Annual 1991.
34
[15] Rotemberg, J. y M. Woodford (1992), ”Oligopolistic Pricing and
the Effects of Aggregate Demand on Economic Activity”, The Journal
of Political Economy, Vol. 100, No. 6, Centennial Issue, pp. 1153-1207.
[16] Rotemberg, J. y M. Woodford (1999), ”The Cyclical Behaviour
of Prices and Costs”, NBER Working Paper Series 6909.
[17] Small, I. (1997), ”The Cyclicality of Mark-ups and Profit Margins:
Some Evidence for Manufacturing and Services”, Bank of England
Working Paper No 72.
[18] Suárez, J. (1992), ”Economías de Escala, Poder de Mercado y Exter-
nalidades: Medición de las Fuentes de Crecimiento Español”, Investiga-
ciones Económicas, vol. XVI, no 3, pp.411-441.
35
A B C D
A 1,000
B 0,671 1,000
C 0,843 0,589 1,000
D 0,766 0,889 0,654 1,000
TABLA 2CORRELACIONES entre INDICADORES de CICLO de la
ECONOMÍA y MUESTRALES
Índice de Demanda Precio Venta Coste por
Ocupado Coste Deuda Precio ConsumosIntermedios
Margen Brutode Explotación
Índice de Demanda 1,000
Precio Venta -0,118 1,000
Coste por Ocupado -0,562 0,037 1,000
Coste Deuda -0,431 0,082 0,489 1,000
Precio Consumos Intermedios -0,432 0,941 0,179 0,189 1,000
Margen Bruto de Explotación 0,577 0,433 -0,015 -0,123 0,190 1,000
Fuente: ESEE.
TABLA 3CORRELACIONES entre PRECIOS, COSTES, MARGEN BRUTO de EXPLOTACIÓN e INDICADOR de DINAMISMO
36
TABLA 4Estimación con Rendimientos a Escala
∆ yist = θ0s + θ1∆yt + θ2∆yst + µ0∆xit + µ1 [CY Cit∆xit] +
+µ2 [CRit∆xit] + µ3 [CY CitCRit∆xit] + µ4 [SHit∆xit] + β∆ kit + ξit
DEM1 UTCAP2
θ1 0, 024
(0,105)
0, 115
(0,106)
θ2 0, 147
(0,065)
0, 139
(0,070)
µ0 0, 406
(0,078)
0, 584
(0,127)
µ1 0, 633
(0,056)
0, 127
(0,032)
µ2 0, 006
(0,001)
0, 001
(0,002)
µ3 −0, 011(0,001)
−0, 002(5E-4)
µ4 0, 013
(0,002)
0, 011
(0,002)
β −0, 109(0,002)
−0, 111(0,036)
Contraste de Sargan
Estadístico (G.L.)valor p
89, 362 (101)
0, 790
95, 700 (98)
0, 547
Contraste de Igualdad de θ0s ∀s (valor p) 0, 045 0, 405
Número de Observaciones 2997 2994
Número de Empresas 1020 1018
Margen precio-coste marginal3 1, 172 1, 184
1Índice de Demanda. 2Utilización de la capacidad. 3Promedio 1990-99.
Errores estándar en paréntesis.
37
TABLA 5
Estimación Imponiendo Rendimientos Constantes a Escala(β = 0)
∆ yist = θ0s + θ1∆yt + θ2∆yst + µ0∆xit + µ1 [CY Cit∆xit] +
+µ2 [CRit∆xit] + µ3 [CY CitCRit∆xit] + µ4 [SHit∆xit] + ξit
DEM1 UTCAP2
θ1 0, 018
(0,106)
0, 035
(0,118)
θ2 0, 105
(0,064)
0, 135
(0,073)
µ0 0, 477
(0,075)
0, 531
(0,135)
µ1 0, 620
(0,057)
0, 163
(0,037)
µ2 0, 005
(0,001)
0, 001
(0,002)
µ3 −0, 010(0,001)
−0, 002(5E-4)
µ4 0, 013
(0,002)
0, 014
(0,002)
Contraste de Sargan
Estadístico (G.L.)valor p
94, 779 (102)
0, 681
88, 901 (99)
0, 365
Contraste de Igualdad de θ0s ∀s (valor p) 0, 019 0, 496
Número de Observaciones 2997 2994
Número de Empresas 1020 1018
Margen precio-coste marginal3 1, 222 1, 283
1Índice de Demanda. 2Utilización de la capacidad. 3Promedio 1990-99.
Errores estándar en paréntesis.
38
TABLA 6Estimaciones del Índice de Lerner
ILRDE 1 ILRCE 2 % Cambio 3
Total Industria Manufacturera 0,147 0,182 24,09
Metales Férreos y No Férreos 0,133 0,158 18,05
Productos Minerales No Metálicos 0,177 0,198 11,94
Productos Químicos 0,123 0,143 16,53
Productos Metálicos 0,150 0,180 20,04
Máquinas Agrícolas e Industriales 0,189 0,204 8,19
Máquinas Oficina, Proceso Datos, etc 0,150 0,162 7,58
Material y Accesorios Eléctricos 0,163 0,189 15,80
Vehículos Automóviles y Motores 0,156 0,187 19,69
Otro Material de Transporte 0,198 0,231 16,80
Carnes, Preparados y Conservas 0,104 0,138 32,70
Productos Alimenticios y Tabaco 0,134 0,158 17,92
Bebidas 0,192 0,195 1,35
Textiles y Vestido 0,116 0,150 29,83
Cuero, Pieles y Calzado 0,131 0,166 26,51
Madera y Muebles de Madera 0,115 0,151 31,34
Papel, Artículos de Papel, Impresión 0,181 0,206 14,01
Productos de Caucho y Plástico 0,167 0,190 13,78
Otros Productos Manufacturados 0,099 0,136 37,68
1 Índice de Lerner (promedio 1990-99) estimado permitiendo la
existencia de economías de escala.
2 Índice de Lerner (promedio 1990-99) estimado imponiendo
rendimientos constantes a escala.
3 Incremento en el Índice de Lerner promedio estimado, como
consecuencia de imponer rendimientos constantes a escala.
39
TABLA 7
Márgenes, Economías de Escala y Ciclo según el Tipo de Bien
µRDE β µ1
Total Industria Manufacturera 1,171 -0,109 0,633
Bienes de Consumo 1,218 -0,124 0,854
Bienes Intermedios 1,148 -0,240 0,573
Tecnología Alta 1,301 -0,175 0,579
Tecnología Media 1,105 -0,199 0,546
Tecnología Baja 1,073 -0,116 0,464
Bienes Duraderos 1,155 -0,098 0,198
Bienes No Duraderos 1,254 -0,156 0,848
40
TABLA 8
Sensibilidad al Ciclo y Economías de Escala
µ1 RDE µ1RCE % cambio
Total Industria Manufacturera 0,633 0,620 -2,05
Bienes de Consumo 0,854 0,865 1,29
Bienes Intermedios 0,573 0,587 2,44
Tecnología Alta 0,579 0,604 4,32
Tecnología Media 0,546 0,611 11,90
Tecnología Baja 0,464 0,426 -8,19
Bienes Duraderos 0,198 0,206 4,04
Bienes No Duraderos 0,848 0,775 -8,61
1Sensibilidad del margen al ciclo permitiendo la existencia
de economías de escala.
2Sensibilidad del margen al ciclo imponiendo rendimientos
constantes a escala.
3 Incremento en la sensibilidad del margen al ciclo como
consecuencia de imponer rendimientos constantes a escala.
41
Tabla 9
Comparación entre Distintas Estimaciones del Índice de Lerner
Hall
(1988)
Domowitz-Hubbard-
-Petersen (1988)
Haskel-Martin-
-Small (1995)
Fariñas-Huergo
(1999)
Oroz
(2001)
Total Industria Manufacturera 0,377 0,361 0,485 0,104 0,147
Productos Químicos 0,705 0,379 0,541 0,152 0,123
Material y Accesorios Eléctricos 0,301 0,403 0,515 0,065 0,163
Madera y Muebles de Madera 0,102 0,338 0,605 0,093 0,115
Textiles y Vestidos 0,140 0,324 0,363 0,085 0,116
Margen Variable No Sí Sí Sí Sí
Consumos Intermedios No Sí No Sí Sí
Economías de Escala No No Sí No Sí
Período Muestral 1954-84 1958-81 1969-89 1990-96 1990-99
País EEUU EEUU Inglaterra España España
Nivel de los Datos Sector Sector Sector Empresa Empresa
Ciclo + + + +
Fuente: ESEE
Fuente: ESEE.
Fuente: ESEE.
GRÁFICO 2CICLO en DISTINTOS SECTORES. Ejemplo
GRÁFICO 1MARGEN BRUTO de EXPLOTACIÓN (%) e ÍNDICE de DEMANDA
0,3
0,4
0,5
0,6
0,7
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
Alimentación, Bebidas y Tabaco
Material y Equipo Eléctrico, Electrónico y Óptico
0
2
4
6
8
10
12
1991 1992 1993 1994 1995 1996 1997 1998 19990,300,350,400,450,500,550,600,650,700,750,80
Margen Bruto (izda)
Índice de Demanda(dcha)
43
Fuente: ESEE.
Fuente: ESEE.
GRÁFICO 4MARGEN BRUTO de EXPLOTACIÓN e ÍNDICE de LERNER (%)
GRÁFICO 3ÍNDICE de DEMANDA y MARGEN PRECIO-COSTE MARGINAL
579
1113151719212325
1990 1991 1992 1993 1994 1995 1996 1997 1998 19993
5
7
9
11
13
15
Índice de Lerner(izda)
Margen Bruto de Explotación(dcha)
0.10
0.20
0.30
0.40
0.50
0.60
0.70
1990 1991 1992 1993 1994 1995 1996 1997 1998 19991.10
1.15
1.20
1.25
1.30
1.35
1.40
1.45Índice de Demanda (izda)
Margen precio-coste marginal (dcha)
44
Fuente: ESEE.
GRÁFICO 5COSTE de los FACTORES sobre el VALOR de la PRODUCCIÓN
20
30
40
50
60
70
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
Consumos Intermedios Trabajo
45