ENDEUDAMIENTO Y VULNERABILIDAD FINANCIERA: FACTORES
ASOCIADOS. UN CASO DE ESTUDIO
DEBT AND FINANCIAL VULNERABILITY: ASSOCIATED FACTORS. A CASE
STUDY
Resumen
La pandemia por covid-19 y la consecuente caída en el
nivel de actividad económica a lo largo y ancho del
planisferio han puesto en peligro numerosas empresas
pertenecientes a diversos sectores económicos. Ante un
contexto difícil, la toma de decisiones de política pública
dirigidas al aliviar la situación de las empresas se vuelve
central y, para ello, es vital contar con información sobre el
nivel de endeudamiento y los factores explicativos. Este
trabajo pretende avanzar en el estudio sobre ambas
cuestiones, utilizando como caso de estudio el sector
comercial de la ciudad de Bahía Blanca (Buenos Aires,
Argentina). A partir de un relevamiento propio realizado
durante el primer trimestre de 2021 y mediante la técnica
de modelos logísticos ordenados en su versión
generalizada, se encuentra que el perfil del responsable de
la toma de decisiones en las empresas, el contexto
económico y la situación financiera de corto plazo
condicionan la elección de la deuda, la forma de
financiamiento, y el nivel de deuda adquirido.
Adicionalmente, se encuentra un alto grado de
vulnerabilidad financiera en el sector reflejado en su
incapacidad para sortear situaciones de riesgo utilizando
estrategias propias. En palabras de Castels, el sector
comercial bahiense parece estar haciendo “equilibrio sobre
la cuerda floja”.
Palabras clave: vulnerabilidad, endeudamiento, logit,
pandemia, crisis, comercios.
Abstract
The covid-19 pandemic and the consequent fall in the level
of economic activity throughout the planisphere have put
at risk numerous companies belonging to various economic
sectors. In a difficult context, decision-making of public
policy aimed at alleviating the situation of enterprises
becomes central and, for this, it is vital to have information
on the level of indebtedness and the explanatory factors.
This paper aims to advance the study on both issues, using
the commercial sector of the city of Bahía Blanca (Buenos
Aires, Argentina) as a case study. Based on a study carried
out during the first quarter of 2021 and using the technique
of logistic models ordered in its generalized version, it is
found that the profile of the decision maker in companies,
the economic context and short-term financial situation
condition the choice of debt, the form of financing, and the
level of debt acquired. Additionally, there is a high degree
of financial vulnerability in the sector, reflected in its
inability to avoid risky situations using its own strategies.
In the words of Castels, the commercial sector of Bahia
seems to be “balancing on a tightrope”.
Keywords: vulnerability, debt, logit, pandemic, crisis,
businesses.
57
Ibañez Martin, María1; Martínez, Cintia2
1Departamento de Economía de la Universidad Nacional del Sur e Instituto de Investigaciones Económicas y Sociales del Sur
(UNS-CONICET, Argentina) Email: maria.ibanez@uns.edu.ar; ORCID: https://orcid.org/0000-0002-0476-1654
2Departamento de Economía de la Universidad Nacional del Sur, Argentina, Email: cmartinez@uns.edu.ar , ORCID:
https://orcid.org/ 0000-0001-7493-2853
DOI: https://doi.org/10.5377/aes.v3i1.14604
Recibido 14/04/22 – Aceptado 17/06/22
__________________________________________________________________________________________________________________________
Autor por correspondencia: maria.ibanez@uns.edu.ar (Ibañez Martín, María)
Forma sugerida de citación: Ibáñez, M. y Martínez, C. (2022). Endeudamiento y vulnerabilidad financiera: factores asociados. Un
caso de estudio. Apuntes de Economía y Sociedad. UNAN - León, Vol. N.° 3 (1) (Enero-Junio 2022). pp. 57-68. DOI:
https://doi.org/10.5377/aes.v3i1.14604
Copyright © Universidad Nacional Autónoma de Nicaragua, León (UNAN-León)
Conflicto de intereses: Los autores han declarado que no existen ningún conflicto de interés.
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
I- Introducción
El 11 de marzo de 2020 la Organización Mundial de la Salud (OMS) declaró el estado de pandemia debido al brote del virus
covid-19 que inició una crisis sanitaria, social y económica a nivel mundial. El gobierno argentino decretó el aislamiento
preventivo y obligatorio (ASPO, cuarentena) el 21 de marzo del 2020, extendiéndose hasta la actualidad con diferentes grados
de restricción, lo que impactó tanto en el plano sanitario como económico del país. Estas medidas de restricción tuvieron
resultados positivos iniciales en el aplanamiento de la curva de contagio (OMS, 2020a), aunque las consecuencias económicas
y sociales de este tipo de restricciones se evidenciaron rápidamente (CEPAL, 2020; Katz, Jung y Callorda, 2020; ODSA,
2020).
En Argentina, durante el 2020 se produjo una severa contracción de la actividad económica, los ingresos de los trabajadores
independientes disminuyeron sustancialmente, se multiplicaron las suspensiones y despidos, y el sector informal se vio
gravemente afectado. Los índices de pobreza, indigencia, pobreza infantil y desigualdad se incrementaron, alcanzando valores
similares a la crisis del 2001 (Susmel, 2021). A su vez, esta crisis sanitaria encontró a Argentina en una delicada situación
fiscal, un alto nivel de endeudamiento y una fuerte utilización de la emisión monetaria como forma de financiamiento del
déficit, lo que deja un escaso margen para la aplicación de políticas paliativas de origen estatal (Moskovits, 2021).
Bahía Blanca no permanece ajena a la dinámica de estancamiento observada a nivel nacional. El extenso período de
aislamiento y el avance y retroceso en materia de apertura de actividades económicas generó una importante caída en su nivel
de actividad. Según los resultados obtenidos por el equipo de EcoData de la Universidad Nacional del Sur para su Indicador
Sintético de Actividad de Bahía Blanca, ISABB (Delbianco, 2017), puede afirmarse que el nivel de actividad económica de
la ciudad exhibe una tendencia continuamente decreciente desde el segundo trimestre de 2018 y alcanza su nivel mínimo en
el tercer trimestre de 2020, momento en el que observa una caída interanual del 13% como consecuencia de la crisis por covid-
19.
Con la finalidad de contribuir al diseño de herramientas de política que pudieran paliar en alguna medida la crisis económica
en la ciudad de Bahía Blanca se creó, a través del Decreto 23/2020 del Honorable Concejo Deliberante (HCD), la Comisión
Especial de Colaboración y Participación para la Reactivación Económica en Defensa del Trabajo y la Producción, integrada
por representantes de los distintos bloques del Honorable Concejo Deliberante y, también, por miembros del Departamento
de Economía de la Universidad Nacional del Sur y el Instituto de Investigaciones Económicas y Sociales del Sur (IIESS,
UNS-CONICET). Dicha Comisión impulsó la realización de una investigación basada en un relevamiento al sector comercial
bahiense tendiente a explorar el nivel y las características del endeudamiento del empresariado local. A partir de los resultados
obtenidos en dicho procedimiento se estiman los modelos logísticos ordenados, cuyo objetivo es explorar los factores que
inciden en la decisión de endeudamiento de empresas del sector comercial de Bahía Blanca y la situación de vulnerabilidad
financiera del sector. Así, este trabajo consta de dos etapas; por un lado, la recopilación de información sobre el nivel de
endeudamiento del sector de interés y, luego, la estimación de modelos que permitan estimar factores asociados a la decisión
de toma de deuda.
El trabajo se organiza de la siguiente manera. Luego de esta breve introducción, en la segunda sección se presenta una reseña
del enfoque teórico en el que se encuadra el objetivo del trabajo. En la tercera parte se caracteriza el perfil del empresario
bahiense y se presenta la estadística descriptiva de la base de información utilizada, así como los principales resultados del
análisis bivariado efectuado. En la sección cuarta se describe la metodología econométrica adoptada y la definición operativa
de las variables cuyos resultados son presentados en el apartado subsiguiente. Finalmente, en la última sección se presentan
las conclusiones generales del trabajo.
II- Planteamiento Teórico
Para poder construir un instrumento que capte de modo adecuado las características y motivaciones del endeudamiento de los
comercios es necesario conocer cuáles son los factores que influyen sobre las decisiones de financiamiento. La toma de deuda
es una de las posibles alternativas que posee una empresa para financiarse, por lo que identificar los factores que inclinan a
los empresarios a elegir una u otra herramienta es necesario para el diseño del instrumento de recolección de información.
Existen tres vertientes teóricas principales que explican las decisiones de financiamiento de las empresas, consideradas como
enfoques complementarios (Briozzo et al., 2016). La primera de ellas es la teoría de la jerarquía financiera, según la cual el
tamaño, la antigüedad de la empresa y la reinversión se vinculan con la decisión de financiamiento. De acuerdo con este
enfoque existiría preferencia por el financiamiento propio, en segundo término, por la toma de deuda, mientras que el
incremento del capital estaría en último lugar.
58
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
El segundo enfoque es el del trade-off, que postula que las empresas buscan optimizar la relación deuda/patrimonio
comparando las desventajas asociadas a las probabilidades de quiebra y las ventajas tributarias del apalancamiento. Aquí, se
considera que la forma legal, el sector al que pertenece la empresa y los costos de quiebra influyen en las decisiones de
financiamiento.
La tercera vertiente es el enfoque del ciclo de vida que relaciona el comportamiento acerca del financiamiento con las
características del empresario decisor, como por ejemplo la edad, su actitud frente al riesgo, su educación y sus objetivos
empresarios. Briozzo y Vigier (2009) sostienen que los atributos de los administradores de las empresas, como las
características personales, la forma en que toman las decisiones, su nivel educativo y su actitud frente a la deuda, entre otros,
determinan a las organizaciones.
En relación con la exposición a riesgos financieros que pudieran afectar la operatividad empresarial De la Hoz Suárez et al.
(2021) encuentran para Venezuela que las causas prevalecientes son no sistemáticas, es decir costo de deudas, créditos
otorgados, problemas de liquidez y aportes de los socios, y afectan la generación de beneficios económicos esperados (De la
Hoz et al., 2020).
Otro aspecto a considerar, que no se relaciona con las decisiones de financiamiento empresario, es la capacidad de las
empresas de enfrentar situaciones de riesgo, es decir su grado de vulnerabilidad. La idea más general de este concepto remite
a unidades que tienen limitaciones en su capacidad de controlar y elegir las condiciones que moldean su situación actual y
futura, enfrentándose a situaciones de riesgo (Ibáñez, 2018). Se afirmó que “la noción de vulnerabilidad puede asociarse a
aquellos individuos que hacen equilibrio sobre la cuerda floja” (Castel, 1997:42).
El concepto de vulnerabilidad tiene amplias aplicaciones; específicamente la vulnerabilidad financiera hace referencia a la
capacidad de los individuos/hogares/empresas para hacer frente a un “shock” que implique la pérdida de la principal fuente
de ingresos (BBVA, 2020). Según Arce (2020) este concepto remite a la capacidad que tiene una persona/empresa para superar
o no situaciones financieras valiéndose únicamente de recursos propios. Así, un comercio/empresa podrá ser caracterizado
como vulnerable si no cuenta con las herramientas propias necesarias para sobrepasar una situación de crisis o si la existencia
de este tipo de “shocks” pone en riesgo su continuidad.
En este sentido, en el presente trabajo se han incorporado las variables dependencia financiera y sostenibilidad, a fin de
identificar el grado de vulnerabilidad financiera del sector comercial de Bahía Blanca. Así, un comercio que declara no poder
sostener su establecimiento comercial más de un mes si se prohibiera su actividad y descansa en acciones externas sus
probabilidades de superar una crisis como la vivida en el marco por covid-19 podría ser caracterizado como altamente
vulnerable. Este tipo de comercios, retomando las palabras de Castel, estarían haciendo equilibrio sobre la cuerda floja y sin
ayuda externa habrán caído en el conjunto de excluidos.
Desde el punto de vista del análisis empírico resulta interesante explorar los resultados de estudios que analizan los aspectos
incluidos en la encuesta realizada a los fines de la presente investigación, tales como el género y edad del decisor, el tamaño
de la empresa y su organización tributaria, la antigüedad del establecimiento.
Briozzo et al. (2017) encuentran en un estudio realizado para Argentina que el género de quienes toman las decisiones en las
pymes ejerce influencia sobre las decisiones de financiamiento. Concretamente, sostienen que las mujeres, al poseer una
mayor aversión al riesgo, prefieren endeudamientos a menor plazo. En el mismo sentido, se expresaron quienes indicando
que “los hombres privilegian heurísticas, en comparación con las mujeres que tienden a basarse en razonamientos donde
priman la racionalidad y la aversión al riesgo” (Manzanal et al., 2020).
En relación con el tamaño de la empresa y su forma jurídica, Briozzo et al. (2016) refieren que existen diferencias en las
decisiones de financiamiento de las empresas y encuentran comportamientos dispares con respecto a la utilización de pasivos
financieros y el endeudamiento a largo plazo al existir restricciones en el acceso al crédito ya que empresas más pequeñas
tienen menor acceso al crédito. Según estos autores, los resultados de un estudio realizado con empresas de Bahía Blanca
muestran que las empresas más grandes tienen un nivel de endeudamiento superior, mientras que las empresas que adoptan
formas legales con responsabilidad limitada se diferencian en un mayor uso de créditos con garantías reales. Por otra parte,
Manzanal et al. (2015) destacan que los empresarios de establecimientos más pequeños tienen mayor aversión al riesgo.
Otro de los factores que inciden en la utilización del crédito en las pymes es la edad del decisor. Evidencia empírica que
respalda el hecho que los propietarios o administradores jóvenes utilizan menos los créditos personales como fuente de
financiamiento de sus empresas (Briozzo et al., 2014; Manzanal, Pesce, Milanesi y Vigier, 2015).
59
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
III- Metodología
El primer paso de esta investigación corresponde a la recopilación de la información sobre la situación del sector comercial
de Bahía Blanca, a través de la aplicación de una encuesta a los responsables de los comercios de la ciudad; el segundo paso
es estimar cuáles son los factores asociados a la toma de deuda del sector de interés, que se realiza con la estimación de
modelos logísticos generalizados y ordenados.
Para la realización de la encuesta se utilizó un cuestionario de tipo estructurado, autoadministrado, que fue distribuido por vía
electrónica (correo electrónico y redes sociales). Se incluyeron, a su inicio, una serie de preguntas destinadas a la
caracterización del comercio -rubro, antigüedad, edad y género del responsable, localización, forma jurídica, etc.- y
posteriormente se consultó acerca de la situación de la empresa en relación con el nivel de actividad y endeudamiento, antes
de la pandemia y también actualmente. Además, se indagó acerca de la implementación de innovaciones en las estrategias de
venta y comercialización a partir de las restricciones impuestas a partir de marzo de 2020 mediante el cierre de la actividad
comercial no esencial.
El diseño del instrumento se basa, en parte, en una encuesta previa realizada por el Instituto de Investigaciones Económicas
y Sociales del Sur, IIESS (Orazi y Reyes, 2020). Con el fin de incrementar la validez de contenido del instrumento se recurrió
a técnicas cualitativas (grupos focales y entrevista con informantes clave), que permitieron captar la complejidad del fenómeno
en estudio. Por otra parte, se complementó la información obtenida a partir de estas técnicas con una revisión bibliográfica
sobre los aspectos relevantes vinculados con el endeudamiento empresario. Este procedimiento disminuye la probabilidad de
que el instrumento posea escasa validez de contenido.
La distribución del formulario de la encuesta estuvo a cargo de las organizaciones que agrupan a los comerciantes y la técnica
de muestreo fue no probabilística; asimismo, se integró mediante el mecanismo “bola de nieve”. Dado que el objetivo del
relevamiento fue dotar a la Municipalidad de Bahía Blanca de información acerca de la situación económica de las empresas
y a su nivel de endeudamiento para la toma de decisiones de política, se adoptó esta estrategia en virtud de la necesidad de
recoger la mayor cantidad de respuestas en el menor lapso de tiempo, en un contexto de emergencia económica. Además, la
sensibilidad de los aspectos indagados y la necesidad de confidencialidad hacen que la población a encuestar pueda calificarse
como población oculta (Marpsata & Razafindratsimab, 2010) y, en consecuencia, el uso de la técnica “bola de nieve” sea
adecuado (Voicu & Babonea, 2011; Van Meter, 1990).
Por otra parte, la recolección de información se llevó adelante en el período comprendido entre el 15 y el 30 de abril de 2021,
obteniéndose 161 respuestas anónimas. Cabe destacar que el cuestionario fue programado de forma que el respondente se
viera obligado a completar cada uno de los instrumentos incorporados en la encuesta para poder avanzar. No se registraron
respuestas incompletas o encuestas sin terminar.
Metodología: modelos logísticos ordenados
Tal como fue mencionado con anterioridad, el comportamiento del endeudamiento en los comerciantes durante la pandemia
por covid-19 será analizado a partir de la aplicación de modelos logísticos ordenados en su versión generalizada (generalized
ordered logit, en inglés) (Williams, 2006). La obtención de sus resultados tiene por objetivo analizar aquellos factores que
inciden en el nivel de endeudamiento de una empresa y evaluar la implicancia que una situación de crisis e inestabilidad,
como la vivida en el marco de la pandemia por covid-19, podría generar sobre el sector y sus decisiones de tomar deuda.
La aplicación de modelos logísticos se enmarca en situaciones o problemas en los cuales las variables dependientes no son
continuas, sino más bien variables dependientes dicotómicas o policotomas (Simon, 2004) y su objetivo principal es estimar
la probabilidad de que un evento suceda dados los valores de los factores explicativos incorporados (Liao, 1994). Estos
modelos suponen que el logaritmo de la razón de probabilidades está linealmente relacionado con las variables regresoras,
principal diferencia con los de probabilidad lineal (Gujarati y Porter, 2009). Dado el objetivo de la presente investigación, es
adecuado aplicar modelos de regresión logística que indiquen el efecto de las características del establecimiento comercial y
de su situación económica/financiera sobre la decisión de endeudamiento. Por ejemplo, se utilizarán modelos logísticos
ordenados en su versión generalizada que indiquen cómo varía la probabilidad de que una empresa aumente su nivel de
endeudamiento frente al hecho de tener determinada antigüedad en el negocio o haber disminuido su facturación respecto al
año anterior.
La versión ordenada de los modelos logísticos (una variante de los modelos de probabilidades proporcionales) supone que las
variables de respuesta tienen más de dos categorías y pueden ser jerarquizadas (Williams, 2006). Como fue especificado en
la tercera sección, la variable dependiente, relativa al nivel de endeudamiento que declara el responsable de la empresa,
60
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
presenta tres categorías: sin endeudamiento, un nivel de endeudamiento moderado y alto nivel de endeudamiento. Debido a
que las opciones son excluyentes y pueden ordenarse, es apropiado aplicar la versión ordenada de los modelos logísticos. La
versión generalizada de estos modelos ordenados persigue -conceptualmente- el mismo objetivo: estudiar las variaciones en
la razón de probabilidades de un evento posible ante cambios en las variables regresoras, dado que la variable regresada puede
tomar distintos valores jerarquizados. La distinción entre el logit ordenado y la versión generalizada se funda en el supuesto
de regresiones paralelas (Ibañez, Arnaudo y Morresi, 2018).
Los modelos generalized ordered logit no suponen independencia de los coeficientes que acompañan a las variables regresoras
respecto de las categorías, como lo hace su versión no generalizada. Es decir, los modelos son menos restrictivos que el
ordered logit, debido a que contemplan la posibilidad de que los coeficientes β varíen en función de la categoría de la variable
regresada (Williams, 2006).
La inexistencia del supuesto de probabilidades proporcionales puede visualizarse en la definición de los estimadores del
modelo, dado por:
En la ecuación (1) los parámetros β son acompañados por un subíndice j y, entonces, la probabilidad de que la variable
dependiente tome valores de 1 a M está definida por:
(2)
Entonces, en caso de que la variable dependiente tenga dos categorías, el modelo es equivalente al logístico tradicional. Por
el contrario, si la cantidad de categorías es mayor a dos, el modelo se convierte en una serie de regresiones logísticas binarias
donde las categorías de la variable dependiente son combinadas. Así, si M=3 el procedimiento compara la categoría 1 con 2
y 3, la 2 con 1 y 3 en conjunto y así sucesivamente (Williams, 2006).
Sencillamente, la idea que está por detrás del generalized ordered logit es analizar cómo se comporta la probabilidad de que
un individuo pase de la categoría 1 a la 2, y sucesivamente, en función de las variables explicativas incorporadas al modelo.
En otras palabras, se reconoce que cada variable contribuye de manera diferente a pasar de una categoría a la inmediata, por
lo que no habría restricciones paralelas. En este trabajo, la idea es evaluar si las características de la empresa y su situación
económica afectan a las probabilidades de pasar de no tener deudas (categoría 1) a tener deudas moderadas (categoría 2) y/o
estar en una situación de alto nivel de endeudamiento (categoría tres).
Definición operativa de las variables
Tal como fue mencionado anteriormente, la variable de interés en este trabajo es el nivel de endeudamiento de las empresas
del sector comercial de Bahía Blanca. Así, la variable dependiente de los modelos logísticos se denomina “endeudamiento”
y fue construida a partir del nivel de deudas auto-reportada por los respondentes de la encuesta. Esta variable tiene tres
categorías: 1) si el comerciante declara no poseer deudas, 2) si el nivel de endeudamiento es leve (“tengo algunas deudas”) y
3) si los compromisos asumidos son elevados (“estoy muy endeudado”). A modo de control se incluye en el cuestionario una
pregunta acerca del porcentaje de endeudamiento en relación con la facturación, que luego se contrasta con la variable
autoreportada con la finalidad de evaluar inconsistencias.
Adicionalmente, como el objetivo del trabajo es evaluar aquellos factores que condicionan el nivel de endeudamiento de los
comerciantes bahienses, se incorporan diez variables explicativas que pueden agruparse en aquellas referidas a las
características del comercio (que poseen cierta rigidez en el mediano plazo) y, por otro lado, aquellas que reflejan la situación
económica financiera del comercio y el efecto de una situación de crisis macroeconómica (específicamente la vivida por la
pandemia por covid-19). Las variables incorporadas y su descripción son listadas a continuación:
➢ Género responsable: es una variable dicotómica que toma valor 1 si la responsable del establecimiento comercial es
mujer y 0 en caso contrario.
61
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
➢ Edad responsable: variable categórica que toma valor 1 si el responsable es tiene una edad menor o igual a 45 años
y 0 en caso contrario. Según Martínez (2016), Mancilla y Amorós (2012) y Freire y Teijeiro (2009), la edad del jefe
de una empresa puede ser proxy de la experiencia y es relevante de ser incorporada en estudios sobre éxito comercial
y endeudamiento. A su vez, estos estudios encuentran que la media de edad en América latina varía entre 40 y 50
años, dependiendo de la muestra y la proporción de mujeres en ella. Manzanal et al. (2020) toman los mismos rangos
etáreos para caracterizar a los empresarios según edad.
➢ Antigüedad empresa: toma valor 1 si el comercio tiene una trayectoria de más de 15 años y 0 en caso contrario. El
informe del Observatorio Iberoamericano de Mipymes utiliza una caracterización similar para la clasificación de
empresas jóvenes y maduras (Guapatín, 2003).
➢ Forma jurídica: variable dicotómica que toma valor 1 si el comercio se encuentra alcanzado por el Impuesto al Valor
Agregado, el Impuesto a los Ingresos Brutos y el Impuesto a las Ganancias (Responsable Inscripto) y cero en caso
contrario (monotributista en sus diversas categorías).
➢ Rubro: variable dicotómica que toma valor 1 si el comercio pertenece al rubro textil y cero en caso contrario.
➢ Situación actual: variable que tomará valor 1 si el responsable de la empresa declara la situación actual como mala
y cero en caso contrario (regular o buena).
➢ Situación endeudamiento año previo: variable policótoma que identifica el nivel de endeudamiento del comercio en
el año 2019, tomará valor 1 si el nivel de deuda representaba hasta el 10% de la facturación, 2 si el endeudamiento
era entre el 10% y 25% y 3 si supera el 25%. Esta variable tomará valor cero si el comercio no estaba endeudado
antes de la pandemia.
➢ Impacto pandemia: variable dicotómica que tomará valor 1 si el comercio en 2021 tiene mayores deudas que en 2019
y cero en caso contrario (tiene iguales o menores deudas).
➢ Dependencia financiera: variable policótoma que identifica las medidas que el comerciante menciona y considera
que aliviarán su situación actual de endeudamiento. En este sentido, la variable posee tres categorías que identifican
su nivel de dependencia o independencia financiera y tomará valor 0 si las alternativas mencionadas dependen de
acciones que tomará el comerciante y que involucran directamente al negocio, 1 si las alternativas dependen de
decisiones externas y acciones que no implican tomar decisiones sobre el comercio y 2 si las respuestas involucran
un mix de alternativas propias y ajenas. Dentro de cada conjunto de alternativas se encuentran:
Propias: cambiar o diversificar el rubro, asociarse, reducir costos fijos (sin considerar personal), reducir personal,
confía en futuras ayudas del gobierno (nacional, provincial, municipal).
Externa: pedir ayuda financiera a su círculo íntimo (familiares, amigos), pedir un préstamo en una entidad
financiera, adherirse a una moratoria impositiva de AFIP y/o ARBA, adherirse a una moratoria impositiva del
municipio,
Sostenibilidad: variable policótoma que toma valor 1 si el comerciante declara poder sostener su negocio 1 mes ante
la prohibición de su actividad, 2 si resistiría 15 días o menos y 3 si el comerciante debería cerrar su establecimiento
ante una nueva restricción sobre su actividad.
IV- Resultados
En la Tabla 1 se resumen los resultados de las principales variables que surgen del relevamiento, las que serán evaluadas para
integrar el modelo de regresión logística planteado. Se pretende explorar cuáles de las características de las empresas
encuestadas podrían resultar predictoras de la situación de endeudamiento actual de ellas. Se considerará, entonces, la variable
endeudamiento como dependiente mientras que el resto se incluirá como explicativas.
Con la finalidad de explorar la relación entre cada una de las covariables y la variable dependiente se realiza, en primer lugar,
un análisis bivariado mediante el uso de tablas de contingencia. Este procedimiento permite determinar si existe asociación
entre ellas y descartar del modelo a las variables que, desde el punto de vista empírico, no muestran una relación con aquella
que se desea explicar. Este procedimiento también puede orientar acerca de posibles agrupaciones de valores de las variables.
Para testear la independencia entre dos variables se aplican los test Chi-cuadrado de Pearson (X2) y la prueba exacta de Fisher.
Dos variables se consideran independientes si todas las probabilidades conjuntas son iguales al producto de las probabilidades
marginales.
62
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
Tabla 1. Estadística descriptiva de los resultados del relevamiento
Variable
Categorías
Frecuencia
Porcentaje
Endeudamiento
Sin endeudamiento
16
10,1
Endeudamiento moderado
68
42,8
Alto nivel de endeudamiento
75
47,1
Total
159
100,0
Género responsable
Hombre
90
57,3
Mujer
67
42,7
Total
157
100,0
Edad del responsable de la empresa
Mayores de 45 años
83
55,3
Menores de 45 años
67
44,7
Total
150
100,0
Antigüedad de la empresa
Empresa joven
80
50,3
Empresa madura
79
49,7
Total
159
100,0
Forma jurídica
Monotributista
37
23,3
IVA responsable inscripto
122
76,7
Total
159
100,0
Rubro
Textil
74
47,4
Otro
82
52,6
Total
156
100,0
Situación actual
Buena o regular
60
37,5
Mala
100
62,5
Total
160
100,0
Situación endeudamiento año
previo
No tenía deuda
27
17,1
Menos del 10%
81
51,3
Entre el 10% y el 25%
33
20,9
Más del 25%
17
10,8
Total
158
100,0
Impacto pandemia
Deuda igual o menor que antes
23
16,7
Deuda mayor que antes
115
83,3
Total
138
100,0
Dependencia financiera
Propias
29
21,2
Externas
43
31,4
Mixtas
65
47,4
Total
137
100,0
Sostenibilidad
Un mes o más
40
26,5
Quince días o menos
85
56,3
No tiene margen
26
17,2
Total
151
100,0
Fuente: elaboración propia en base a relevamiento realizado a comercios de Bahía Blanca durante 2021.
En la Figura 1 se reportan los resultados obtenidos al cruzar el nivel de endeudamiento actual con las variables independientes.
63
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
Figura 1. Resultados análisis bivariado entre endeudamiento y variables explicativas incorporadas
Fuente: elaboración propia en base a relevamiento realizado a comercios de Bahía Blanca durante 2021
Tal como puede apreciarse, de acuerdo con los resultados del análisis bivariado, se comprueba que existe asociación entre la
variable de interés endeudamiento y las covariables: forma jurídica, rubro, situación actual, impacto pandemia, dependencia
financiera y situación de endeudamiento año previo.
Los resultados del modelo logístico generalizado estimado pueden encontrarse en la Tabla 2. Es dable destacar que se realizó
el test de Brant (1990) que evalúa la validez del supuesto de regresiones paralelas. Este ejercicio arrojó el rechazo de la
hipótesis nula: existencia de probabilidades proporcionales, por lo que es apropiado estimar la versión generalizada del modelo
logístico ordenado, ya que no requiere del supuesto de β constantes (Williams, 2006).
64
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
Tabla 2. Resultados de modelo logístico ordenado para comercios en Bahía Blanca
ENDEUDAMIENTO
Variable control
Categoría 1
Sin endeudamiento
Categoría 2
Endeudamiento moderado
Género responsable
(categoría base: mujer)
-1.2393**
(0.7209)
-0.4791
(0.3861)
Edad responsable
(categoría base: menores 45
años)
-1.2183**
(0.6859)
-0.5537*
(0.3835)
Antigüedad empresa
(categoría base: joven)
-0.2827
(0.7454)
-0.6093
(0.4010)
Forma jurídica
(categoría base: monotributo)
1.7081***
(0.6695)
0.6502
(0.4439)
Rubro
(categoría base: textil)
1.7207***
(0.7756)
0.8998***
(0.3748)
Situación actual
(categoría base: mala)
5.1913
(0.1014)
1.3966***
(0.5862)
Situación endeudamiento año
previo
(categoría base: menos 10%)
-3.5493
(0.7861)
1.1991***
(0.3467)
Impacto pandemia
(categoría base: igual o menor
que antes)
3.411
(0.5841)
3.3574**
(1.2949)
Dependencia financiera
(categoría base: propias)
1. 775
(0.3657)
1.2938***
(0.3545)
Sostenibilidad
(categoría base: un mes o màs)
-1.6306
(0.7328)
-0.4574
(0.3668)
Constante
5.7400**
6.5053***
***,** y *: significativos al 1, 5 y 10% respectivamente. Desvío estándar entre paréntesis.
Fuente: Estimaciones propias en base a “Encuesta de Encuesta sobre endeudamiento de comercios en Bahía Blanca” en
STATA 14.1
Los efectos de las variables explicativas incorporadas son heterogéneos entre las distintas categorías de la variable
independiente; las características del responsable y del comercio parecen explicar las probabilidades de que un comerciante
tome un nivel de deuda moderado, pero no que pase de este nivel a uno mayor de endeudamiento. Por el contrario, las variables
explicativas respectivas a la situación económica-financiera del comercio antes y durante la pandemia parecen explicar el
paso de la categoría 2 a la 3 (levemente endeudado a severamente endeudado), pero no tendrían incidencia en las
probabilidades de un comerciante de pasar de no tener deudas a tener algún compromiso de este tipo.
Las estimaciones de los modelos logísticos indican que los comercios liderados por mujeres tienen menos probabilidades de
poseer compromisos financieros. Este hallazgo va en línea con la literatura sobre género y financiamiento en pymes, que
encuentra que la participación femenina en la propiedad está asociada con menor endeudamiento y a un menor plazo (Briozzo
et al., 2017). En el mismo sentido opera la edad de los líderes del establecimiento comercial, así, menores de 45 años tienden
65
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
a tomar menos deuda coincidiendo con los resultados encontrados para los emprendedores de América Latina (Martínez
Gámez, 2016).
A su vez, por el contrario, los comercios que tienen una figura de IVA responsable inscripto parecen tener más probabilidades
de haber tomado deuda en el periodo de pandemia por covid-19 que aquellos que son monotributistas, aunque la forma jurídica
no parece explicar la probabilidad de que un comerciante se endeude de forma severa. Este último aspecto podría explicarse
en la restricción crediticia que enfrentan aquellos comerciantes englobados bajo las diversas categorías de monotributo, así
como también la menor disponibilidad de opciones de crédito (respecto a otros tipos de estructuras societarias y formas
jurídicas) en el marco de las medidas tomadas durante la pandemia por covid-19.
Debido a la gran relevancia que el rubro textil tiene en el comercio nacional y local, se incorporó la variable: rubro. Los
resultados de los generalized ordered logit evidencian que los comerciantes del rubro textil tienen mayores probabilidades de
tomar la decisión de endeudarse, tanto a niveles moderados como severos. Por el contrario, la antigüedad en el rubro no parece
tener efecto sobre esta decisión a ningún nivel de la categoría de la variable dependiente.
Un comportamiento contrario puede visualizarse en las variables que reflejan la condición económica-financiera de los
comercios, dado que parecen influenciar principalmente en las probabilidades de que un comerciante que ya tenía deudas pase
a endeudarse aún más. Así, los comerciantes que reportan una situación actual de facturación mala, poseer deudas con
anterioridad, verse afectado fuertemente por la crisis de covid-19 en su actividad y tener expectativas de que la situación
difícil que transita se solucionará con medidas que no dependen de su comercio (ayudas estatales, subsidios, exención de
impuestos, entre otros) evidencia mayores probabilidades de tomar niveles de deuda severos, si ya estaba endeudado. Por el
contrario, estas características no parecerían explicar la decisión de los comerciantes de tomar deuda si no tenían este tipo de
compromisos con anterioridad al 2020.
Finalmente, la variable sostenibilidad no resulta significativa para ninguna de las características de la variable independiente.
Esto pareciera implicar que la expectativa de los comerciantes respecto a cuánto podrían sostener el comercio sin actividades
(por las restricciones impuestas en la pandemia) no incide en su decisión de endeudamiento y que tomar deuda no parece ser
una estrategia que las empresas utilizan para sostener en funcionamiento sus establecimientos comerciales.
V- Conclusiones
Los resultados encontrados en este trabajo permiten sostener la hipótesis que la decisión de endeudamiento de las empresas
se encuentra condicionada por el perfil de su responsable o referente y, también, por las condiciones del contexto
macroeconómico en el que se desenvuelve.
Si bien podría señalarse como una debilidad del estudio la utilización de un método no probabilístico de muestreo, el hecho
de haber realizado la encuesta durante la pandemia, las características de la población encuestada y la finalidad de la
investigación justifican la elección de dicha metodología. Como limitación debe reconocerse que la muestra resulta reducida,
lo que se explica por el contexto en el que se realizó el estudio y por el corto período de recolección de datos, teniendo en
cuenta que se debían tomar medidas de política urgentes sobre la base de los resultados. En consecuencia, solamente puede
estimarse la asociación entre variables de interés. No obstante, la composición de la muestra se corresponde con la estructura
comercial de Bahía Blanca según describen los últimos estudios disponibles (Centro Regional de Estudios Económicos de
Bahía Blanca, 2014).
Uno de los hallazgos más importantes de este trabajo revela que las características propias de la empresa afectan la decisión
de tomar deuda (es decir, pasar de no tener compromisos a poseer cierto nivel de endeudamiento), mientras que los vaivenes
de la economía y la situación financiera de corto plazo son factores explicativos de mayores niveles de endeudamiento (pasar
de la categoría 2 a la tres de la variable dependiente). Respecto a los factores explicativos que resultaron significativos en los
modelos logísticos estimados, y también en el análisis bivariado, son coincidentes con los antecedentes encontrados en la
literatura sobre este tema.
Adicionalmente, la sostenibilidad no parece explicar las decisiones de endeudamiento de los comercios de la ciudad. Esto es,
tener bajas expectativas de poder sostenerse en el mercado si hay restricciones a la actividad comercial no impulsaría a los
comerciantes a considerar la toma de deuda como una alternativa válida para superar una situación difícil. Este hallazgo es
concordante con los resultados obtenidos con respecto a la variable vulnerabilidad, donde los empresarios que ponen sus
expectativas en una solución ajena o externa a una situación de crisis toman mayores deudas, lo que daría cuenta que tienen
mayor propensión a endeudarse porque esperan que aparezca algún mecanismo externo que alivie su situación.
66
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
Las variables que vinculan el impacto de la pandemia por covid-19 sobre la situación de las empresas resultan significativas
al momento de explicar la decisión de endeudamiento. Esto podría implicar que los empresarios del comercio bahiense no
tendrían respaldo como para afrontar la situación de crisis utilizando la integración de capital propio. Por otro lado, este
resultado podría revelar que las herramientas de financiamiento propio (primera opción según la teoría de la jerarquía
financiera) han sido utilizadas con anterioridad a la situación de crisis producida en el año 2020. Por otro lado, los respondentes
no mencionan la posibilidad de incrementar el capital como opción para sobrepasar la situación de dificultad reportada.
En virtud de los resultados encontrados, es notable la relevancia que adquiere el Estado como agente de política para paliar la
crisis por covid-19 y sus consecuencias sobre el sector comercial de Bahía Blanca. Podría esperarse que el sostenimiento de
diversos establecimientos comerciales dependa fuertemente de las medidas de política que los gobiernos municipal, provincial
y nacional decidan aplicar en el corto y mediano plazo.
VI- Referencias
Arce, Ó. (2020). El impacto de la crisis del Covid-19 sobre la situación financiera de las empresas no financieras en 2020:
evidencia basada en la Central de Balances. Central de Balances. Resultados anuales de las empresas no financieras
2019, 1-31. https://repositorio.bde.es/handle/123456789/14317
Banco Bilbao Vizcaya Argentaria (2020). Los expertos alertan de la mayor vulnerabilidad financiera de las familias por la
pandemia. Recuperado de https://www.bbva.com/es/sostenibilidad/los-expertos-alertan-de-la-mayor-
vulnerabilidad-financiera-de-las-familias-por-la-pandemia/
Brant, R. (1990). Assessing proportionality in the proportional odds model for ordinal logistic regression. Biometrics, 46(4),
1171-1178. Recuperado de https://pubmed.ncbi.nlm.nih.gov/2085632/
Briozzo, A. & Vigier, H. (2009). A demand-side approach to SME’s capital structure. Evidence from Argentina. Journal of
Business and Entrepreneurship, 21(1), 30–56. Recuperado de https://www.econbiz.de/Record/a-demand-side-
approach-to-smes-capital-structure-evidence-from-argentina-briozzo-anahi/10009886232
Briozzo, A., Vigier, H., Castillo, N. Pesce, G., y Speroni, M. (2016). Decisiones de financiamiento en pymes: ¿Existen
diferencias en función del tamaño y la forma legal? Estudios Gerenciales, 32(138), 71-81.
https://doi.org/10.1016/j.estger.2015.11.003
Briozzo. A., Albanese. D., y Santolíquido. D. (2017). Corporate governance, financing and gender: A study of SMEs from
Argentinean Securities Markets. Contaduría y Administración, 62(2), 358-376.
https://doi.org/10.1016/j.cya.2017.03.002
Centro Regional de Estudios Económicos de Bahía Blanca (2014). Producto Bruto de Partido de Bahía Blanca. Recuperado
de https://www.creebba.org.ar/?op=pbi#com_mino
Castel, R. (1997). Las metamorfosis de la cuestión social. Una crónica del salariado. Buenos Aires: Paidós Editorial.
Decreto 23/2020 Digesto Municipal de Bahía Blanca, Buenos Aires, Argentina 30 de julio de 2020. Recuperado de
https://www.bahia.gob.ar/digestomunicipal/
Delbianco, F. y Herrero, M. (2017). Indicador Sintético de Actividad de Bahía Blanca. Cuarto trimestre de 2017. Recuperado
de https://www.ecodata.uns.edu.ar/indicador-sintetico-de-actividad-de-bahia-blanca-4to-trimestre-2017/
De La Hoz Suárez, A., Mendoza Herrera, A., & González Vergara, M. (2020). Decisiones de inversión operativa-financieras
en empresas importadoras de motores para vehículos. _SUMMA. Revista disciplinaria en ciencias económicas y
sociales, 2(2),_ 137-160.
De La Hoz Suárez, A., Pacheco Ruíz, C., & Cantillo Padrón, J. (2021). Exposición a riesgos financieros en empresas
importadoras de motores para vehículos. _SUMMA. Revista disciplinaria en ciencias económicas y sociales, 3(2),_
1-20. https://doi.org/10.47666/summa.3.2.28
Freire,J. y Teijeiro, M. (2009), Análisis de los factores que afectan a la decisión de ser emprendedor, Cuadernos de Economía,
32(90), 5-28. Recuperado de
https://econpapers.repec.org/scripts/redir.pf?u=https%3A%2F%2Frepositorio.uam.es%2Fbitstream%2Fhandle%2F
10486%2F6250%2F37940_1.pdf;h=repec:cud:journl:v:32:y:2009:i:90:p:005-028
Guaipatín, C. (2003). Observatorio MIPYME: Compilación estadística para 12 países de la Región. Banco Interamericano de
Desarrollo, Washington, DC. Recuperado de
https://publications.iadb.org/publications/spanish/document/Observatorio-MIPYME-Compilaci%C3%B3n-
estad%C3%ADstica-para-12-pa%C3%ADses-de-la-Regi%C3%B3n.pdf
67
Apuntes de Economía y Sociedad N.º 3 (1) enero-junio 2022/ 57-68/ ISSN: 2709 - 7005
Gujarati, D. y Porter, D. (2009). Econometría. México: Mc Graw Hill, Quinta Edición. Recuperado de
https://www.academia.edu/33064534/Gujarati_Econometr%C3%ADa_5ta_Edici%C3%B3n_pdf
Ibáñez, M. (2018). Exclusión social: los desafíos de su conceptualización y medición. Una propuesta desde un enfoque
axiomático. Aplicación para Argentina. Documento no publicado. Tesis Doctoral, Departamento de Economía de la
Universidad Nacional del Sur. Recuperado de http://repositoriodigital.uns.edu.ar/handle/123456789/4475
Ibañez, M., Arnaudo, M. y Morresi, S. (2018). Inclusión y desempeño: el efecto de políticas educativas en Educación Superior.
Un estudio aplicado a la Universidad Nacional del Sur (Argentina). Revista Complutense de Educación, 29(3), 699.
https://doi.org/10.5209/RCED.53628
Katz, R., Jung, J. y Callorda, F. (2020). El estado de la digitalización de América Latina frente a la pandemia del COVID-19.
Observatorio CAF del Ecosistema Digital
Liao, T. (1994). Interpreting Probability Models: Logit, Probit and Other Generalized Models. Thousand Oaks California:
Sage University Papers. Recuperado de https://lib.ugent.be/nl/catalog/rug01:000319627
Mancilla, C.y Amorós, J. (2012), La influencia de factores socio-culturales en el emprendimiento, evidencia en Chile 2007–
2010. Multidisciplinary Business Review, 5(1), 14-25. https://journalmbr.net/index.php/mbr/article/view/371
Manzanal, M., Pesce, G., Milanesi G. y Vigier H. (2015). Racionalidad, heurísticas y aversión al riesgo en decisiones de
inversión empresarias. XXXV Jornadas Nacional de SADAF. Recuperado de
https://studylib.es/doc/1126382/racionalidad--heur%C3%ADsticas-y-aversi%C3%B3n-al-riesgo-en-decisio...
Manzanal, M., Villarreal, F., Milanesi, G. y Vigier, H. (2020). El perfil decisorio del empresario pyme de Bahía Blanca,
Argentina: ¿qué variables lo caracterizan? Estudios Gerenciales, 36(156), 288-298.
https://doi.org/10.18046/j.estger.2020.156.3607
Marpsata, M. & Razafindratsimab, N. (2010). Survey methods for hard-to-reach populations: introduction to the special issue.
Methodological Innovations Online, 5(2), 3-16. https://doi.org/10.4256/mio.2010.0014
Martínez, A. (2016). Factores socio-culturales asociados al emprendedor: evidencia empírica para América Latina. Revista
Venezolana de Gerencia, 21(74), 312-330. Recuperado de https://www.redalyc.org/journal/290/29046685009/html/
Moskovits, C. (2021). Una situación fiscal insostenible. Indicadores de Coyuntura, 636, 6-8. Recuperado de
www.fiel.org/publicaciones/IndicadoresCoyuntura//COYU_99_1636396773121.pdf
Orazi, S. y Reyes, M. (2020). Encuesta Virtual PUE: Metodología de diseño, difusión y nivel de respuesta. IIESS CONICET.
Bahía Blanca. Documento de trabajo PUE n°11. Recuperado de https://iiess.conicet.gov.ar/images/Documentos-de-
trabajo-PUE/PUE11.pdf
Susmel, N. (2021). Ingresos en la pandemia. Indicadores de Coyuntura, 633,10-12. Recuperado de
http://www.fiel.org/publicaciones/IndicadoresCoyuntura//COYU_99_1628285670564.pdf
Susmel, N. (2021). Sin alcanzar el nivel pre pandemia. Indicadores de Coyuntura, 636,.10-11. Recuperado de
www.fiel.org/publicaciones/IndicadoresCoyuntura//COYU_99_1636396773121.pdf
Van Meter, K. (1990). Methodological and design issues: techniques for assessing the representatives of snowball samples.
In Lambert, E. (org.) The collection and interpretation of data from hidden populations. Recuperado de
https://archives.drugabuse.gov/sites/default/files/monograph98.pdf
Voicu, M. & Babonea, A. (2011). Using the snowball method in marketing research in hidden population. International
conference. Journal Volume & Issue, 1,1341- 1351. Recuperado de
https://doaj.org/article/92cee3cbe5b74333ab0f96f635e97125
Welch, S. (1975) Sampling by referral in a dispersed population. Public Opinion Quarterly, 39(2)., 237-245.
https://doi.org/10.1086/268221
Williams, R. (2006). Generalized Ordered Logit/Partial Proportional Odds Models for Ordinal Dependent Variables. The
Stata Journal, 6(1), 58-82. Recuperado de http://www.nd.edu/~rwilliam/gologit2/gologit2.pdf
Contribución de los autores
MIM: conceptualización, conservación de datos, investigación, redacción -borrador original
CM: análisis formal, investigación, metodología, validación.
Financiación:
No se recibió ningún tipo de financiamiento.
68
