28
Determinantes para la continuidad de las empresas grandes de Ecuador
Determinants for the continuity of large companies in Ecuador
URL: https://revistas.uta.edu.ec/erevista/index.php/bcoyu/article/view/1160
María Chávez-Pullas
1
; Miguel Herrera-Estrella
2
Fecha de recepción: 27 de noviembre de 2020 Fecha de aceptación: 30 de junio de 2021
Resumen
La predicción de la continuidad de las empresas es tratada por diferentes tipos de metodologías, sin embargo, el modelo de
Altman es el que mejor se adapta a los países emergentes como Ecuador. En esta investigación, se establece como
causalidad la liquidez, la razón entre el Impuesto a la Renta y el total de activos, el tamaño de las empresas y la contratación
de una BIG4. La finalidad de la investigación es establecer la probabilidad de bancarrota de las grandes empresas de
Ecuador. A través del modelo logit multinomial, se establece las diferentes probabilidades que se encuentran en el modelo
conocido como Z score. Este modelo se lo establece debido a que ayuda a determinar la probabilidad que ostenta las
empresas de acuerdo a los rangos establecidos por este indicador. En los resultados obtenidos se encuentran la significancia
que tiene las variables independientes en las grandes empresas de Ecuador como determinantes para la continuidad de las
entidades. Se concluye en la presente investigación, que, las políticas de financiamiento que adoptan las entidades influyen
de forma significativa en la probabilidad de quebrar.
Palabras claves: Z de Altman, liquidez, insolvencia, rentabilidad, logit multinomial
Abstract
The prediction of business continuity is treated by different types of methodologies, however, Altman's model is the one that
best suits emerging countries like Ecuador. This investigation establishes as causality liquidity, the ratio between Income Tax
and total assets, the size of companies and the hiring of a BIG4. The purpose of the investigation is to establish the probability
of bankruptcy of large companies in Ecuador. Through the multinomial logit model, the different probabilities found in the model
known as Z score are established. This model is established because it helps determine the probability that companies hold
according to the ranges established by this indicator. In the results obtained are the significance of the independent variables
in the large companies of Ecuador as determinants for the continuity of the entities. It is concluded in the present investigation
that the financing policies adopted by the entities have a significant influence on the probability of bankruptcy.
Keywords: Altman's Z, liquidity, insolvency, profitability, multinomial logit
1
Universidad Politécnica Salesiana. Carrera de Contabilidad y Auditoría. Guayaquil-Ecuador. Email: mchavez@ups.edu.ec. ORCID: https://orcid.org/0000-0002-
2830-2022
2
Universidad Politécnica Salesiana. Carrera de Contabilidad y Auditoría. Guayaquil-Ecuador. Email: mherrerae@ups.edu.ec. ORCID: https://orcid.org/0000-
0002-6177-3045
Determinantes para la continuidad de las empresas grandes de Ecuador
Determinants for the continuity of large companies in Ecuador
Esta publicación se encuentra bajo una licencia de Creative Commons
Reconocimiento - NoComercial 4.0 Internacional.
Boletín de Coyuntura, Nº 29; abril - junio 2021; e-ISSN 2600 - 5727 / p-ISSN 2528 - 7931; UTA-Ecuador; Pág.28 - 34
29
Introducción
En el ámbito de las inversiones financieras es indudable la
importancia que tienen la presentación los estados
financieros para descifrar la situación financiera de las
entidades. En este aspecto y tal como sostiene Correa
(2005) que la contabilidad financiera debe de ser útil no
solamente para el cumplimiento de una obligación, si no que
se la debe considerar como una herramienta de provecho y
junto al análisis financiero que se la catalogue como un
sistema de información para los distintos usuarios.
Los diversos indicadores financieros, entregan información
sustancial a los usuarios de los informes que exigen las
Normas Internacionales de Información Financiera, los
cuales sirven como herramientas para la toma de
decisiones con la finalidad de optimizar el crecimiento de las
entidades (Cardona, Martínez, Velásquez y López, 2015).
Por tanto, se establece que la utilidad de los indicadores
financieros está dada en la información contable, lo cual
permite corregir cualquier situación que perjudique a las
diversas entidades. En otro aspecto, Ochoa, Toro, Betancur
y Correa (2009) señalan que el análisis financiero presenta
la limitante de predecir la continuidad de las entidades, por
lo que se requiere modelos que entreguen información
sobre la posibilidad de bancarrota de las empresas como es
el modelo de la Z de Altman.
Desde un punto de vista social De Llano, Piñero y
Rodríguez (2016) manifiestan que la quiebra de las
diferentes compañías no es un asunto netamente de las
anteriores crisis económicas, sino más bien es un problema
de actualidad, dado que atañe problemas sociales como: la
disminución de la tasa de empleo entre otros. De esta
manera la predicción de continuidad de las empresas es
una información pertinente para el sector social de los
diferentes países y sobre todo para Ecuador que presenta
una tasa de empleo adecuado relativamente baja en
comparación con la tasa del subempleo que bordea el 47%
datos proporcionados por el Instituto Nacional de
Estadística y Censo del año 2017, organismo
gubernamental encargado de las cifras oficiales.
En esta misma línea y como señalan Perez, Gonzáles y
Lopera (2013) el efecto que una empresa entre en
bancarrota implica muchas manifestaciones negativas es
decir para los acreedores, clientes, trabajadores, los
accionistas y los consumidores. De esta forma se requiere
establecer una herramienta para determinar con
anterioridad la situación de bancarrota de las empresas y
así poder tomar medidas para atenuar una situación
amenazante.
En la primera sección de la presente investigación se ilustra
la teoría pertinente a la continuidad de las empresas, a
través de los diferentes modelos. Además, se indica
estudios relacionados con la predicción de quiebra en
países que coyunturalmente son similares a Ecuador. En la
siguiente sección se propone la metodología que en la
presente investigación se determinó que el modelo logístico
multinomial es el adecuado. Los resultados de este estudio,
se ilustran en la sección tres. En este epígrafe se procede
a correr el modelo propuesto a través del programa
estadístico R. Por último, se presentan las conclusiones de
esta investigación científica donde se establecen la
influencia significativa del ratio de liquidez, el tamaño de las
entidades, la razón entre el Impuesto a la Renta y el total de
activos y la contratación de una BIG4. De acuerdo a la
literatura las BIG 4 en auditoría son: Deloitte,
PriceWaterhouseCoopers, Ernst & Young, KPMG.
Marco Teórico y literatura previa
La primera propuesta para predecir la continuidad de las
empresas fue realizada por Altman en el año de 1968. Esta
propuesta novedosa “emplea análisis discriminante (MDA)
para formular una función que puntúa y clasifica a las
observaciones en función de su riesgo, evaluado mediante
cinco ratios contables” (De Llano et al., 2016, p. 165).
Por otro lado, y según la teoría se define a la insolvencia
corporativa como la caída del valor del activo o por la
escasez de la liquidez de las entidades. En este ámbito, se
podría definir que los ratios financieros, que se calculan en
base a los movimientos de flujos de efectivo y a la estructura
de los valores razonables de los activos, son diferentes
entre las entidades que se cataloga como insolvente y las
entidades que se las consideran financieramente robusta
(Bandyopadhyay, 2006).
La preocupación de establecer mecanismos para evitar una
futura bancarrota de las empresas es un tema que se ha
abordado desde varios puntos vistas. Es así, que los
primeros estudios que abordaron los temas de predicción
sobre la continuidad de las empresas se basaron en
métodos estadísticos y análisis financieros. Por supuesto,
en esta etapa se ilustraban datos netamente descriptivos,
es decir, este método no poseía la capacidad de predecir la
continuidad de las empresas (Perez et al., 2013).
De esta manera, las primeras etapas que trataron el tema
de las bancarrotas de las empresas, fueron analizadas
exclusivamente con indicadores financieros y no fue sino
hasta el año 1966 que Beaver presentó un modelo
univariable, el cual adelantó de forma significativa la
predicción de la bancarrota. Luego en 1968 aparecen los
modelos multivariables de Altman que aportan nuevas
facetas en la predicción de continuidad de las empresas. En
esta investigación, se determina que los modelos de Altman
proporcionan una información fidedigna que establece la
probabilidad de que las empresas puedan llegar a una
quiebra. Y tal como lo define Ochoa et al. (2009) el modelo
de Altman:
Es un indicador que recopila varios
indicadores financieros, cada uno con una
proporción diferente, lo cual permite llegar a
un análisis más completo que el ofrecido por
otros modelos y facilita la obtención de unas
conclusiones más precisas. Es una
herramienta práctica que permite comparar
los resultados obtenidos con unos rangos ya
M. Chavéz, M. Herrera. / Boletín de Coyuntura, Nº 29; abril - junio 2021; e-ISSN 2600 - 5727 / p-ISSN 2528 - 7931; UTA-Ecuador; Pág.28 - 34
Determinantes para la continuidad de las empresas grandes de Ecuador
Determinants for the continuity of large companies in Ecuador
30
establecidos por el mismo autor, lo que
genera mayor confianza (p. 232).
Abínzano, Muga y Santamaría (2010) están en la misma
línea al manifestar que el modelo de Altman, conocida
también como la Z de Altman o Z score (Burneo y
Lizarzaburu, 2016), se lo puede considerar como la medida
clásica para obtener la probabilidad de insolvencia de las
empresas. En este aspecto Valencia, Trochez, Vanegas y
Restrepo (2016) aducen que existen numerosas
investigaciones relacionadas a establecer la probabilidad de
quiebra de instituciones financieras y grandes empresas,
mediante la utilización de la Z de Altman.
La presente investigación, tiene como objetivo general el
establecer la probabilidad de predecir la continuidad de las
empresas grandes de Ecuador mediante la Z de Altman con
la finalidad de proporcionar información relevante a los
diferentes usuarios de los estados financieros utilizando
como determinantes el grado de liquidez, los costos
fiscales, el tamaño de las empresas y la contratación de las
BIG4.
Las unidades de análisis de esta investigación son las
empresas privadas que se encuentran supervisadas por la
Superintendencia de Compañías Valores y Seguros de
Ecuador. En este aspecto y por la razonabilidad de los
estados financieros se establece que los datos a recolectar
sean de empresas grandes. Es necesario indicar que la
estratificación de las empresas en Ecuador lo establece el
artículo 106 del Reglamento a la Estructura de Desarrollo
Productivo de Inversión, donde manifiesta que las
empresas grandes son las que ostentan ventas mayores a
cinco millones de dólares.
Tabla 1. Clasificación de las compañías en Ecuador
Micro
empresas
Pequeñas
empresas
Medianas
empresas
Grandes
empresas
$300.000
$300.001 -
$1´000.000
$1´000.001
-
$5´000.000
Mayor
$5´000.001
Fuente: Reglamento del Código Orgánico de la Producción
Comercio e Inversiones artículo 106 (2010)
Dado este escenario la población de la investigación son las
compañías de Ecuador que hasta el 2016 eran 59.840 de
las cuales, el 34,6% son consideradas dentro de la
categoría pequeñas, el 44,5% están dentro de la categoría
de microempresa, el 14,65% son consideradas medianas y
el 6,3% se las cataloga como grandes.
La razonabilidad en la presentación de los estados
financieros de las empresas ecuatorianas, es necesaria
para la validez y confiabilidad de la investigación, y esta se
presenta en los informes que realizan las empresas
auditoras (Escalante y Hulett, 2010). Es importante señalar
que las empresas ecuatorianas que revelan en sus estados
financieros activos superiores a quinientos mil dólares, se
encuentran obligadas a presentar un informe de auditoría
externa según la resolución No. SCVS-INC-DNCDN-2016-
011. Es preciso indicar que las compañías grandes en
Ecuador, presentan en sus estados financieros, activos
superiores al medio millón de dólares, por tanto, se
encuentran en la obligación de contratar a firmas auditoras.
De esta manera la razonabilidad y la fiabilidad de los
informes financieros de las unidades de investigación es
robusta.
La investigación científica ilustra a la Z de Altman como
variable dependiente. Andrade, Moscoso y Salcedo (2017)
indican que existen en la actualidad modelos de Altman
para predecir la quiebra de empresas que cotizan en los
mercados bursátiles, pero también sostienen que hay un
modelo para las empresas que no cotizan en las bolsas de
valores. Los investigadores citados presentan un modelo
donde se conjugan cuatro ratios financieros sobre
empresas colombianas que no cotizan en el mercado
bursátil. Con el siguiente modelo se establece la
cuantificación de la variable latente de la posible quiebra de
las empresas colombianas.
Z”
EMS
= 6,56 (X1) + 3,26 (X2) + 6,72 (X3) + 1,05 (X4) +3,25
Donde:
X1 = Activos Corrientes – Pasivos Corrientes /
Total de Activos
X2 = Utilidades retenidas / Total de Activos
X3 = EBIT / Total de Activos
X4 = Total Patrimonio / Total de Pasivos
Así, para esta investigación científica se cuantificó la
variable dependiente, a través del modelo propuesto por
Andrade et al. (2017). Es necesario señalar que en el
estudio indicado se ilustra el rango de bancarrota de las
empresas, es decir, la interpretación que tiene el valor
encontrado.
Tabla 2. Clasificación de la Z de Altman
Z de Altman
Clasificación
Z > 6,15
Seguridad
4,46 > Z > 6,15
Zona gris
Z < 4,46
Área de bancarrota
Fuente: Andrade, Moscoso y Salcedo (2017)
Para la causalidad de la Z de Altman se establece la liquidez
de las empresas grandes de Ecuador, el peso de los costos
fiscales que tiene sobre los activos, el tamaño de las
empresas y la contratación de las BIG4. Pérez, Garzón y
Nieto (2009) realizaron un estudio en Colombia a un grupo
de 127 empresas donde definen que la razón financiera más
utilizada por las empresas es el ROA, utilidad operativa
dividida para el total de activos. Los investigadores
argumentan que la rentabilidad de las empresas es una
determinante para predecir la quiebra financiera. Sin
embargo, Andrade et al. (2017) manifiestan que existe una
relación entre la liquidez de las empresas y la bancarrota de
las mismas. En esta investigación los autores señalan que
la ratio de liquidez es un variable de causalidad de las
empresas fallidas.
Le, Mai y Nguyen (2020) argumentan en una investigación,
realizada a 584 empresas del servicio de la construcción en
Vietnam, que existen muchos factores que determinan la
rentabilidad de las empresas y uno de los factores que
influencian en la rentabilidad de las diversas entidades, es
el tamaño de las empresas. En este estudio la
M. Chavéz, M. Herrera. / Boletín de Coyuntura, Nº 29; abril - junio 2021; e-ISSN 2600 - 5727 / p-ISSN 2528 - 7931; UTA-Ecuador; Pág.28 - 34
Determinantes para la continuidad de las empresas grandes de Ecuador
Determinants for the continuity of large companies in Ecuador
31
operacionalización de esta variable se la realiza a través del
logaritmo natural del nivel de activos.
Por su parte Tascón y Castaño (2015) manifiestan que los
costos fiscales son una determinante válida para establecer
la probabilidad de insolvencia y de bancarrota de una
empresa. En el presente estudio se procede a dividir el
valor del Impuesto a la Renta causado para el total de los
activos para determinar el peso de los costos fiscales en la
inversión que ostenta las empresas.
En la investigación realizada en Malaysia por Abdul-Manaf,
Amran y Ishak (2016) conjeturan que la contratación de una
firma auditora considerada como BIG4 mejora la relevancia
valorativa de las entidades. En este aspecto se sostiene
que los informes que proporcionan las BIG4, contribuyen a
la fiabilidad relativo a la aplicación de las Normas
Internacionales de Información Financiera. Dado el
escenario la hipótesis nula de esta investigación es: La
liquidez, los costos fiscales, el tamaño de las empresas y la
contratación de las BIG4, son determinantes para predecir
la bancarrota de las grandes empresas de Ecuador.
Metodología
En este trabajo investigativo se ciñe al paradigma
neopositivista, el cual busca la causalidad entre la variable
dependiente y las variables independientes (Corbetta,
2013). La recolección de los datos se la realiza de fuentes
secundarias las cuales se las obtiene del organismo oficial
de Ecuador que controla a las entidades privadas. Se
señala que la información financiera de las empresas
grandes de Ecuador es pública y se la obtiene, a través de
la página web de la Superintendencia de Compañías
Valores y Seguros.
Como se estableció con anterioridad las unidades de
análisis para esta investigación son las grandes compañías
en Ecuador, dado que las informaciones financieras de
estas presentan características cualitativas de integridad y
fidelidad, ya que el total de las entidades estratificadas son
auditadas de forma externa.
Tabla 3. Grandes empresas de Ecuador
Periodo
Grandes Empresas
Muestra
2012
2.418
358
2013
2.614
358
2014
8.391
380
2015
8.665
378
2016
9.092
385
2017
8.787
390
2018
13.553
398
Fuente: Elaboración propia a partir de SUPERCIAS (2019)
Se observa en la tabla anterior la estratificación de las
grandes empresas en Ecuador y además se ilustra la
selección de la muestra probabilística, mediante la fórmula
ilustrada en el trabajo de Rositas (2014). El total de
observaciones son de 2.647 empresas.
La metodología para establecer la probabilidad de que una
empresa grande en Ecuador sea fallida es el logit
multinomial. Varela y Nava (2015) en su trabajo de
investigación, realizado en México, donde la variable
dependiente es discreta o categórica y además, sus valores
son más de dos por lo que utilizan el modelo logit
multinomial. Para determinar la probabilidad de pertenecer
a una categoría el modelo logit multinomial utiliza la
regresión logística a través del método máxima
verosimilitud (Gómez, 2012).
Bajo este contexto, se establece que el modelo que se
utiliza para determinar la continuidad de las empresas
grandes de Ecuador es el logit multinomial, dado que la
variable dependiente de la presente investigación, es
discreta y presenta más de dos variables. El valor
establecido para la variable dependiente es 3 cuando la Z
de Altman es mayor que 6,15, es 2 cuando la Z se encuentra
entre 4,46 y 6,15 y es 1 cuando es menor que 4,46. Por
tanto, la interpretación del modelo econométrico propuesto
es que el número 3 representa la zona de seguridad, el
número 2 representa la zona gris y el número 1 representa
zona de bancarrota.
 
  
 

 
  
Donde:
Z = Valor puede ser 3, 2 o 1 en base al modelo de
Altman
RATLIQ = La razón de liquidez Activos corrientes /
Pasivos corrientes
IRACT = Impuesto causado / Total de activos
TOTACT = Total de activos
BIG4 = Contratación de una firma auditora BIG4 es
1 y no contratación es 0
= Término de perturbación
Para encontrar los coeficientes o betas, se utiliza el
programa estadístico R a través del paquete nnet, el cual
tiene la librería “multinom” que es el comando que se utiliza
para calcular el logit multinomial. A continuación, se ilustra
el lenguaje de programación que se emplea para el logit
multinomial en el programa estadístico.
multilogi <- multinom (Y ~ RATIO_LIQ + IRACT + TOTACT
+ BIG4, data = datos)
Resultados
Los modelos de regresión logística, como son los logit
multinomial, utilizan el método de máxima verosimilitud para
estimar las betas o coeficientes (Bandyopadhyay, 2006).
De esta manera los signos que se ilustran en la tabla 4 nos
indica si las probabilidades son directa o inversamente
proporcionales a la categoría base (Lai y Chen, 2019). Los
modelos logísticos multinomiales determinan la
probabilidad de pertenecer en una categoría. Para esta
investigación se seleccionó tres categorías, por tanto, la
probabilidad de este modelo son la razón entre la categoría
1 y las categorías 2 y 3 respectivamente.
M. Chavéz, M. Herrera. / Boletín de Coyuntura, Nº 29; abril - junio 2021; e-ISSN 2600 - 5727 / p-ISSN 2528 - 7931; UTA-Ecuador; Pág.28 - 34
Determinantes para la continuidad de las empresas grandes de Ecuador
Determinants for the continuity of large companies in Ecuador
32
Tabla 4. Coeficientes del logit multinomial
Coeficientes
Intercepto
RATLIQ
IRACT
TOTACT
BIG4
2
0,066
-0,039
3,276
-1,10e-09
0,59
3
-0,454
0,452
52,274
-2,45e-09
0,342
Fuente: Elaboración propia a partir del modelo
econométrico propuesto (2019)
En la tabla 4, se observa que el modelo logit multinomial
presenta los coeficientes con signos positivo y negativo. Se
infiere que los signos positivos están directamente
relacionados con la probabilidad de la categoría base y los
coeficientes que ilustran signos negativos están
inversamente relacionados con la categoría base. El
modelo logit multinomial de la presente investigación acoge
como categoría base a la categoría 1.
El ratio de liquidez de la categoría dos es negativo, por lo
que, se determina que al incrementarse el indicador en
análisis la probabilidad de que la entidad se ubique en la
categoría 2 decrece. De la misma manera se observa que
el signo de la categoría 3 es positivo. Esta situación denota
que el incremento de la liquidez de las entidades grandes
de Ecuador hace que la probabilidad de que las entidades
se ubiquen en la categoría 3 aumente.
El siguiente indicador, que refleja el peso que ostenta el
impuesto a la renta sobre los activos, presenta signos
positivos en las categorías 2 y 3, por tanto, se deduce que
el incremento de este indicador aumenta la probabilidad de
pertenecer a una de las categorías.
El indicador total de activos ilustra signos negativos, por
tanto, la probabilidad de pertenecer a una categoría con
referencia a la categoría base es inversa y no directa. Se
infiere que el aumento de los activos de las empresas
grandes de Ecuador, disminuye la probabilidad de
pertenecer en las categorías 2 o 3. Por último está la
variable dicotómica, que es la contratación de una firma
auditora considera BIG 4. Se observa que los signos son
positivos, se deduce que el aumento en la selección de una
BIG 4 aumenta la probabilidad de pertenecer en la categoría
2 o 3.
En la tabla 4, se observa las estimaciones de las dos
intersecciones, que a veces se denominan puntos de corte.
Las interceptaciones indican dónde se corta la variable
latente para formar los tres grupos que se observa en el
conjunto de datos. Tenga en cuenta que esta variable
latente es continua. En general, estos no se utilizan en la
interpretación de los resultados. Los puntos de corte están
estrechamente relacionados con los umbrales.
Tabla 5. Prueba de Wald
Intercepto
RATIO_LIQ
IRACT
TOTACT
BIG4
2
4,742e+16
-2,00e+16
1,47e+20
-2,284
5,22e+17
3
-3,10e+17
2,04e+17
1,77e+21
-5,295
3,06e+17
Fuente: Elaboración propia a partir del modelo
econométrico propuesto (2019)
Al analizar la significancia de cada variable; se observa que
la prueba de Wald es mayor que 2, por lo que, se induce
que los coeficientes son estadísticamente significativos. A
continuación, se presenta los odds ratios del modelo logit
multinomial. Los odds ratios son los anti logarítmicos de los
coeficientes del modelo, es decir de las betas calculadas.
La interpretación de los odds ratios, se los relaciona al
número de veces que puede ocurrir el evento, por tanto, la
información proporcionada por los odds ratios ilustran el
mayor impacto que presentan las variables independientes
(Romero, 2013).
Tabla 6. Odds ratios del logit multinomial
RATLIQ
IRACT
TOTACT
BIG4
2
0,961
26,47
1
1,803
3
1,571
5,03e+22
1
1,408
Fuente: Elaboración propia a partir del modelo
econométrico propuesto (2019)
Se observa que el Impuesto a la Renta, tiene un peso
considerable debido a que los odds ratios calculados
manifiestan que estos pueden producir un evento 26 veces
en la categoría 2. En la siguiente categoría el impacto es
mayor dado que el evento se produce 5,03e-22. De esta
manera las empresas que el indicador del impuesto a la
renta sobre los activos, se incrementa tiene la probabilidad
de producir el evento en la dimensión descrita. La razón de
liquidez puede producir el evento 0,961 veces en la
categoría dos, pero en la categoría tres el evento tiene la
probabilidad de producirse en 1,57 veces que la categoría
base. El total de activos no representa alguna diferencia
entre las categorías dado que los odds ratios es uno. La
variable dicotómica presenta la categoría dos 1,8 veces la
probabilidad de producirse con respecto a la categoría
base, en la categoría tres el número de eventos que
probablemente sucedería es de 1,408 veces.
En la siguiente tabla, se ilustra la matriz de confusión del
modelo logit multinomial. Además, se determina la bondad
del modelo a través de los verdaderos y falsos positivos, es
decir que la tabla demuestra cuando los unos son unos, los
dos son dos y los tres son tres.
Tabla 7. Matriz de confusión del logit multinomial
1
2
3
Total
1
210,62
7
6
34
2
205
860,25
50
341
3
236
483
1.553,68
2.272
Fuente: Elaboración propia a partir del modelo
econométrico propuesto (2019)
Se observa en la tabla 7 las 2.647 empresas analizadas en
la presente investigación distribuidas de acuerdo a la
categoría correspondiente. En la categoría uno de acuerdo
a la predicción del modelo se establece una clasificación
aceptable de 62% que se lo obtiene dividiendo el 21, que es
la clasificación correcta, para 34. En la categoría dos la
clasificación es 25% el cálculo es igual a la categoría uno.
En la categoría tres la clasificación es del 68% siendo de
M. Chavéz, M. Herrera. / Boletín de Coyuntura, Nº 29; abril - junio 2021; e-ISSN 2600 - 5727 / p-ISSN 2528 - 7931; UTA-Ecuador; Pág.28 - 34
Determinantes para la continuidad de las empresas grandes de Ecuador
Determinants for the continuity of large companies in Ecuador
33
mayor impacto. A través del promedio de la predicción del
modelo se establece el umbral dando un resultado de 37%.
De esta manera, se colige que la probabilidad de que un
evento pertenezca a la categoría dos está por encima del
umbral en relación con la categoría uno que es la base. Es
decir, el modelo logit multinomial determina que existe
mayor probabilidad que un evento se incorpore en las
categorías dos y tres que en la categoría uno.
Para interpretar los efectos de un modelo logit multinomial
se calcula los efectos marginales. “El cálculo de los efectos
marginales permite conocer la dinámica de cada una de las
variables explicativas sobre las diferentes categorías”
(Castro y Pérez, 2017, p.307). En la siguiente tabla, se
presenta los efectos marginales del modelo logístico
multinomial propuesto en esta investigación.
Tabla 8. Efectos marginales del logit multinomial
RATLIQ
IRACT
TOTACT
BIG4
2
-0,00948
0,785
-2,64e-10
0,141
3
0,10836
12,539
-5,89e-10
0,082
Fuente: Elaboración propia a partir del modelo
econométrico propuesto (2019)
Los efectos marginales se interpretan de forma porcentual,
es decir, que por un por ciento que incremente la razón de
liquidez, la probabilidad de trasladarse de la categoría base
a la categoría dos es de 0,0948% de forma inversa.
Siguiendo en el análisis de la variable de liquidez, se
observa que la categoría tres se incrementa en 0,10836%
por el aumento de 1% del indicador. De la misma manera,
se interpreta el indicador del impuesto a la renta. La tabla 8
ilustra que este indicador es el que mayor impacto tiene en
la probabilidad de pertenecer a la categoría dos o tres. De
acuerdo a la lectura lineal se infiere que por cada uno por
ciento que este indicador aumente, la categoría dos
aumentará en 0,785%. Para la categoría tres de este
indicador el incremento de una unidad porcentual aumenta
en 12,539% con respecto a la categoría uno, que es la base.
El total de activos, que mide el tamaño de las empresas,
presenta signos negativos, por tanto, se deduce que el
incremento de los activos de las grandes empresas de
Ecuador; reduce porcentualmente tanto en la categoría dos
y tres en relación con la categoría base. Sin embargo, se
observa que el cambio porcentual es demasiado bajo, por
lo que no influye de forma significativa. La elección de una
BIG 4 para realizar el informe de la auditoría externa
presenta signos positivos, por tanto, por cada incremento en
un punto porcentual la categoría dos aumentará en 0,141%
y para la categoría tres este se incrementará en 0,082%.
Conclusiones
Tal como manifiesta Chiaramonte, Croci y Poli (2015) que
la Z de Altman es una herramienta que es útil para predecir
la bancarrota de las entidades. En esta misma
investigación, que se realizó en doce países europeos,
establece la necesidad de que las empresas presenten los
estados financieros auditados para que la predicción sea
más robusta. Una conclusión de la investigación, es que el
modelo de Altman es válido en el sentido de que la
información financiera sea fiable.
En la presente investigación, se comprueba la hipótesis. Se
establece a través del modelo logit multinomial que el índice
de liquidez, los costos fiscales, en el tamaño de las
empresas y la selección de una BIG 4 de las empresas
grandes de Ecuador influye en la probabilidad de pertenecer
a las zonas de seguridad, gris y bancarrota.
Se infiere por los resultados obtenidos que el nivel del
Impuesto a la Renta, incide de forma estadísticamente
significativa en la probabilidad de predicción de una
empresa fallida. Los costos fiscales fueron más
determinantes que las demás variables independientes. De
esta manera se establece existe una fuerte relación entre el
nivel del Impuesto a la Renta y la predicción de la
bancarrota. Los efectos marginales ayudan a interpretar
este tipo de relación, dado que la segunda variable
independiente es razón entre el Impuesto a la renta y el total
de activos, por tanto, se concluye que cada vez que se
aumente el nivel del impuesto en cuestión, la probabilidad
de pertenecer a la categoría de seguridad es de 12,539%.
Por otro lado, la liquidez tiene un papel significativo en la
predicción de empresa fallida, aunque en menor medida
que el nivel del Impuesto a la Renta. De la misma manera
los efectos marginales ayudan a interpretar el modelo logit
multinomial. Si la razón de liquidez aumenta, es decir,
disminuye los activos corrientes o se incrementa los pasivos
corrientes, la probabilidad de pertenecer a una zona gris o
de bancarrota aumenta.
Dado que se ha demostrado mediante el modelo de logit
multinomial que el nivel del Impuesto a la Renta con
respecto a los activos influye significativamente, por tanto,
se deduce que las empresas grandes de Ecuador están
realizando sus obligaciones tributarias de acuerdo con la ley
tributaria ecuatoriana, dado que el Impuesto a la Renta está
supeditado al nivel de ventas. En este aspecto se concluye,
que las empresas grandes por su capacidad poseen
personal muy capacitado en el área tributaria.
Un aspecto concluyente, es la elección de una firma
auditora considera BIG 4. Esta situación mejora la posición
de la empresa con respecto a la Z de Altman. El modelo de
esta investigación demuestra que las entidades ostentan
una seguridad financiera al estar supervisados por una firma
que se la considere como BIG 4.
Un aspecto a considerar es el tamaño de las entidades. El
modelo de esta investigación, determina que el aumento de
los activos aumenta la probabilidad de pertenecer a la zona
de riesgo. Se infiere que las grandes compañías de
Ecuador no están siendo muy eficientes en la
administración de sus activos. Sin embargo, el impacto es
bajo dado que los efectos marginales de esta variable
arrojan valores porcentuales pequeños.
M. Chavéz, M. Herrera. / Boletín de Coyuntura, Nº 29; abril - junio 2021; e-ISSN 2600 - 5727 / p-ISSN 2528 - 7931; UTA-Ecuador; Pág.28 - 34
Determinantes para la continuidad de las empresas grandes de Ecuador
Determinants for the continuity of large companies in Ecuador
34
Referencias
Abdul-Manaf, K., Amran, N. y Ishak, R. (2016). Audit Size
and Earnings Value Relevance in Malaysia.
International Information Institute, 19(7(A)), 2655–
2659.
Abínzano, I., Muga, L. y Santamaría, R. (2010). ¿Es el
efecto momentum exclusivo de empresas
insolventes? Revista Espanola de Financiacion y
Contabilidad, 39(147), 445–470.
Andrade, N., Moscoso, F. y Salcedo, C. (2017). Liquidity,
profitability, tax rate and bankruptcy risk in colombian
SMEs. Estudios de Administración, (1), 16–33.
Bandyopadhyay, A. (2006). Predicting probability of default
of Indian corporate bonds: logistic and Z-score model
approaches. Journal of Risk Finance, 7(3), 255–272.
https://doi.org/10.1108/15265940610664942
Burneo, K. y Lizarzaburu, E. (2016). Gobierno Corporativo
en Mercados Emergentes: Impacto en la Bolsa de
Valores de Lima – BVL. Globalización, Competitividad
y Gobernabilidad, 10(3), 57–115.
https://doi.org/10.3232/gcg.2016.v10.n3.03
Cardona, J., Martínez, A., Velásquez, S. y López, Y. (2015).
Análisis de indicadores financieros del sector
manufacturero del cuero y marroquinería: un estudio
sobre las empresas colombianas. Informador
Técnico, 79(2), 156–168.
https://doi.org/10.23850/22565035.160
Castro, D. y Pérez, A. (2017). Estimación De La
Probabilidad De Incumplimiento Para Las Firmas Del
Sector Económico Industrial Y Comercial En Una
Entidad Financiera Colombiana Entre Los Años 2009
Y 2014. Cuadernos de Economía, 36(71), 293–319.
https://doi.org/10.15446/cuad.econ.v36n71.55273.Es
te
Chiaramonte, L., Croci, E. y Poli, F. (2015). Should we trust
the Z-score? Evidence from the European Banking
Industry. Global Finance Journal, 28, 111–131.
https://doi.org/10.1016/j.gfj.2015.02.002
Corbetta, P. (2013). Metodologia y Teccnicas de la
investigacion Social.
Correa, J. (2005). De la partida doble al análisis financiero.
Contaduria Universidad de Antioquia, (46), 169–194.
Retrieved from
https://search.proquest.com/docview/198764218?acc
ountid=150292
De Llano, P., Piñero, C., & Rodríguez, M. (2016). Predicción
del fracaso empresarial. Una contribución a la síntesis
de una teoría mediante el análisis comparativo de
distintas técnicas de predicción. Estudios de
Economía, 43(2), 163–198.
Escalante, P. y Hulett, N. (2010). Importancia de la auditoría
de estados financieros para las Pyme´s: Una revisión
documental. Actualidad Contable Faces, 13(20), 19–
28. Retrieved from
http://www.redalyc.org/pdf/257/25715828003.pdf
Gómez, A. (2012). LiberaLización económica y crecimiento
económico. modeLo Logit muLtinomiaL apLicado a La
metodoLogía de “doing business.” Entramado, 7(1),
32–49.
Lai, D. y Chen, C. (2019). Comparison of the linear
regression, multinomial logit, and ordered probability
models for predicting the distribution of thermal
sensation. Energy and Buildings, 188–189, 269–277.
https://doi.org/10.1016/j.enbuild.2019.02.027
Le, T., Mai, V. y Nguyen, V. (2020). Determinants of
profitability: evidence from construction companies
listed on Vietnam Securities Market. Management
Science Letters, 10, 523–530.
https://doi.org/10.5267/j.msl.2019.9.028
Ochoa, Y., Toro, D., Betancur, L. y Correa, J. (2009). El
indicador Z , una forma de evaluar el riesgo de
continuidad. Contaduría Universidad de Antioquia,
(54), 225–255.
Perez, J., Gonzáles, K. y Lopera, M. (2013). Modelos de
prediccion de la fragilidad empresarial: Aplicacion al
caso Colombiano para el año 2011. Red de Revistas
Cientificas de America Latina, El Caribe, España y
Portugal, (22), 205–228. Retrieved from
http://www.redalyc.org/pdf/861/86131758010.pdf
Pérez, R., Garzón, M. y Nieto, M. (2009). Análisis empírico
de la aplicación del modelo de modernización dela
gestión para organizaciones en PYMES colombianas.
Revista Escuela de Administración de Negocios, (65),
77–105.
Romero, F. (2013). Variables financieras determinantes del
fracaso empresarial para la pequeña y mediana
empresa en Colombia : análisis bajo modelo Logit 1
Determining financial variables in the business failure
to small and medium enterprises in Colombia :
analysis on Logi. Pensamiento & Gestion, 34, 235–
277. https://doi.org/10.1002/0471473332
Rositas, J. (2014). Los tamanos de las muestras en
encuestas de las ciencias sociales y su repercusion
en la generacion del conocimiento (Sample sizes for
social science surveys and impact on knowledge
generation). Innovaciones de Negocios, 11(2), 235–
268. Retrieved from
http://www.web.facpya.uanl.mx/rev_in/Revistas/11_2
2/11.22 Art4 pp 235 - 268.pdf
Tascón, M. y Castaño, F. (2015). Variables y modelos para
la identificación y predicción del fracaso empresarial:
Revisión de la investigación empírica reciente.
Revista de Contabilidad, 15(1), 7–58.
https://doi.org/1138-4891
Valencia, M., Trochez, J., Vanegas, J. y Restrepo, J. (2016).
Modelo para el análisis de la quiebra financiera en
pymes agroindustriales antioqueñas. Apuntes Del
Cenes, 35(62), 147–168.
https://doi.org/10.19053/22565779.4310
Varela, R. y Nava, M. (2015). Determinantes de la búsqueda
de empleo desde la ocupación: una estimación Logit
Multinomial. Estudios Sociales. Revista de
Alimentación Contemporánea y Desarrollo Regional,
23(45), 83–111.
M. Chavéz, M. Herrera. / Boletín de Coyuntura, Nº 29; abril - junio 2021; e-ISSN 2600 - 5727 / p-ISSN 2528 - 7931; UTA-Ecuador; Pág.28 - 34
Determinantes para la continuidad de las empresas grandes de Ecuador
Determinants for the continuity of large companies in Ecuador