¿Hacia una delimitación de "grupos estratégicos" entre los equipos de investigación en finanzas españoles?

¿HACIA UNA DELIMITACIÓN DE "GRUPOS ESTRATÉGICOS» ENTRE LOS EQUIPOS DE INVESTIGACIÓN EN FINANZAS ESPAÑOLES? Arturo Rodríguez Castellanos .Juan Carlos Ayala Calvo Departamento de Economía de la Empresa y Comercialización Universidad del País Vasco RESUMEN En este trabajo se pretende trasladar el planteamiento relativo al análisis de grupos estratégicos, nacido en el seno del análisis estratégico y de la economía industrial, a un ámbito diferente, pero que presenta ciertas similitudes con el origina rio: el de los equipos de investigación en el área de la Economía Financiera. La finalidad es, por tanto, identificar grupos estratégicos entre dichos equipos. Para ello, se han utilizado, por una parte, análisis de correspondencias sobre las frecuencias de los trabajos elaborados por los equipos, tanto por subáreas como por carácter, y por otra^ análisis cluster en base a estos dos aspectos. 1. INTRODUCCIÓN La identificación de grupos estratégicos ha sido utilizada en los ámbitos de la Dirección Estratégica y de la Economía Industrial para explicar las diferencias estables entre los resultados de las empresas encuadradas en una misma "industria" o sector de actividad, así como para analizar las barreras de movilidad entre estos grupos1. Ahora bien, a nuestro parecer el análisis de grupos estratégicos tiene un valor superior al derivado de la mera capacidad explicativa de diferencias entre resultados, y por ello 1 Ver a este respecto, por ejemplo, McGee (1986), Bustos, Amador y Diez de Castro (1992) y Más y Gómez (1992). 45 sus potencialidades de aplicación son más amplias que las exploradas hasta el presente. Asi, en el contexto de la actividad investigadora en nuestro país, los equipos que la realizan deben plantearse cada vez más conscientemente el objeto y la finalidad de su labor, en el sentido de considerar crúe se investiga, para quiénes se investiga (organismos o empresas concretos, la sociedad en general), cómo financiar esta actividad, etc. Dicho de otro modo, se plantean consideraciones "estratégi cas": qué es lo que se quiere ser como equipo investigador, qué combinación de "productos" (temas de investigación) y "mercados" (para quiénes investigamos) es más adecuada, etc. Y, asimismo, las consideraciones "comerciales", "financieras", de "organiza ción" etc., tampoco están muy alejadas de todo ello. En consecuencia, no parece descabellada -aunque si pueda resultar un tanto audazla idea de que los condicionantes y problemas a los que se enfrentan los equipos de investigación2 en un área de conocimiento concreta presentan las suficientes similitudes con los que afectan a las empresas de un determinado sector de actividad, como para que también en el ámbito de la investigación puedan aparecer "grupos estratégicos". Para que se formen estos grupos, deben existir ciertas 2 Por "equipo de investigación" entendemos no el grupo formado para llevar a cabo un determinado proyecto, sino el conjunto de investigadores que, encuadrados en una determinada área de conocimiento, se encuentran relacionados entre si compartiendo los mismos recursos, de entre sus miembros se escogen grupos más reducidos para realizar proyectos concretos, y generalmente tienen una única dirección. Un departamento universitario, o el servicio de estudios de una institución bancaria, son ejemplos del concepto de "equipo de investigación" empleado en este trabajo. 46 bnrreras de movilidad entre ellos. En el campo que estamos considerando, dichas barreras pueden proceder: - De las habilidades adquiridas, bien en el tratamiento de un determinado tema (por el grado de profundización alcan zado) , bien en el empleo de ciertos instrumentos de análi sis o la aplicación de técnicas concretas; en resumen, efectos de la "curva de experiencia". - Del tipo y extensión de la clientela conseguida -pequeñas o grandes empresas, entidades bancarias, entidades y organismos públicos, instituciones públicas o sin fines de lucro, o la sociedad en general. Por otra parte, el área que vamos a tratar, esto es, la Economía Financiera, siendo una ciencia aplicada, los resultados de la investigación van dirigidos, de forma más o menos directa, a mejorar la gestión financiera de las empresas. Por tanto, estimamos que nuestra aportación puede resultar especialmente útil al objeto de estas jornadas. En el segundo apartado se expone la metodología utilizada en este trabajo. Tras un planteamiento general sobre los métodos empleados para la identificación de grupos estratégicos en el ámbito empresarial, se exponen las características específicas del método seguido, tanto respecto de las variables (subapdo. 2.2) como respecto de los datos (subapdo. 2.3) y asimismo con referencia a los tipos de análisis estadístico aplicados, en concreto análisis de correspondencias y análisis cluster (subapdo. 2.4). En el tercer apartado se exponen y analizan los resultados del estudio empírico realizado, tanto respecto de la clasifica47 ción de los trabajos de cada equipo por subáreas (subapdo. 3.1) como por carácter (subapdo. 3.2), para finalizar analizando las agrupaciones que parecen compartir estrategias respecto de ambos enfoques (subapdo. 3.3). Por último, en el cuarto apartado se realizan unas consideraciones finales. 2. LA IDENTIFICACIÓN DE GRUPOS ESTRATÉGICOS ENTRE LOS EQUIPOS DE INVESTIGACIÓN EN ECONOMÍA FINANCIERA: METODOLOGÍA EMPLEADA 2.1. Planteamiento general Los estudios dedicados a la identificación empírica de grupos estratégicos entre las empresas pertenecientes a un determinado sector de actividad han empleado metodologías muy diversas3, pero parece haberse llegado a un cierto consenso sobre las principales fases del proceso, que serían: 1. Selección de variables estratégicas claves 2. Recogida de datos 3. Agrupamiento de las variables en "factores" 4. Análisis "cluster" En nuestro caso hemos seguido básicamente el esquema anterior, aunque adaptado a las características especiales de nuestro objeto de análisis. A continuación pasaremos a comentar cómo dichas caracteríasticas han condicionado cada una de estas fases. 2.2. Selección de variables estratégicas Así, respecto del tipo de variables estratégicas a escoger, generalmente son elegidas, por una parte, aquéllas indicativas de las diferencias en las estrategias emprendidas por los Ver a este respecto las referencias de la nota 1. 48 3 diferentes grupos, y por otra, las representativas de barreras n la movilidad. Para el caso que nos ocupa, esto es, los equipos de investigación en Economía Financiera, se podrían haber escogido variables representativas del número y la composición del personal de los equipos -edad, experiencia, múmero de catedráti cos y titulares en el caso de las universidades, etc.-, las características de su clientela, etc. Sin embargo, dado el tipo de información disponible, hemos debido limitarnos a considerar únicamente dos tipos de variables: por una parte, la proporción (frecuencias) de trabajos realizados por cada equipo, durante el intervalo temporal considerado, en las diversas subáreas en que puede dividirse la materia, y por otra la proporción de trabajos según el caráter de los mismos. No obstante sus limitaciones, estimamos que estas variables nos proporcionan una información altamente relevante: la distribución por subáreas de los resultados de la investigación de cada equipo nos indica el tipo de "productos" que elabora, su especialización en un área concreta o su dispersión entre varias, etc. Por su parte, el carácter de los trabajos nos indica las "tecnologías" dominadas por el equipo, su mayor o menor especia lización en algunas de ellas, etc. Todo ello es altamente indicativo de las opciones estratégicas escogidas por el equipo y de posibles barreras de movilidad entre diferentes posicionamientos estratégicos. 2.2. Datos Respecto de los datos, éstos proceden de un estudio realizado sobre el estado actual de la Economía Financiera en 49 España4. Un equipo investigador5 realizó una selección de trabajos de investigación publicados dentro del área, en base a los siguientes criterios: - El intervalo temporal escogido abarca los años 1990, 1991, 1992 y 1993. - Se consideraron únicamente artículos en revistas cientí ficas y/o técnicas, comunicaciones y ponencias presentadas a congresos, y libros, o capítulos de libros, que refleja sen resultados de una actividad investigadora. - Se centró la atención exclusivamente en el área de la Economía Financiera, evitando los estudios jurídicos, los de tipo fiscal, o los que utilizasen un enfoque contable o matemático. Asimismo, por su especificidad, se excluyó lo relativo al sector seguros. - El autor, o al menos uno de los autores, debia ser de nacionalidad española. - Únicamente se admitieron los trabajos que, a juicio del equipo investigador, cumplían unos requisitos mínimos de interés y nivel científico6. 4 Ver Rodríguez y Ayala (1994). 5 Formaron este equipo, aparte de los firmantes del trabajo, Rosa María Ahumada, lone Mitxeo, Julián Pando, Miguel Angel Pérez y Belén Vallejo, todos ellos profesores del Departamento de Economía de la Empresa y Comercialización de la Universidad del País Vasco. 6 Por habernos facilitado una valiosa información acerca de la producción científica de sus respectivos departamentos, debemos agradecer encarecidamente la colaboración de Valentin Azofra (Univ. de Valladolid), Montserrat Casanovas (Univ. de Barcelona), Matilde Fernández y Máximo Ferrando (Univ. de Valencia), Carlos García-Gutiérrez (Univ. Complutense), Fernando Gómez-Bezares (Univ. de Deusto), Juan Carlos Gómez Sala (Univ. Alicante), Víctor M. González (Univ. de Oviedo), Eduardo Pérez Gorostegui (U. N. E. D.) y Manuel J. Selva (Univ. de Cádiz). 50 Con tales criterios se seleccionaron 468 aportaciones7, que • (instituyen el conjunto de datos básico, pues fueron clasificadas H«<jún tres enfoques: por subáreas, por carácter y por equipos de l nvestigación. Este último enfoque es el más relevante para nuestro trabajo, por lo que nos detendremos en él. Un primer problema se nos presenta al intentar la identifi cación de los equipos: ello no ha resultado en ocasiones tarea rácil, pues a veces no se indica el departamento universitario concreto o la institución a la que pertenece el autor o autores <ia un trabajo. Además, a lo largo del tiempo un mismo investiga dor ha podido pertenecer a varios equipos. Por otra parte, dado el objeto del presente estudio, nos Interesaba especialmente diferenciar los grupos de investigadores dedicados de forma exclusiva al área de Economía Financiera. Por •lio, los trabajos debidos a investigadores encuadrados en otras áreas de conocimiento han sido agrupados en un apartado denomina do "Universidad-Economía". Por exigencia del tipo de análisis efectuados, no han sido considerados aquellos equipos de los que no se ha podido disponer de, al menos, diez trabajos seleccionados. Ello nos ha inducido también a incluir las aportaciones de miembros de las Cajas de Ahorros dentro de un único epígrafe o "equipo". De esta forma, es posible su inclusión en el análisis, sin que por ello se vea mermada la uniformidad de su comportamiento. De este modo, se han seleccionado diecisiete equipos, 7 Una relación de las mismas, clasificada por subáreas, puede ser proporcionada en caso de que se solicite. responsables de 357 trabajos. En el cuadro n B 1 aparecen indicados, junto con sus siglas identificativas en los análisis de correspondencias y "cluster". [CUADRO N 8 9 1] 2.3. Agrupación de variables en factores y análisis cluster Los estudios empíricos al respecto en el ámbito empresarial suelen aplicar análisis factorial o de componentes principales. En nuestro caso, dada la naturaleza de los datos obtenidos, hemos utilizado el análisis de correspondencias. Este es un tipo de análisis estadístico multivariante, adecuado cuando la informa ción relativa a los valores de las variables en los distintos individuos tiene la forma de una distribución de frecuencias8, como sucede en este caso. Su finalidad básica es, a semejanza de otros tipos de análisis multivariante, encontrar unos "factores" o "ejes", ortogonales entre sí, que concentren la información primigenia, contenida en este caso en la tabla de frecuencias, de forma que un número reducido de factores "expliquen" la mayor cantidad posible de dicha información. El análisis cluster, por su parte,tiene por objeto agrupar individuos o variables según las distancias entre ellos9. No vamos a insistir aquí respecto de las características de la aplicación de estas técnicas a los datos disponibles, pues se comentarán más adelante, al exponer los resultados empíricos. Sin embargo, debemos señalar que, también por imperativo de los datos, para cada una de las distribuciones de frecuencias 8 Ver, por ejemplo, Escofier y Pagès (1992), cap. 2. 9 Ver Everitt (1981) y Jam b u^ Lebeux (1983). obtenidas -por subáreas y por carácterhemos debido realizar el correspondiente análisis de correspondencias y análisis cluster. I'or tanto, hemos encontrado dos tipos de "grupos estratégicos", «tendiendo a estos dos enfoques, aunque, no obstante, al final da este trabajo comentamos las agrupaciones comunes que parecen •xistir. 1. RESULTADOS ).l. Agrupación por subáreas Partiendo de las frecuencias (número de trabajos) que cada equipo presenta en cada una de las subáreas, en primer lugar emplearemos el análisis de correspondencias para identificar factores relevantes y analizar la posición de los diferentes «quipos respecto de los mismos. Posteriormente, aplicaremos el análisis cluster, al objeto de identificar posibles agrupaciones •n base a este enfoque. Las subáreas escogidas han sido siete: 1 Futuros, Opciones y otros Instrumentos Derivados (DERIV) 2 Bolsas y Mercados de Valores (BOLSAS) 3 Finanzas Internacionales (FININT) 4 Gestión de Carteras e Inversión Colectiva (GESCAR) 5 Mercados Financieros (MFTI) 6 Entidades Financieras y Sistema Financiero (SISTFIN) 7 Gestión Financiera (FINAN) Dichas subáreas serán, por tanto, consideradas como "variables" (columnas). Los "individuos" (filas) son aquí los equipos de investigación. 53 Realizado el análisis10, los ejes extraidos, así como la proporción de inercia correspondiente a cada uno, aparecen en el cuadro n B 2. Como puede observarse, ya el cuarto eje posee menos inercia que la correspondiente por término medio a una sola variable (100/6 = 16,6%), por lo que parece conveniente conside rar sólo los tres primeros. [CUADRO Nfi 2] Las cordenadas de cada variable (columna) en cada uno de los ejes (FACTOR), así como las contribuciones absolutas o participa ción de la variable en la formación del eje (CTR) y su contribu ción relativa o calidad de representación (COR2) aparecen en el cuadro nfi 3. En él se observa que, para el primer eje, las variables que más contribuyen a su formación y con alta calidad de representación son '• Derivados", que presenta coordenada positiva, y "Entidades Financieras y Sistema Financiero", con coordenada negativa. En consecuencia, podemos denominar a este eje como "Derivados frente a Entidades Financieras"; tendrán alta puntuación positiva en el mismo -y estarán bien representadoslos equipos que hayan trabajado abundantemente sobre instrumentos derivados, y poco o nada sobre entidades financieras. A los que les suceda lo contrario, tendrán alta puntuación negativa. En el segundo eje, presenta coordenada positiva "Bolsas", mientras que "Gestión de Carteras" y "Gestión Financiera" la tienen negativa, y todas ellas están bien representadas. Luego este eje podría ser denominado "Bolsas y Mercados Financieros 10 Debemos agradecer a Yolanda Sierra, del Departamento de Economía de la Universidad de la Rioja, su inapreciable ayuda en el procesado de datos e interpretación de resultados de este trabaj o. 54 frente a Gestión"; su interpretación sería semejante a la del eje anterior. Respecto del tercer eje, tienen contribuciones importantes "Bolsas", que presenta alta puntuación positiva y buena calidad de representación, y "Mercados Financieros", que tiene puntuación negativa, pero está peor representada. Podríamos denominar a este eje "Bolsas frente a Mercados Financieros". [CUADRO Ns 3] El cuadro ns 4 presenta la misma información, pero esta vez para los "individuos" (filas), esto es, los equipos de investiga ción. Las coordenadas de éstos en los ejes pueden ser interpre tadas según lo comentado respecto del cuadro anterior, pudiendo distinguirse ya ciertas agrupaciones. Así, Barcelona y País Vasco son los equipos que más contribuyen a la formación del eje nB 1, presentando además alta puntuación positiva y buena calidad de representación, lo cual nos está indicando la relevancia que la subárea "derivados" tiene en la producción científica de ambos equipos. No obstante, examinando la tabla de frecuencias relativas (porcentajes) de cada equipo en cada subárea (cuadro nfi 5) , puede comprobarse que ambos dedican asimismo gran parte de sus esfuerzos a la gestión financiera, y el País Vasco a las finanzas internacionales11. Podemos agrupar también a UNED, Banco Bilbao Vizcaya y Cajas de Ahorros, pues presentan puntuaciones negativas en los 11 Aunque dada la clasificación por subáreas utilizada no queda de manifiesto explícitamente, debemos mencionar que el equipo de la Universidad de Barcelona presenta una numerosa producción en el campo de la aplicación de lógicas multivalentes, en especial la lógica borrosa, al análisis y la gestión financie ros. 55 tres ejes, siendo más elevadas en el primero y en el tercero. No obstante, examinando las frecuencias relativas en el cuadro n® 5, lo más claramente destacable de los tres es la alta proporción de trabajos en "Entidades Financieras y Sistema Financiero", que corresponde principalmente a las puntuaciones negativas en el eje n® 1. [CUADRO N® 4] Parece ser asimismo factible la asociación entre Autónoma de Madrid e IESE, pues comparten puntuación positiva en el segundo eje y negativa en el tercero. Examinando el cuadro n® 7, la baja puntuación, o escasa calidad de representación, en el eje n® 1 parece ser debida a que ambas comparten proporciones relevantes de su producción científica en las áreas "opuestas" de este eje: "Derivados" y "Entidades Financieras y Sistema Financiero"12. La puntuación positiva en el segundo eje parece debida a la alta proporción en "Bolsas". Y la puntuación negativa en el tercer eje puede ser explicada porque en los dos equipos el peso de "Mercados Financieros" es mayor que el de "Bolsas". Otra consideración conjunta puede hacerse de Complutense, Oviedo y Valladolid, pues los tres presentan alta puntuación negativa, y relativamente buena calidad de representación, en el segundo eje, lo cual se comprueba asimismo en el cuadro n« 5, pues en ellos la suma de las subáreas "Gestión de Carteras" y "Gestión Financiera" representa más del 50% de su producción 12 Esta peculiar característica es compartida por Sevilla, como se comprueba asimismo en el cuadro n® 5. 56 científica13. No obstante, debemos destacar que también compar ten una proporción significativa de trabajos en "Entidades Financieras y Sistema Financiero". [CUADRO N® 5] El par formado por Zaragoza y Economía también merece atención: ambos presentan puntuación negativa en el primer eje y positiva en el tercero, lo cual parece indicar una dedicación preferente, por una parte, a "Entidades Financieras y Sistema Financiero", y por otra a "Bolsas", como así puede comprobarse; pero, mientras que Economía muestra puntuación positiva en el segundo eje, Zaragoza la tiene nula; esto último parece deberse a que este equipo presenta trabajos en "Gestión de Carteras" y "Gestión Financiera" en proporción tal que igualan los relativos a "Bolsas". Respecto del resto de los equipos, que no pueden ser asociados de forma tan clara, sus puntuaciones respecto de los ejes pueden ser, en general, fácilmente interpretadas con ayuda del cuadro n® 5. [GRÁFICO N® 1] En el gráfico n® 1 están representados tanto las subáreas como los equipos respecto de los dos primeros ejes; de esta forma podemos comprobar gráficamente las agrupaciones ya comentadas. Así, resulta evidente la proximidad entre Barcelona y País Vasco. Por otra parte, la cercanía de Cajas de Ahorros, UNED, 1 A semejanza de lo que sucede con la Universidad de Barcelona, el equipo de la Universidad Complutense presenta una numerosa aportación científica, no manifestada explícitamente por la clasificación en subáreas aplicada, en el campo del análisis y gestión de las empresas de Economía Social, desde el punto de vista financiero. 57 Banco de España, Zaragoza y Banco Bilbao Vizcaya14 a "Entidades Financieras y Sistema Financiero", nos indica la dedicación predominante de estos equipos. Parecidas consideraciones podemos hacer de la proximidad de Complutense, Oviedo, Valladolid y Alicante a "Gestión de Carteras" y "Gestión Financiera". Relevante es también la agrupación de Valencia, Deusto, Autónoma de Madrid, IESE y Economía, pues dedican gran parte de su trabajo a "Bolsas". Ahora bien, las agrupaciones de equipos, más o menos intuitivas, realizas hasta aqui, deberían ser corroboradas por un análisis más formalizado. Para ello, hemos utilizado el análisis cluster, con el que hemos realizado varias pruebas, considerando como variables las subáreas o los tres ejes del análisis de correspondencias, asi como distintos tipos de distancia. Los resultados que aparecen en el gráfico n a 2, bastante satisfactorios en nuestra opinión, han sido obtenidos por el método de jerarquización en forma aglomerativa, conside rando como variables los tres ejes del análisis de corresponden cias y empleando la distancia euclidea. [GRÁFICO N® 2] Como puede comprobarse, las asociaciones que muestra el gráfico confirman, en general, los resultados obtenidos en el análisis anterior, aunque resulta dificil de interpretar la relativamente tardia incorporación de Sevilla y Alicante a un grupo bastante amplio; por otra parte, incluso si únicamente 14 Este último estaría representado en el gráfico por un punto muy cercano a la posición de Zaragoza. 58 deseamos formar tres grupos, Deusto permanece aislado. 3.2. Agrupación por carácter Realizaremos ahora el análisis de la posición de los diferentes equipos y sus posibles agrupaciones respecto del carácter de sus trabajos. Las variables o "grupos de caracteres" escogidos son cuatro, a saber; (A) Descripciones y Reflexiones (B) Revisiones de Teorías, Modelos o Estudios Anteriores (C) Modelos Teóricos, Operativos o de Gestión Originales (D) Contrastes y Análisis Empíricos Los "individuos" (filas) siguen siendo los equipos de investigación. Como en el caso anterior, hemos aplicado en primer lugar el análisis de correspondencias. Realizado el mismo, los ejes extraídos, así como la proporción de inercia correspondiente a cada uno, aparecen en el cuadro n° 6. Como puede observarse, el tercer eje posee ya menos inercia que la que por término medio correspondería a una sola variable (100/4 = 25%); no obstante, como en este caso únicamente existen tres ejes, lo conservaremos también. [CUADRO N« 6] En el cuadro nB 7 figuran las coordenadas o puntuaciones de cada variable (columna) en cada uno de los ejes (FACTOR) , la calidad de su representación (COR2) y su contribución a la formación del eje (CTR). En el primer eje, la variable que más contribuye a su formación es la "D" (Contrastes y Análisis Empíricos), con alta 59 p ntuación positiva, y buena calidad de representación. Contribu yen menos, pero tienen alta puntuación negativa, y buena calidad, las variables "B" (Revisiones) y »c" (Modelos) . En consecuencia, podríamos denominar a este eje como Estudios Empíricos frente a Trabajos Teóricos y Modelización". Evidentemente, tendrán alta puntuación positiva en el mismo -y estarán bien representadoslos equipos que se hayan dedicado preferentemente al trabajo empírico, y escasamente a la revisión y/o la modelización. Los que hayan trabajado en sentido contrario, tendrán alta puntuación negativa. En el segundo eje, contribuye fuertemente a su formación, presenta alta puntuación negativa y está muy bien representada la variable "A" (Descripciones y Reflexiones,. Por su parte, tienen puntuación positiva, aunque calidad y contribución bajas! ••Revisiones» y "Estudios Empíricos». Podríamos, por tanto, aventurar una denominación para este eje como "Análisis (Concep tuales o Empíricos) frente a Descripciones y Reflexiones". En el tercer eje, es la variable »c" (Modelos) la que más contribuye a su formación; está bien representada y tiene una alta puntuación negativa, con puntuación positiva aparece "Revisiones». Luego este eje puede ser denominado "Revisiones frente a Modelización". [CUADRO N8 7] El cuadro n8 presenta el mismo tipo de información para los equipos de investigación. Analizándola, podemos distinguir algunas agrupaciones. Asi, Zaragoza y Economía presentan una puntuación positiva relativamente alta en el primer eje, también positiva en el 60 ■«Mundo y negativa en el tercero. Examinando la distribución inlotiva de sus trabajos por carácter (cuadro nfi 9), vemos que Iam puntuaciones positivas en los dos primeros ejes pueden ser • 'Aplicadas por la alta proporción de trabajos empíricos que ambos muestran; por su parte, la puntuación negativa en el tercer eje i nfiponde a una proporción no muy alta, pero significativa, de Hodelizaciones. En cuanto a Oviedo, se podrían hacer comentarios muy pnrecidos a los dos anteriores, aunque en los dos primeros ejes In puntuación sea menor, denotando una menor preponderancia de t raba jos empíricos y más abundancia de "Descripciones y Reflexio nas". El Banco de España también puede considerarse próximo a los 1res anteriores, pues su puntuación positiva, con muy buena calidad, en el primer eje, lo aproxima a Economía y Zaragoza en cuanto a importancia de los trabajos empíricos; la puntuación baja en el segundo eje, sin embargo, lo aproxima más a Oviedo, indicando relevancia de trabajos descriptivos; sin embargo, la puntuación casi nula en el tercer eje, denotando menor atención a las modelizaciones, lo aleja de ellos. Otra asociación clara parece darse entre Banco Bilbao Vizcaya y Cajas de Ahorros; en efecto, ambos comparten puntuación positiva -no muy altaen el primer eje, lo cual indica una cierta tendencia hacia los trabajos empíricos, como puede comprobarse en el cuadro na 9; pero lo más destacable es su alta puntuación negativa, con muy alta calidad y alta contribución, en el segundo eje, mostrando una alta concentración, también comprobable sobre el cuadro n® 9, en "Descripciones y Reflexio61 CUADRO Ns 6: ANÁLISIS DE CORRESPONDENCIAS POR CARACTERES. EJES EXTRAÍDOS Y PORCENTAJES DE INERCIA TOTAL INERTIA = SUM OF EIGENVALUES = AXIS EIGENVALUE % OF INERTIA CUM % 10.193 47.4 47.4 20.149 36.6 83.9 30.065 16.1 100.0 U.4U66 HISTOGRAM ¡i************************************* ¡****************************** ¡************* MAXIMUM NUMBER OF FACTORS TO EXTRACT ................. 3 CUT-OFF TOLERANCE .................................. 90.00X NUMBER OF FACTORS ACCOUNTING FOR 90.00% OF INERTIA ... 3 NUMBER OF FACTORS ACTUALLY EXTRACTED ................. 3 CHISQUARE VALUE WITH 48 DF = 145.173 CHISQUARE ASSOCIATED P-VALUE = 0.000 74 CUADRO N* 7: ANÁLISIS DE CORRESPONDENCIAS POR CARACTERES. PUNTUACIONES DE LAS VARIABLES, CALIDAD DE REPRESENTACIÓN Y CONTRIBUCIONES A LA FORMACIÓN DE CADA EJE III NAME MASS 0LT INR FACTOR COR2 AXIS CTR : i : FACTOR COR2 AXIS CTR ! 2 : FACTOR COR 2 AXIS CTR 3 t A 0.361 1.000 0.094 -0.009 0.000 o.ooo : -0.507 0.990 0.624 : 0.050 0.010 0.014 I b 0.179 1.000 0.111 -0.604 0.566 0.340 : 0.376 0.230 0.172 : 0.336 0.182 0.309 \ c 0.115 1.000 0.084 -0.565 0.436 o.i9o : 0.161 0.036 o.o 2 o : -0.620 0.527 0.675 i 00.345 1.000 0.118 0.512 0.766 0.470 : 0.281 0.231 0.183 : -0.021 0.001 0.002 CUADRO N« 8: ANÁLISIS DE CORRESPONDENCIAS POR CARACTERES PUNTUACIONES DE LOS EQUIPOS, CALIDAD DE REPRESENTACIÓN Y CONTRIBUCIONES A LA FORMACIÓN DE CADA EJE • low NAME MASS QLT iNR ; FACTOR COR2 CTR FACTOR COR2 CTR FACTOR COR 2 CTR •AXIS 1AXIS 2 AXIS 3 1AL 0.028 1.000 o.oo6 : 0.302 0.462 0.013 0.166 0.140 0.005 0.281 0.398 0.034 1BA 0.059 1.000 o.o6i :-0.512 0.251 0.080 -0.448 0.193 0.079 -0.761 0.556 0.522 J DE 0.062 1.000 0.004 : -0.009 0.001 0.000 -0.064 0.065 0.002 0.243 0.934 0.056 4AM 0.062 1.000 0.004 : 0.223 0.703 0.016 -0.087 0.107 0.003 0.116 0.191 0.013 » CM 0.132 1.000 0.025 : -0.184 0.178 0.023 -0.392 0.803 0.136 0.061 0.019 0.007 •UNED 0.028 1.000 o.oo7 : 0.447 0.781 0.029 -0.119 0.056 0.003 -0.205 0.164 0.018 7OV 0.045 1.000 0.005 : 0.246 0.495 0.014 0.211 0.365 0.013 -0.131 0.140 0.012 « rv 0.109 1.000 o.iio :-0.915 0.834 0.475 0.405 0.163 0.120 0.047 0.002 0.004 « (E 0.031 1.000 o.oo7 : 0.057 0.014 0.001 -0.340 0.517 0.024 0.324 0.469 0.049 toVA 0.036 1.000 0.005 :-0.359 0.853 0.024 0.130 0.112 0.004 0.073 0.035 0.003 II VALL 0.073 1.000 o.oi4 :-0.222 0.252 0.019 0.242 0.300 0.029 0.296 0.448 0.098 II LA 0.064 1.000 o.o3i : 0.530 0.589 0.094 0.344 0.248 0.051 -0.278 0.162 0.076 II EC 0.106 1.000 0.037 : 0.389 0.439 0.084 0.392 0.446 0.110 -0.199 0.115 0.065 MBBV 0.048 1.000 0.037 J 0.258 0.086 0.017 -0.834 0.892 0.223 0.132 0.022 0.013 14 I ESE 0.031 1.000 o.oi4 :0.489 0.530 0.038 0.403 0.360 0.034 0.222 0.110 0.023 !• BCOE 0.059 1.000 0.014 ¡ 0.469 0.901 0.067 0.154 0.098 0.009 0.019 0.001 0.000 ii CAJAS 0.028 1.000 0.025 ¡ 0.216 0.053 0.007 -0.906 0.925 0.155 0.141 0.023 0.009 75 CUADRO N® 9: FRECUENCIAS RELATIVAS (EN PORCENTAJE) DE CADA SUBÁREA EN CADA EQUIPO UNI V CARAC ABCDTOTAL AL 30.0 20.0 0.0 50.0 100.0 BA 52.4 4.8 38.1 4.8 100.0 DE 40.9 22.7 4.5 31.8 100.0 AM 40.9 13.6 4.5 40.9 100.0 CM 55.3 17.0 10.6 17.0 100.0 UNED 40.0 0.0 10.0 50.0 100.0 OV 25.0 12.5 12.5 50.0 100.0 PV 17.9 48.7 25.6 7.7 100.0 SE 54.5 18.2 0.0 27.3 100.0 VA 30.8 30.8 15.4 23.1 100.0 VALL 26.9 34.6 7.7 30.8 100.0 ZA 17.4 4.3 13.0 65.2 100.0 EC 15.8 10.5 13.2 60.5 100.0 BBV 76.5 0.0 0.0 23.5 100.0 IESE 18.2 18.2 0.0 63.6 100.0 BCOE 28.6 9.5 4.8 57.1 100.0 CAJAS 80.0 0.0 0.0 20.0 100.0 TOTAL 36.1 17.9 11.5 34.5 • 100.0 76 GRÁFICO Nfi 3 ANÁLISIS DE CORRESPONDENCIAS POR CARACTERES. REPRESENTACIÓN DE SUBÁREAS Y EQUIPOS RESPECTO DE LOS DOS PRIMEROS EJES .... + . . . ... + . . . . .. . + ... . ..+ .... . + . 4+ PV 1 1 1 1 + EC IESE + - B i 1 - < 1 i ZA - - 1 i 1 D_ - VALL t 12++OV + - C i 1 AL BCOE - -VA • 1 1 1 i1 1 1 - 1 - 1 DE _ -t 1 AM - — l 1 1UNED - 2+1 + 1 1 l + - 1 l i SE 14+CM 1 ++ BA 1 1 1 - - 1 A 1 1 - 6+1 1 + t 1 1 1 1 + 8+ 1 1 1 1 1 ++ -1 1 lBBV - 1 1 1 1CAJAS - .... + .... ... + .... 1 . ... . .+ .... -.6 -.2 .2 .6 -.8 -.4 0. .4 AXIS 1 77 GRÁFICO N» 4: ANÁLISIS "CLUSTER" POR CARACTERES C N A • 15Q */ 43 SL A 1 s A D A LE E ,E E B S M EE, L AMALG. DISTANCE * * * * * ü. 205 I I I I I 0.469 I I I I I 0.615 I I I I I 0.742 I I I -+- 0.747 I I — +- 0.767 -+- I 0.792 II 0.882 —:+— 0.915 --- +- 0.926 I 0.928 0.978 1.123 1.471 1.533 3.126 J1 1 I 1 1 1 G2 3 7106 5 748 L tí ZE0V V üC C tí P tí CACVAAN 4 AB ( A 0LE M J V V . L D # A * * * ****** * ** I I I I III1-+- I1 I -+- II I III1I I -+--III1III I I IIIIIII I I II1II1I I I I I IIIII -- +- I I IIIII III I II I I I 1 IIIII -+-IIIII + ---- II I II -+ --- IIII II iII -+• I -+ 78 Vil JORNADAS HISPANO-LUSAS DE GESTIÓN CIENTÍFICA Sevilla, 29,30 y 31 de marzo " ESTRUCTURA DE LA ECONOMÍA SOCIAL EN CASTILLA-LA MANCHA " Prof. DR. José V. GUARNIZO GARCÍA Prod. DR. Felipe HERNÁNDEZ PERL1NES UNIVERSIDAD DE CASTILLA-LA MANCHA FACULTAD DE CIENCIAS JURÍDICAS Y SOCIALES TOLEDO 79