2.1. Teoría da continxencia

A visión de continxencia comeza a tomar forma cando se trata de aplicar a teoría administrativa á realidade, cuestionando os resultados da previsibilidade das organizacións pola interrelación co medio ambiente. Crozier (1990) argumenta que a estratexia é o instrumento do actor para modificar o ambiente e incide na estrutura da organización. De acordo con Pinto et al. (2003), a idade, o tamaño e o sistema técnico son as variables de maior impacto dentro do deseño dunha organización. Ford e Slocum (1977) sinalan que o tamaño, a tecnoloxía e o ambiente son factores que impactan no deseño organizacional dunha empresa, mentres que Pugh (1973) conclúe que son o tamaño e a tecnoloxía. A continuación, desde a perspectiva da teoría da continxencia analizarase en que medida o ambiente, o tamaño e a tecnoloxía inflúen na rendibilidade das organizacións.

2.2. Teoría de recursos e capacidades

Ahinful et al. (2023) sinalan que a teoría de recursos e capacidades e a estrutura-conduta-rendemento reveláronse como marcos teóricos relevantes para explicar as diferenzas no rendemento financeiro das pemes, o que suxire a importancia de considerar tanto os factores internos da empresa como a contorna ao analizar o seu desempeño e tomar decisións de xerencia futuras. Por recursos da empresa debe entenderse todos os activos, capacidades, procesos, coñecementos etc. que explican o seu crecemento e as vantaxes competitivas sostibles (Barney, 1991). Por outra banda, Huybrechts et al. (2024) argumentan que as teorías da dependencia de recursos, de redes e de continxencia axudan a explicar como as variables do contexto externo lles dan forma aos procesos de implementación.

Un factor relevante para afrontar un panorama competitivo é a aplicación do coñecemento e a información, xerando condicionantes claves para a rendibilidade e a sustentabilidade das pemes (Torres & López-Lira, 2021). Mediante a análise de recursos e capacidades identifícanse as fortalezas e debilidades dunha organización e, con base nelas, pódense explotar as oportunidades e neutralizar as ameazas, constituíndose nunha fonte de vantaxe competitiva (Almanza et al., 2019). Por outra banda, Sansores e Navarrete (2018) expoñen que os factores económicos, as características do empresario (idade e experiencia) e os incentivos gobernamentais son determinantes no crecemento das empresas. O desempeño dunha organización e o logro dos seus obxectivos resultan da estratexia e da estrutura que elixen os que toman decisións na organización. De acordo con Blázquez et al. (2006), as organizacións deben establecer estratexias e tomar decisións que logren controlar factores externos relativos á contorna sectorial, como competidores, clientes, provedores, demanda ou melloras tecnolóxicas.

A estrutura financeira orixínase na combinación de recursos, xa sexan internos ou externos. Todas as entidades toman decisións sobre a súa postura financeira, sendo o seu obxectivo principal a rendibilidade (Contreras & Díaz 2015). Como sinala Estrada et al. (2009), as pemes teñen un rol protagonista na economía mundial, xeran empregos e achegan riqueza ao seu país. Por iso, para sosterse no mercado deben desenvolver estratexias competitivas, baseadas en factores internos e externos, para así sobrevivir e competir nun mercado cada vez máis exixente. Existe evidencia empírica respecto da relación entre a planificación estratéxica e o éxito competitivo daquelas pemes que planean estratexicamente, innovan nos seus procesos, produtos e xestión, e teñen un nivel tecnolóxico superior en relación cos demais competidores do seu sector.

García et al. (2021) expóñennos que algunhas empresas se viron obrigadas a pechar as súas portas debido á pandemia da Covid-19. Así e todo, un gran número destas foron resilientes e sobreviviron grazas á súa propia liquidez e á organización de recursos e capacidades, logrando afrontar a crise e evitar a súa extinción. As empresas que resistiron foron as que mellor responderon ante as continxencias da contorna.

Alonso et al. (2020) atoparon que as pemes competitivas e eficientes de Costa Rica presentan unha distribución homoxénea de recursos e capacidades. Atópase unha correlación positiva entre a innovación e a eficiencia competitiva e entre a antigüidade do negocio e a innovación, así como entre a innovación e o tamaño do negocio en termos de número de empregados. Gupta e Kumar (2023) sinalan que a crise de liquidez e as habilidades técnicas inadecuadas dos empregados son as barreiras máis importantes para a resiliencia das MIPEMES durante a Covid-19.

Dwikat et al. (2023) estudaron como mellorar o desempeño sostible das pemes en Palestina, a través da evidencia empírica cunha mostra de 380 empresas, e atoparon o importante que é o capital humano competente, a flexibilidade estratéxica e a comprensión da contorna turbulenta como ferramentas esenciais en mercados competitivos e axitados. Na investigación de Cardoni et al. (2020), usando un enfoque cuantitativo nunha mostra de 219 pemes de Italia, destacaron a xestión do coñecemento, as actividades de innovación exploratoria e os sistemas de medición do desempeño, como puntos claves para mellorar a toma de decisións, a sustentabilidade e a rendibilidade das empresas.

Os achados da investigación de Sajjad et al. (2022) evidenciaron que a orientación á aprendizaxe afectou significativamente no rendemento das pemes en Paquistán, polo que suxiren adoptar estratexias baseadas en recursos, como capacidades e coñecementos, para que as empresas compitan eficazmente en contornas cambiantes e logren mellorar a súa competitividade e supervivencia. Felzensztein, Crick et al. (2020) atoparon que os directivos das pequenas empresas orientadas ao servizo de Chile, Colombia e Nova Zelandia que posuían capacidades dinámicas facilitaban a súa evolución dos seus modelos de negocio e melloraban o seu rendemento. Na investigación de Luque et al. (2019), constatouse que as pemes do sector agroalimentario teñen máis probabilidades de sobrevivir se están dirixidas por mulleres.

Roffia et al. (2022) atoparon evidencia empírica que apoia unha correlación significativa entre a competencia e habilidades axeitadas dos directivos e o rendemento financeiro das pemes italianas. Os achados da investigación realizada por Rafiki (2020) a pemes de Arabia Saudita evidenciaron que o tamaño da empresa, a experiencia do xerente, a capacitación, o financiamento e as relacións de rede teñen unha relación significativa co crecemento da empresa. Con todo, outros factores como a educación e a idade da empresa non mostraron tal relación significativa, polo que suxire que os directivos necesitan recibir capacitacións relacionadas co negocio.

Estudar os factores que inflúen na rendibilidade das pemes do sector gastronómico durante a pandemia da Covid-19 permitirá comprender os impactos positivos e negativos que afrontan este tipo de empresas durante unha crise.

A partir da literatura científica realizada, a hipótese desta investigación é a seguinte: os factores relacionados co ambiente, tamaño, tecnoloxía, idade, coñecementos e recursos humanos son os que influíron significativamente na rendibilidade das pemes durante a pandemia da Covid-19.

3.1. Selección da mostra

A poboación obxecto de estudo foron os propietarios e propietarias das Pequenas e Medianas Empresas (pemes) do sector gastronómico da cidade de Chillán, Chile.

A base de datos das empresas foi obtida directamente do municipio da cidade de Chillán, a cal contiña un total de 714 empresas rexistradas. Os criterios de inclusión na poboación foron:

Con base nos criterios anteriormente sinalados, quedaron un total de 131 empresas, as cales constituíron a poboación deste estudo. Para determinar o tamaño da mostra considerouse un nivel de confianza do 90% e unha marxe de erro do 8%, quedando un total de 59 empresas. Con todo, a enquisa foi enviada por correo electrónico á poboación total, e aplicada presencialmente a aqueles cos que non foi posible contactar por e-mail, ata obter a cantidade de respostas necesarias para alcanzar o tamaño da mostra, polo que se trata dunha mostra por conveniencia.

O instrumento utilizado para a recolección da información foi unha enquisa, validada por profesores da Universidade do Bío-Bío de Chile e da Universidade ESAN de Perú, constituída por 15 preguntas, pechadas e de opción múltiple.

3.2. O modelo

Para estudar como lle afectan as variables independentes á probabilidade de que o rendemento diminúa, definiuse o seguinte modelo por Hair et al. (1999).

Onde P é a probabilidade de que o rendemento permaneza igual e aumente, “xij” son as variables independentes, u os residuos e β_j os coeficientes estimados do efecto marxinal de cada x en $\log \left(\frac{P}{1-P}\right)$. No Anexo 1 preséntanse as variables utilizadas para o modelo. Se se substitúen as variables independentes, a ecuación queda expresada da seguinte forma:

Os factores aliñados á teoría da continxencia son o ambiente, o tamaño e a tecnoloxía. Para o factor ambiente ocupáronse as seguintes variables: despedimentos, vendas (impacvendas), custos (impacustos), problemas xerais (problexral), problemas financeiros (problefinan) e as decisións que implementaron as pemes. En relación ao factor tamaño as variables foron: tamaño e antigüidade. Con respecto ao tamaño cabe sinalar que en Chile son consideradas pemes as empresas que teñen vendas anuais entre as 2.400 e as 100.000 UF (Unidade de Fomento, un valor monetario creado en Chile; como referencia 1 UF equivale a 29,17 dólares americanos, valor ao día 07-09-2024). No concernente á tecnoloxía foron: cambios tecnolóxicos (Cambiostec) e medidas que se utilizaron (MediTecno). Con respecto á teoría de recursos e capacidades, engadíronse as variables de educación, como o nivel educativo (niveduc) e título profesional (Títuloprof), idade do propietario da empresa (Idade) e Recursos humanos (Rechuman).

4.1. Factor Ambiente

4.2. Factor Tamaño

4.4. Factor Idade

Na Táboa 11 obsérvase que no grupo 1 a maioría das empresas estiveron conformadas por propietarios con idades entre 36 a 45 anos (58,14%), en contraste co grupo 2, onde as empresas tiveron propietarios maiormente con idades entre 46 a 55 anos (50%).

4.5. Factor Coñecementos

4.6. Factor Recursos Humanos

Na Táboa 14 pódese notar que no grupo 1 e no grupo 2 as empresas adoptaron un total de 4 medidas. En ambos os grupos obsérvase que a medida máis frecuentemente adoptada foi a diminución da xornada de traballo, con maior proporción de empresas situadas no grupo 1 (67,44%) en comparación co grupo 2 (62,50%).

4.7. Análise do modelo

No modelo de regresión loxística binaria, a variable dependente foi o rendemento da empresa, codificada en SPSS como 0 se o rendemento diminuíu, e como 1 se o rendemento da empresa permaneceu igual ou aumentou. SPSS modelou a categoría 1, é dicir, a probabilidade de que o rendemento permaneza igual ou aumente, en función das variables independentes listadas a continuación, cuxos valores se codificaron da seguinte maneira.

Con estas variables axustouse o modelo de regresión loxística binaria excluíndo as variables explicativas, onde se observou unha clasificación correcta do 72,90%, tal e como se observa na Táboa 16.

Na Táboa 17 preséntanse os estatísticos R² de Cox e Snell cun valor de 0,30, o que significa que o 30% da variación da variable dependente se explica polas variables incluídas no modelo. O R² de Negelkerke é unha versión corrixida do R² de Cox e Snell, e que no noso modelo adquire un valor de 0,43, é dicir, que as variables independentes explican o 43% das diferenzas entre as empresas que diminuíron o seu rendemento (grupo 1) e as que o aumentaron (grupo 2).

Un dos indicadores utilizados no modelo de regresión loxística é a construción dunha Táboa de 2x2, onde se comparan os valores observados cos prognosticados polo modelo. Na Táboa 18 obsérvase que o modelo con 14 variables explicativas logrou unha clasificación correcta do 83,10%, mentres que na Táboa 15 se observou que o modelo, sen considerar as variables explicativas, alcanzou unha clasificación correcta do 72,90%. Isto significa que a incorporación das variables explicativas causou un aumento do 10,20% na precisión da clasificación.

Na Táboa 19 detállase a estimación dos parámetros do modelo que incorpora todas as variables analizadas no estudo. Obsérvase que, das 14 variables explicativas consideradas, ningunha mostrou efectos significativos no rendemento da empresa. Ademais, as variables de vendas e custos mantivéronse constantes, polo que se omitiron no modelo. É dicir, as vendas só mostraron unha diminución, mentres que os custos aumentaron ou se mantiveron estables.

4.8. O modelo óptimo

O modelo de regresión loxística volveuse analizar, esta vez utilizando o método de selección de variables cara adiante de Wald, no cal se contrasta a entrada de variables explicativas ao modelo baseándose na significación do estatístico de puntuación e contrasta a eliminación destas variables explicativas baseándose na probabilidade do estatístico de Wald. O estatístico de Wald exprésase da seguinte forma.

Segundo a táboa da porcentaxe de clasificación correcta, logrouse un índice de 78%. Na Táboa 20 preséntanse os coeficientes de determinación R² de Cox e Snell cun valor de 0,17, o que indica que o 17% da variación na variable dependente se explica polas variables do modelo. Ademais, o coeficiente de determinación R² de Negelkerke ten un valor de 0,24, sinalando que as variables independentes explican o 24% da diferenza entre as empresas do grupo 1 e do grupo 2.

A análise da proba de Hosmer-Lemeshow (Táboa 21) evidenciou un valor p de 0,30, indicando que non se atopou unha discrepancia significativa entre as frecuencias observadas e as esperadas conforme ás probabilidades preditas polo modelo de regresión loxística. Noutras palabras, este modelo axustouse satisfactoriamente aos datos.

Tamén se calculou a porcentaxe de clasificación correcta partindo dun modelo onde non se consideraron variables explicativas e cuxa clasificación correcta foi do 72,90% (Táboa 15). Ao incorporar as dúas variables explicativas no modelo óptimo, alcanzouse unha clasificación correcta do 78% (Táboa 22). É dicir, a inclusión destas dúas variables explicativas introduciu unha mellora do 5,10% na precisión da clasificación.

Na Táboa 23 preséntanse os parámetros estimados no modelo óptimo. Os resultados indican que os despedimentos e a toma de decisións inflúen no rendemento das empresas. En concreto, o exp(β) de despedimentos igual a 1,65 significa que a vantaxe das empresas de pertencer ao grupo 2 é 5,22 veces maior cando o despedimento de traballadores é menor ou igual a tres traballadores, en comparación con aquelas empresas que despiden 4 ou máis traballadores. Así mesmo, o exp(β) de decisións igual a -0,71 significa que a vantaxe das empresas de pertencer ao grupo 2 é 0,49 veces menor por cada unidade adicional de decisións adoptada, en comparación con aquelas empresas que adoptan un número de decisións inferior nunha unidade.