2.1 Enfoques para estimar la eficiencia y la productividad

Desde inicios del siglo XIX se comenzó a relacionar los insumos con los productos, posteriormente surge diversa literatura sobre la estimación de las funciones de producción, donde gran parte de ella reside en la comprobación de implicaciones con la tecnología y los comportamientos optimizadores. De lo anterior se desprende el interés por conocer las relaciones que guardan los niveles de insumos con los niveles alcanzados de productividad.

Existen gran diversidad de enfoques metodológicos para estimar la eficiencia en un sentido amplio, donde destacan los métodos de frontera que pueden clasificarse como: no paramétricos, paramétricos y semi-paramétricos¹.

La optimización matemática es la base para la construcción de la función de producción en los métodos no paramétricos, su popularidad recae en que no precisan de una forma funcional previa. El Análisis Envolvente de Datos (DEA, por sus siglas en inglés: Data Envelopment Analysis) destaca dentro de este grupo, ha tenido numerosas aplicaciones dentro de los sectores público y privado derivado de su adaptación a contextos con múltiples insumos y múltiples productos, se basa en la programación matemática, además no requiere supuestos sobre la distribución de la ineficiencia.

Por el contrario, las técnicas paramétricas precisan la especificación de la función de producción a través de parámetros constantes ayudados de métodos econométricos, como puede ser la función Cobb-Douglas o la función translogarítmica. Estas técnicas pueden ser determinísticas, si las desviaciones de la frontera se explican por la ineficiencia, o estocásticas, si las desviaciones de la frontera se descomponen en ineficiencia y ruido, como en el caso del Enfoque de Frontera Estocástica (SFA, por sus siglas en inglés: Stochastic Frontier Approach), una de las técnicas más frecuentes dentro de los paramétricos.

Mientras que los métodos semi-paramétricos son una mezcla de las técnicas paramétricas y no paramétricas. Tal es el caso del método envolvente estocástico no lineal de datos (StoNED, por sus siglas en inglés: Stochastic Non-smooth Envelopment of Data), que combina propiedades de DEA y SFA, puesto que no precisa ninguna forma de la función de producción y las desviaciones de la frontera se descomponen en ineficiencia y ruido, respectivamente (^{Schaefer & Clermont, 2018}).

Bajo este escenario, se destaca que la incorporación de números índice se da a un ritmo menos acelerado si se compara con las técnicas anteriores. Aquí sobresale el IM, a partir de técnicas no paramétricas, que permite medir la productividad con la ventaja de ser capaz de descomponerse en medidas de cambio de eficiencia y de cambio tecnológico, respectivamente, como se explica en la Sección 3.

2.2 Análisis del desempeño en el sector manufacturero

En la revisión de literatura se encontraron aplicaciones previas que analizaron el sector manufacturero dentro del contexto internacional a nivel país que se resumen a continuación.

Bajo el enfoque paramétrico, con la técnica SFA, Kim y Han (²⁰⁰¹) estudian 508 empresas en Corea, que cotizan en la Bolsa de Valores durante 1980-1994 y clasificadas en 7 industrias (alimentos, textiles, papel, química, no metálica, metales básicos y fabricación). Los autores encontraron que el progreso tecnológico es la fuente del crecimiento de productividad.

Pavnick (²⁰⁰²) analiza el caso de las plantas manufactureras chilenas durante 1979-1986 para analizar la evolución de la productividad, con una función Cobb-Douglas, y la relación que guarda con la liberalización del comercio. Sus resultados muestran que la manufactura chilena creció luego de la liberalización del comercio, debido a la reorganización de los recursos al interior de la economía.

Posteriormente, Fernandes y Paunov (²⁰¹²) utilizan información 4,913 firmas chilenas del sector manufacturero de 1992 a 2004 para analizar la relación que guardan la productividad y la inversión extranjera directa (IED) en servicios. Sus resultados indican que la IED da oportunidad de que las empresas rezagadas compitan con los líderes de la industria, ello implica que la IED estimula actividades innovadoras en las empresas manufactureras.

En Turquía, Önder, Deliktaş y Lenger (²⁰⁰³) utilizan datos para dieciocho provincias entre 1990 y 1998. Sus resultados indican que la manufactura del sector privado es más eficiente que el sector público. En Brasil, Muendler (²⁰⁰⁴) con información de 9500 empresas medianas y grandes durante 1986-1998, encontró que la competencia extranjera incrementa la productividad y que el uso de insumos extranjeros tiene un impacto menor en la productividad.

El caso de Vietnam es estudiado por Ha, Kiyota y Yamanouchi (²⁰¹⁶), con datos a nivel empresa, que incluyen a las de propiedad del Estado y extranjera sin excepción de su tamaño, para estimar la PTF de 2000 a 2009, con una función de producción tipo Cobb-Douglas, y la comparan con los resultados de China, India, Japón, Tailandia y Estados Unidos. Los autores concluyen que Vietnam tiene una ineficiente asignación de recursos, como ocurre en una economía en desarrollo, asimismo señalan que los posibles incrementos de la productividad originados por la eliminación de distorsiones en la industria son grandes.

Respecto al comportamiento de las economías en desarrollo como Vietnam y su estrategia de crecimiento basado en el sector manufacturero, la evidencia que presenta de Souza & Gómez-Ramírez (²⁰¹⁸) es reveladora sobre todo en estos tiempos en el que el comercio mundial se basa en las cadenas globales de valor (CGV´s) y la deslocalización internacional de la producción. Los autores utilizando matrices input-output y apelando a la paradoja del crecimiento del caso mexicano, evidencian que las economías en desarrollo ven distorisionados sus sectores manufactureros por una liberalización rápida del comercio que sustituye al consumo de bienes intermedios nacionales y los sustituye por los extranjeros para la fabricación de los bienes de exportación. Esta sustitución impacta negativamente la demanda interna de bienes intermedios nacionales y, por lo tanto, relentiza el crecimiento generalizado del sector manufacturero del que hacen parte puesto que, prima la compra desde el exterior y elimina la competencia local, desencadenando una desindustrialización premuarura (^{de Souza & Gómez-Ramírez, 2018}; ^{Rada, 2007}) trayendo problemas serios de desempleo e informalidad que requieren de una efectiva y eficiente intervención estatal para su relocalización.

Esta cadena de efectos cuestiona la estrategia de crecimiento de las economías duales en vías de desarrollo máxime, cuando estas adolecen de industrias de avanzada y se centran en satisfacer sectores, principalmente, maquiladores que ocupen la mano de obra disponible generalmente de informal (^{Basole & Narayan, 2020}). A partir del seguimiento que hacen Basole y Nayaran (²⁰²⁰) a ciertos indicadores de crecimiento y empleo en India durante 1983-2017 y usando la Prueba Bai-Perron, los autores detectan que el sector manufacturero indio es un gran receptor de mano de obra sobrante en el sector primario, contratándola, principalmente, de manera informal para aumentar su producción. Sin embargo, los autores también muestran que una gran parte de la mano de obra disponible migra hacia actividades de servicios, poniendo en duda la urgente necesidad de un sector manufacturero como agente de crecimiento económico.

Ante este paradigma dual del empleo formal e informal, la productividad de la industria manufactuera dependerá, pues, de la forma en que se incorpore capital tecnológico y bienes intermedios para que interactúen con la mano de obra disponible (^{Basole & Narayan, 2020}) y hagan ganar eficiencia, siendo en este sentido determinante la calidad de la mano de obra. De igual forma, existe evidencia que indica que la productividad manufacturera empeora cuando la mano de obra utilizada es informal, ya que usualmente esta se caracteriza por su baja calidad y su utilidad de encuentra en industrias de baja complejidad y serivicos que requieren mano de obra barata como el ensamblaje (^{F. Álvarez et al., 2018}; ^{OIT, 2017}; ^{Puyana & Romero, 2013}).

Bajo el enfoque no paramétrico, se encuentra el trabajo de Mahadevan (²⁰⁰²) sobre veintiocho subsectores de la manufactura en Malasia desde 1981 a 1996. Los resultados del DEA identifican un bajo crecimiento de la PTF derivado de pequeños incrementos tanto de eficiencia como de tecnología.

Por su parte, el estudio de Kumar (²⁰⁰⁶) se acota a la industria manufacturera de quince de los principales estados de la India en el período entre 1982-1983 y 2000-2001. Las estimaciones en la India indican que, en general, hubo una mejora en la PTF regida por el progreso tecnológico, donde este último presenta un sesgo de utilización de capital, además de las diferencias regionales en la PTF.

Otro punto de interés es la eficiencia energética dentro del sector manufacturero. Uno de los trabajos a destacar aquí es el de Zhang, Lundgren y Zhou (²⁰¹⁶), donde analizan 3066 empresas de 14 subsectores (pulpa y papel, hierro y acero, productos químicos, piedra y minerales, minería, alimentos, productos de madera, vehículos de motos, maquinaria, caucho y plástico, electrodomésticos, textiles, productos metálicos e impresión) durante 2001-2008 con DEA. Sus resultados indican la posibilidad de mejorar la eficiencia energética en todos los subsectores.

En el uso de la metodología del IM, destaca el trabajo de Leung (¹⁹⁹⁸) que explica la PTF de la manufactura en Singapur con datos de treinta industrias durante 1983 a 1993. Su estimación muestra un crecimiento anual de 4.6%, además comprueba que la propiedad extranjera y la calidad de la mano de obra tienen un impacto importante en los CPTF.

Bajo el mismo enfoque, Lee, Kim y Heo (¹⁹⁹⁸) emplean datos de treinta y seis sectores manufactureros en Corea entre 1967 y 1993. Se encontró que la PTF mejoró 0.286% en conjunto a lo largo del período de estudio, originado por un avance en el componente tecnológico (1.141% anual) con pérdida de eficiencia (0.855% anual), ello implica un beneficio de la innovación tecnológica de la economía coreana, donde los sectores con rezago en tecnología manifestaron cierto atraso.

Karadaǧ, Önder y Deliktaş (²⁰⁰⁵) estiman la PTF de la manufactura en un conjunto de provincias Turcas durante 1990-1998. Sus resultados indican que gran número de provincias tuvieron mejoras en la PTF del sector público, pero sólo la mitad de las provincias tienen desempeño favorable en el caso del sector privado.

Destaca el trabajo de Kalai y Helali (²⁰¹⁶) por emplear un panel de seis sectores manufactureros en Túnez a lo largo de cincuenta años (1961-2010). Sus estimaciones indican que la fuente principal de la falta de productividad se encuentra en el componente tecnológico, a pesar de que el cambio en los niveles de eficiencia fue satisfactorio.

Por su parte, Lin y He (²⁰¹⁸) estudian la industria manufacturera tradicional (dieciocho subsectores) en Beijing durante 2000-2014. Sus estimaciones concluyen que el crecimiento de la productividad se debe, en gran medida, al progreso tecnológico, a pesar de registrarse una pérdida de eficiencia, únicamente tres de los subsectores consiguieron mejoras en la PTF.

Mientras que, Shi, Wang y Zhu (²⁰¹⁹) analizan los cambios en la productividad de 671 empresas manufactureras chinas que cotizaron en la Bolsa de 2009 a 2014. Sus resultados indican que la investigación y desarrollo (I+D) podrían mejorar la eficiencia de los cambios tecnológicos.

Por su parte, Boyd y Lee (²⁰¹⁹) estiman la eficiencia de las energías eléctrica y térmica en cinco industrias manufactureras basadas en el uso de metales (fabricación de productos de metal, maquinaria, computadoras y productos electrónicos, equipo de transporte, equipo eléctrico) en Estados Unidos durante 1987-2012, a través del SFA y del IM. Se encontró que la eficiencia eléctrica es mejor que la eficiencia térmica.

Finalmente, Day y Farid (²⁰¹⁹) acotan su trabajo al estudio del desempeño de los diez principales fabricantes de automóviles en todo el mundo durante 2011-2016 con ayuda del IM. Sus resultados indican que hubo un incremento en la productividad de la industria durante el período de estudio, donde destacaron, en orden de ganancias, Toyota, Volkswagen y Mercedes-Benz.

En el caso de la comparación entre países, destaca el trabajo de Eberhardt y Teal (²⁰¹⁰) que, con una función de producción tipo Cobb Douglas, estudian 48 países desarrollados y en vías de desarrollo entre 1970 y 2002. Los autores señalan que las diferencias de tecnología son relevantes para la comprensión de la diferencia entre países con respecto de la productividad.

El interés por estudiar el comportamiento del sector manufacturero en Colombia se destaca dentro de la revisión de literatura, como se muestra a continuación. Pombo (¹⁹⁹⁹) utiliza el residuo de Solow para analizar noventa y cuatro sectores manufactureros de 1970 a 1995, sus estimaciones señalan la desaceleración del crecimiento de la productividad a mediados de los setenta hasta tornarse negativo en 1980, con una recuperación cinco años después y a partir de ello ha presentado ganancias moderadas.

Bajo la metodología de Mínimos Cuadrados Ordinarios (MCO), Ramírez (¹⁹⁹⁵) analiza 2,574 firmas que permanecieron en el sector manufacturero entre 1974 y 1987. Sus resultados muestran que las empresas con mayor eficiencia son las más antiguas, con mayor mano de obra calificada y que se ubican en sectores con mayor propensión a exportar y mayor tasa de protección efectiva. Por su parte, Meléndez et al. (²⁰⁰³) estudian 21 industrias del sector manufacturero entre 1977 y 1999, destacan que las reformas comerciales sugieren un crecimiento de la productividad, especialmente en el sector textil, papel, metales básicos y maquinaria, mientras que el sector del vidrio fue el único con crecimiento sostenido en la productividad durante todo el período de estudio.

A través del modelo de frontera estocástica, Acevedo y Ramírez (²⁰⁰⁵) identifican disparidades regionales del subsector de fabricación de confecciones durante 1992-2001, en once departamentos seleccionados. Los resultados muestran que las empresas producen por debajo de su frontera, con una tendencia creciente del nivel agregado de eficiencia, siendo la aglomeración regional un factor determinante de esta. Con este mismo enfoque, Barrientos, Tobón y Gutiérrez (²⁰⁰⁹) analizan la eficiencia del subsector de calzado y marroquinería de cuero en Bogotá, Bucaramanga, Cúcuta y Medellín durante 2007. Sus resultados indican que la eficiencia de las empresas está relacionada con las escalas de los rendimientos del factor trabajo.

Por su parte, Echavarría, Arbálaez y Rosales (²⁰⁰⁶) en un panel desbalanceado de plantas durante 1981-1992 a través de una función de producción logarítmica. Los autores muestran que la productividad multifactorial no cae entre 1980 y 1990, aunque el crecimiento fue mayor durante los noventa debido al impacto de las reformas económicas, así como por la apertura hacia adentro.

Respecto al papel que juega el empleo en la productividad manufacturera, Rodrik (²⁰¹³) utiliza modelos de convergencia para argumentar que las economías con una mayor cantidad de empleo en el sector manufacturero crecen más rápido debido a un catch up que sucede de la productividad laboral en los sectores industriales que moviliza a estos últimos hacia una frontera eficiente de productividad y les hace, incluso, menos dependientes de variables no controlables como las políticas internas, las calidad institucional o la geografía.

Sin embargo, para Felipe et al. (²⁰¹⁹) existe una percepción creciente de que, en los últimos tiempos se ha hecho más difícil para las economías mantener altos niveles de producción y empleo manufacturero mientras aumentan simultáneamente los salarios y el nivel de vida, lo que haría que el empleo alcance un punto en declive y por tanto, la participación de la manufactura de la economía en general. No obstante, los autores también señalan que en la medida en que las economías experimentan aumentos en los salarios pueden sustituir el trabajo por capital y este cambio debería ser más evidente por la creación de empleo manufacturero que por la participación de la manufactura en la producción (^{Felipe et al., 2019}), situación que poco o nada, sucede para el caso colombiano.

Finalmente, Delgado (²⁰¹⁹) estima la eficiencia técnica de 1,612 empresas manufactureras colombianas durante 2013-2015, con una función de producción Cobb Douglas. Concluye que 83.6% de las empresas mantuvieron niveles de eficiencia debajo de la mitad del potencial tecnológico del sector, siendo la producción de bebidas y minerales no metálicos los promedios más altos, se concluye que la productividad de estas empresas depende del uso eficiente de su capital y su recurso humano.

3.1 Índice de Malmquist

La estimación de los cambios en la productividad total de los factores en la industria colombiana se realiza a través de la metodología del índice de Malmquist, desarrollado inicialmente por Malmquist (¹⁹⁵³) como resultado de una proporción de dos funciones de insumos, para expresar una cantidad de consumo o nivel de vida dentro del contexto del consumidor. La primera aplicación del IM fue realizada por Moorsteen (¹⁹⁶¹) a través de una comparación del insumo de una misma empresa en dos momentos diferentes del tiempo.

Posteriormente, Caves, Christensen y Diewert (¹⁹⁸²) aplicaron la metodología del IM para estudiar el caso de dos empresas durante un mismo período de tiempo, a partir de su trabajo se consolida la metodología del IM (también conocido como el Índice de Productividad de Malmquist) con el cual argumentaron que existen dos formas de estimar las diferencias en la productividad: con un enfoque orientado al insumo y con un enfoque orientado al producto.

En esta investigación utilizaremos un IM orientado al producto, donde la productividad se define como la razón estimada entre la cantidad de productos y la cantidad de insumos empleados. Al tratarse de un número índice se desprende de los métodos no paramétricos, con lo que se permite la descomposición de los CPTF en un término de eficiencia y en un término de tecnología como se explica a continuación.

Una unidad tomadora de decisiones (DMU, por sus siglas en inglés Decision Making Unit) que produce un conjunto de productos y=y1,…,yM∈R+M a partir de un conjunto de insumos x=x1,…,xN∈R+N . Donde el conjunto de tecnología St , definido como el conjunto de todas las combinaciones factibles de insumos y productos, que caracteriza la tecnología de la DMU disponible en el periodo t de la siguiente manera:

Se asume que la tecnología cumple con las siguientes condiciones: (C1) St es cerrado y no vacío. (C2) si y≥0M , entonces existe una x tal que x,y∈St . (C3) si x,y∈St y x*≥x , entonces x*,y∈St . (C4) si y>0M , entonces (y,0N)∉St . (C5) si x≥0N y x,y∈St , entonces existe un límite finito b≥0 tal que 0M≤y≤b×1M . (C6) si x>>0N , entonces existe y>>0M tal que x,y∈St . Y (C7) si x,y∈St y 0M≤y*≤y , entonces (x,y*)∈St (^{Mizobuchi, 2017}).

Las funciones de distancia proveen la representación funcional de la tecnología subyacente al estimar la distancia radial que existe entre una combinación de insumos y productos x,y en el periodo t , y la frontera de producción con la tecnología del periodo t , que es el límite del conjunto de tecnología St (^{Mizobuchi, 2017}).

La función de distancia de productos del periodo t Dt: R++M+N→R+∪+∞ caracteriza la tecnología del periodo t . Está definida como sigue:

Por definición, la función de distancia de insumos es homogénea en primer grado en el insumo x y la función de distancia de productos es homogénea en primer grado en producto y , como se indica a continuación:

Los retornos constantes a escala para para t=0 y 1 se encuentran definidos como:

En este sentido, cuando la tecnología sigue retornos constantes a escala, la función de distancia de producto es recíproca a la función de distancia de insumo y se expresa como sigue:

Bajo este contexto, se define un IM orientado al producto (índice de cantidad de producto, IMOt ), a manera de determinar la cantidad máxima de productos que puede conseguirse dada una cantidad de insumos disponible, y donde la tecnología en t se considera como referencia, como:

De la misma manera puede definirse un IM cuya tecnología de referencia está basada en el periodo t+1 :

En ambos casos, IMOt e IMOt+1 calculan diferentes índices de productividad debido a que sus tecnologías de referencia pueden variar (^{Färe et al., 1998}).

La media geométrica de los IM en (6) y (7) se emplea en la estimación de los cambios en la productividad en un IM con orientación al producto. Debido a que se trata de una razón de funciones de distancia que pueden modelizarse de manera que resulte equivalente a las medidas de eficiencia técnica de Farrell (¹⁹⁵⁷), esto permite que los CPTF se descompongan y se aíslen las distintas fuentes que originan estos cambios (^{Lovell, 2003}), con ello se obtiene de manera simultánea la descomposición en cambios de eficiencia (catching up) y cambios de tecnología (frontier shift) a lo largo del tiempo (^{Färe et al., 1994}) como se indica a continuación:

Donde DOtxt+1,yt+1 y DOtxt,yt representan funciones de distancia de las observaciones de la tecnología del periodo t+1 y del periodo t, y de las observaciones referentes a la tecnología del periodo t y del periodo t+1, respectivamente.

Para interpretar los resultados de las estimaciones, en el caso de un IM orientado al producto, se observa una mejora o un incremento en la productividad del periodo t al periodo t+1 cuando es mayor a la unidad (IMOt,t+1>1) , una pérdida en la productividad cuando es menor a la unidad (IMOt,t+1<1) y sin cambios en la productividad cuando es igual a la unidad (IMOt,t+1=1) .

De la metodología de Färe et al. (¹⁹⁹⁴) se obtiene la descomposición de los CPTF estimados a través del IM en (8) como se expresa a continuación:

El primer componente estima el cambio en eficiencia (técnica), lo que implica un acercamiento a la frontera eficiente, muestra la relación entre la eficiencia en el periodo t+1 y la eficiencia en el periodo t :

El segundo componente estima el cambio en tecnología, o cambios en la frontera, como una media geométrica de las razones entre los periodos t y t+1 :

La interpretación de cada componente sigue la misma lógica del IM, donde una mejora se denota si el resultado es mayor a la unidad, una pérdida si es menor a la unidad y sin cambios cuando es igual a la unidad.

Una de las particularidades del IM está en que permite que los cambios en eficiencia y los cambios en la tecnología puedan ir en direcciones opuestas. Es decir, un incremento de eficiencia puede llevar de la mano un deterioro de tecnología, y viceversa. Asimismo, ambos componentes pueden ir en la misma dirección.

Bajo este escenario, y a través de su descomposición, el IM ayuda a conocer cuál es la fuente de los CPTF observados dentro de un mismo grupo de DMU entre dos períodos de tiempo distintos, basado en una técnica no paramétrica que no requiere asumir una forma funcional de la frontera de producción, tampoco precisa información sobre los precios de mercado de los insumos ni de los productos, ni supuestos restrictivos sobre minimización de costos o maximización de beneficios (^{Salinas et al., 2003}).

Cabe destacar que en esta investigación se emplea el supuesto de retornos constantes a escala para conservar las propiedades de CPTF del IM (^{Färe et al., 1994}), situación que se pierde en presencia de retornos variables a escala (^{Kerstens & Van De Woestyne, 2014}).

3.2 Datos y variables

Al emplear las técnicas no paramétricas en las estimaciones de la PTF, la selección de variables se convierte en una de las fases más importantes, ya que los resultados que se obtengan dependerán en cierta medida de la elección de los insumos y los productos. Aunado a lo anterior, no se cuenta con alguna prueba de tipo estadístico que consiga disentir sobre el ajuste de las variables a incluir en las estimaciones. A pesar de ello, es necesario hacer una selección de variables de acuerdo con la mejor aproximación posible de la realidad que se intenta explicar, de manera que deberán seguirse los parámetros conceptuales y empíricos que muestren evidencia de la relación que guardan insumos y productos (^{Dyson et al., 2001}).

Dentro del análisis empírico de los CPTF se utiliza un panel correspondiente a los veintinueve subsectores que conforman el sector manufactura en Colombia, con información de 2005 a 2016 tomada, principalmente, de las encuestas industriales que realiza el Departamento Administrativo Nacional de Estadística (DANE) en Colombia. La Encuesta Anual Manufacturera (EAM) es el principal insumo de este trabajo, la cual contiene información sobre la actividad económica de todos los sectores industriales que conforman la manufactura colombiana considerados como las unidades de análisis dentro de esta investigación.

Estas encuestas se empalmaron y homogenizaron a lo largo de la serie de acuerdo con el código Clasificación Internacional Industrial Uniforme (CIIU) mediante un proceso de agregación para poder hacerlos comparables en el tiempo. Para el tramo temporal que va de 2005 a 2013, la CIIU responde a la Revisión 3 (Rev. 3) y desagrega a la manufactura colombiana en 63 grandes ramas, mientras que, para los años posteriores a 2013 y hasta 2016 se siguen los lineamientos de la Revisión 4 (Rev. 4) que clasifica a la manufactura en 56 ramas. La Rev. 3 y la Rev. 4 se empalman y homogenizan al nivel de 29 grandes ramas industriales (DMU), con ello se evitan confusiones en el análisis y permite reunir en 29 divisiones claras y no repetitivas a las ramas industriales (ver Anexo 1).

A partir de 2017 el CIIU introduce la Revisión 4 A.C., aplicable para información de 2017 y 2018, con la cual se crean nuevas divisiones para la industria manufacturera, por lo que se lleva a nivel de división (dos dígitos) de componentes clasificados antes a nivel de grupo (tres dígitos), lo que va más allá de una mera reclasificación de los subsectores, con lo cual los últimos dos años mencionados con antelación se excluyen de la muestra con la finalidad de evitar serios problemas de agregación, quedando así un panel de 29 subsectores manufactureros con información de 2005 a 2016.

A continuación, se describe brevemente las industrias que sufrieron modificaciones que habrán de considerarse al interpretar los niveles de productividad.

Finalmente, de los 29 subsectores antes descritos se analizarán variables relacionadas con la capacidad de la industria para generar riqueza, así como el nivel de insumos utilizados para producirla, los cuales constituye la principal fuente de Productividad. A continuación, en la Tabla 1 se relacionan las principales variables a utilizar y una breve descripción.

En el Anexo 2 se muestra la estadística descriptiva, por CIIU y con cifras expresadas en millones de pesos colombianos, deflactadas con el Índice de Precios al Consumidor con año base 2012, del producto y los insumos empleados para la estimación del IM en la manufactura colombiana de 2005 a 2016.

4.1 Productividad de la manufactura colombiana

La Figura 1 muestra el resumen de las medias anuales del IM. Los resultados de las estimaciones para todo el periodo (2005-2016) muestran un cambio negativo promedio en la PTF para todo el sector manufacturero de 1.1%, derivado de un retroceso en la tecnología del 2.2%, mientras que el componente de eficiencia contrarrestó esta pérdida con un incremento de 1.1%.

Fuente: Elaboración propia de los autores con base en las estimaciones.

Figura 1 Medias anuales de la evolución del índice de Malmquist: 2005-2016 

Durante los años previos a la recesión económica de 2008 se observan pequeñas mejoras en la productividad promedio del sector manufacturero. En 2006 se alcanzó el mejor desempeño de todo el periodo de estudio con una ganancia media de 6% (ver Figura 1), originada por una mejora del 5.4% en el componente tecnológico y del 0.6% en el componente de eficiencia. Por otra parte, en 2007 la mejora de 1.6% promedio de la PTF se debió a una ganancia de eficiencia en 1.8%, contrarrestada por un decremento en el componente tecnológico.

A partir de la crisis económica mundial los niveles de productividad del sector presentaron resultados mixtos (ver Figura 1), siendo el año 2013 el periodo de peor desempeño con una caída del 5.8%, debida a una pérdida de eficiencia del 8.3%. El año 2012 tampoco fue la excepción y precedió al 2013 con un decremento medio en las variaciones de los CPTF de 4.5%, originado por el deterioro del componente tecnológico en 5.4%.

Se observa, en la Figura 1, que el movimiento cíclico y finalmente negativo (0.9899) que mostró la productividad media manufacturera durante 2005-2016 aunque se debió a diversas razones intrínsecas a la eficiencia y el cambio tecnológico, y que aquí no permiten ser plenamente identificables, cabe remarcar que, aparentemente, el uso generalizado por la industria de los factores productivos (capital, trabajo, e insumos intermedios) de manera eficiente fue la razón que más repercutió en estabilizar el indicador a lo largo de los años y reducir el impacto negativo que ejercieron los escasos cambios tecnológicos introducidos por la manufactura colombiana durante el periodo de estudio.

Otro hallazgo identificado se refiere al momento en el que la eficiencia y el cambio tecnológico destacan en la explicación de la PTF manufacturera. Por ejemplo, en la Figura 1 se observa que los años en el que el factor de eficiencia aumentó (fue mayor a 1) le presidió un periodo en el que esta misma cayó y se incrementó el cambio tecnológico. Desde 2006, periodo de mayor PTF, y a excepción de 2014, los componentes de eficiencia y de cambio tecnológico nunca fueron de la mano o se conjugaron para que la manufactura ganara productividad, por el contrario, se observa que en la manufactura coexistió una estrategia basada en periodos con un alto cambio tecnológico, posiblemente en forma adquisición de maquinaria y equipo, para que en periodos posteriores fueran utilizados para hacer más eficientes los demás factores de producción, trabajo y bienes intermedios.

De manera que, lo anterior indica que el cambio tecnológico o la introducción de innovaciones en la manufactura colombiana no podrían concebirse, aún, como factores críticos de éxito para la productividad y el crecimiento económico del sector y que dicho factor tecnológico sigue estando en fase de maduración, aunque con serias dificultades después de la crisis hipotecaria, dada la natural dependencia del sector por los tradicionales factores productivos de trabajo, capital fijo y bienes intermedios.

Dado que, a 2017, tan solo el 20% de las firmas que constituyen la industria manufacturera cuentan con cierta tecnificación de sus procesos y carecen de una efectiva adaptación de las Tecnologías de la Información y la Comunicación, TICs, (^{DANE, 2018}), es imperante que hoy los hacedores de política se centren en promover el uso de estas tecnologías TIC´s dada, en primera instancia, su influencia insoslayable en la comunicación en pleno siglo XXI y, en segunda instancia, dadas las necesidades de interconectividad que implica hoy el comercio mundial de la producción, donde el sector manufacturero colombiano puede aprovechar la oportunidad de integrarse a los eslabones más avanzados de la cadenas de valor del mundo en los sectores hasta ahora desarrollados o con potencial de desarrollo.

4.2 Productividad de los subsectores de la manufactura colombiana

El 73% de la manufactura (ver Tabla 2) demostró que, en periodos de crisis, si bien el cambio tecnológico era riesgoso e incluso poco pertinente, la eficiencia de los recursos permitió sobrellevar y, más tarde, rebasar los periodos críticos de 2007 y 2012 que vivió la manufactura colombiana. Por su parte, el cambio tecnológico, como era natural, solo afectó de manera positiva, aunque intermitente, a la productividad en los periodos de postcrisis.

Por otro lado, del análisis por subsector (ver Tabla 2), se destaca que el mejor desempeño durante todo el periodo de estudio se presentó en el subsector Elaboración de azúcar y panela (CIIU 157), con un avance promedio de 4.4% debido a la ganancia del componente de eficiencia de 5.2%. Le siguen en variación promedio los subsectores de Madera y fabricación de productos de madera y de corcho, excepto muebles (CIIU 2019) con 2.9%, Caucho (CIIU 251) con 2.7%, Fabricación de maquinaria y equipo (CIIU 3113) con 2.7%, y Elaboración de productos de café (CIIU 156) con 2.3%. En todos los subsectores que manifestaron CPTF positivos se observó una mejora del componente de eficiencia.

El destacado crecimiento del subsector de Azúcar (CIIU 157) coincide con una alta demanda de azúcar y panela en Colombia y el mundo a lo largo del periodo analizado, así como a los precios internos regidos por el Fondo de Estabilización de Precios que pudo permitir a los pequeños y grandes productores de azúcar, caña y panela equilibrar sus ingresos ante los deprimidos precios internacionales (^{Asocaña, 2017}). Sin embargo, se observa que la apertura de nuevos mercados en el exterior como el australiano, canadiense y el de los países de la Asociación Europea de Libre Comercio (EFTA, por sus siglas en inglés: European Free Trade Association) contribuyeron al crecimiento de las exportaciones, especialmente de panela, situación que pudiera estar relacionado con mejoras en los procesos de producción de este subsector (^{Asocaña, 2017}).

El desempeño del subsector de Madera (CIIU 2019) podría ser una respuesta a las estrategias de política pública centradas en la formación técnica de la mano de obra, a través del Servicio Nacional de Aprendizaje (SENA), para asegurar una transformación de la madera que respondiera a los nuevos conceptos de negocio de las industrias del diseño de interiores y de la construcción, quienes se basan en conceptos de “ármelo usted mismo” y los muebles tipo RTA. Asimismo, los avances alcanzados en tema de reforestación y sostenibilidad del negocio por parte de empresas y gobierno a través de la Federación Nacional de Industriales de la Madera (FEDEMADERAS), han sido clave en la integración de gran parte de la cadena de valor de la madera y dando responsabilidades para que operen de manera coordinada (^{Rueda et al., 2016}) y en pro de reducir las importaciones de su insumo principal, la madera.

Similar a lo anterior, el crecimiento y el desempeño del sector de Caucho (CIIU 251) y de Vidrio (CIIU 261) están vinculados al dinamismo y al buen comportamiento de sectores como el de la construcción y de otros sectores de servicios. También se hallaron como sectores productivos el de Químicos (CIIU 2413), Papel y cartón (CIIU 210) y, en menor medida, Maquinaria y equipo (CIIU 3113) los cuales requieren a los primeros como materia prima de sus productos finales (^{Mendoza & Oliveros, 2018}).

A tales relaciones de vinculación intersectorial también responden los sectores de Textiles (CIIU 1714) y Confecciones (CIIU 1758) cuyas productividades vieron crecimiento positivos (ver Tabla 2), aquí se ha observado una mejora en la calidad y los precios de los insumos, especialmente de la mano de obra formal e informal, y que, a diferencia de los sectores antes mencionados, estos sectores se han visto fortalecidos por sus continuas inversiones en reconversión del capital fijo, capacitación del capital humano y el apoyo, indudable, de entidades como ProColombia en posicionar los textiles y las confecciones colombianas en el mundo (^{SURA, 2013}).

En contraste, el peor desempeño de la PTF a lo largo de los once años fue observado en el subsector Coquización, fabricación de productos de la refinación del petróleo y actividad de mezcla de combustibles (CIIU 232), con un retroceso promedio de 12% como consecuencia de una caída en el componente tecnológico y la invariabilidad de la eficiencia. La caída del sector coincide con un desplome en la rentabilidad del sector originado por el declive en la demanda internacional de hidrocarburos y la baja incesante de los precios del petróleo, hecho que afectó a la economía y la industria colombiana en su conjunto, dado que el petróleo explica el 9% del PIB y cerca del 70% de las exportaciones del país.

La caída de la rentabilidad ya mencionada también se observó en el subsector de Bebidas (CIIU 159), donde la reforma tributaria de 2016 y la Ley de licores, además de aumentar el IVA de las bebidas alcohólicas del 16% al 18%, gravó las utilidades y la rentabilidad, ya decadentes, del sector ante la disminución, más que proporcional, en la demanda por el incremento de los precios (^{Lancheros & Ruiz, 2015}). Asimismo, las bebidas alcohólicas, que representan el 60% del subsector de Bebidas, se vieron afectadas por la caída en la demanda local y regional ocasionada por la reducción en el consumo de bebidas azucaradas a consecuencia del debate político y social vivido en Colombia (2016-2018) con respecto a gravar las bebidas azucaradas para mitigar los efectos adversos que tienen en la salud.

Otros subsectores que presentaron un nivel bajo de productividad y, al mismo tiempo, un negativo cambio en el componente tecnológico fueron Otro equipo de Transporte (CIIU 3519), cuya caída de este último fue ligeramente superior a la del componente de eficiencia, Productos de panadería y molinería (CIIU 155), Joyas, instrumentos deportivos, musicales (CIIU 369), Otros alimentos (CIIU 158), Plástico (CIIU 252) y Bebidas (CIIU 159), donde los dos últimos sufrieron caídas del 1.2% y 1.5% en la tecnología, respectivamente, e invariabilidad de la eficiencia.

A lo anterior, también se podrían sumar factores de incertidumbre e inestabilidad económica provocados por los efectos climáticos de fenómeno del Niño y que afectaron en gran medida al subsector de Productos alimenticios (CIIU 158), el sector de Molienda, almidones y panadería (CIIU 155) en especial a la producción de arroz, y una vez más, al sector de Bebidas (CIIU 159).

Asimismo, la caída de la PTF en los subsectores de Hierro y acero (CIIU 271), Curtido, recurtido de cuero y sus productos (CIIU 1913), Edición e impresión (CIIU 2213), Muebles (CIIU 361), Calzado (CIIU 192) y Aparatos y equipos eléctrico (CIIU 2913) se debió a una caída superior en la eficiencia con respecto de lo ocurrido con el componente tecnológico, llamando la atención sobre el papel de los insumos para este grupo de subsectores en Colombia.

Finalmente, la apreciación del tipo de cambio y que disminuyó las exportaciones a razón de la competencia internacional, especialmente China, y la dependencia de país por hidrocarburos, ha llevado a elevar el costo de los productos colombianos en el exterior, como principal síntoma de la enfermedad holandesa y la desindustrialización temprana, y provocado una reducción de las inversiones en materia de capital, trabajo y materias primas en los sectores manufactureros (^{F. Álvarez et al., 2018}). Lo anterior aunado a la inestabilidad de la economía colombiana ante los anuncios constantes de reformas tributarias y financieras, traen consigo una desestabilización de la confianza de los industriales en el futuro económico del país, ello pudiera estar vinculado con alrededor del 70% de los subsectores menos productivos del país, como Equipo de transporte (CIIU 3519), Edición e Impresión (CIIU 2213), Plásticos (CIIU 252), Calzado (CIIU 192), Cueros (CIIU 1913), Metales preciosos (CIIU 2728), entre otros.