Análisis de la Evolución de la Estructura del Mercado del Sector “Ingeniería Mecánica por cuenta de terceros” en España 2014-2020 (2562, CNAE)
I.- Introducción:
Comprender el funcionamiento y la dinámica de los mercados, así como de los distintos sectores económicos exige un estudio y análisis concienzudo y detallado de los mismos. Por ejemplo, por el lado de la oferta y de su caracterización que pueda incidir en el tipo de dinámica competitiva, la estructura de mercado constituye un elemento crucial aun cuando inicial.
El análisis de la estructura del mercado o del sector económico de interés, así como su evolución puede ayudarnos a comprender, conjuntamente con un conocimiento de las variables de competencia y decisión de que definan la dinámica competitiva, el eventual devenir económico del mercado.
Prestar atención a la estructura o grado de concentración económica, así como su evolución puede darnos información y conocimiento inicial para comprender el funcionamiento de cada sector económico e incluso identificar cambios estructurales que deberían ser posteriormente analizados para identificar variables y estrategias claves para las empresas.
Un ejemplo de la utilidad y alcance del análisis de la estructura de mercado lo constituye el presente documento. Aun cuando se desarrolla para un sector específico en España, nuestra intención es hacer ver que este tipo de análisis podría resultar tremendamente útil para el caso venezolano, especialmente en un período donde se asegura que la dinámica y los mercados están cambiando y sometidos a enorme estrés.
El presente ejercicio tiene por finalidad valorar la dinámica o variación de la estructura del mercado del sector de “Ingeniería Mecánica por cuenta de terceros” (2562, CNAE). Para llevar a cabo dicha tarea consideraremos al índice Herfindahl-Hischman, IHH, como una proxy o una representación de la estructura de dicho mercado en lo que al grado de su concentración se refiere. Intentaremos observar si a lo largo del tiempo dicho índice ha podido variar al alza, ha podido mantenerse estable o constante o si ha disminuido.
El IHH constituye un índice de concentración bastante robusto por sus bondades y características. Por un lado, en su definición se consideran todas las empresas que actúan en el mercado. Esta característica lo hace superar a otros índices de concentración como el Cr donde r constituye un número arbitrario de las principales empresas por participación de mercado, generalmente utilizadas las primeras 4 o 8 empresas (el índice Cr arroja la sumatoria de las participaciones de mercado de dichas empresas. Si bien las principales empresas por su participación de mercado inciden preponderantemente sobre cualquier cálculo de concentración e incluso para describir la dinámica del mercado, el resto de las empresas también aportarían información respecto a la estructura del mercado y a su grado de concentración.
Adicionalmente, aun cuando dos mercados pudieran mostrar un mismo índice C4 = 80, resulta muy importante conocer cómo las 4 empresas líderes se reparten dicho 80%. Un ejemplo ilustrará el punto: primer caso hipotético, la empresa líder ostentando el 70% y luego las otras 3 empresas mostrando un 2,5%. Segundo caso hipotético, cada una de las 4 primeras empresas en participación de mercado mostrando un 20% del mercado.
Nótese que índices de concentración como el C4 sólo muestran la altura de la sumatoria de la participación de marcado o la participación acumulada hasta la cuarta empresa, pero no dicen nada sobre su distribución a lo largo de dichas 4 empresas, mucho menos sobre el restante que configurarían el mercado.
La dispersión de las participaciones de mercado constituye una dimensión importante a la hora de describir la estructura y nivel de concentración de un mercado. Al respecto el IHH muestra la ventaja de valorar dicha dimensión referida a la dispersión, no solo por considerar el universo de las empresas en un mercado o sector sino porque al elevar al cuadrado o ponderar por sí mismo a cada participación de mercado resalta la dispersión que puede estar presente en los mercados.
Existen otros índices o ratios que permiten analizar la dinámica competitiva partiendo de las participaciones de mercado como son el índice de Entropía y el índice de Inestabilidad.
El índice de Entropía resulta contrario al IHH, en el sentido que su valor cero corresponde a la situación de monopolio y su umbral de mayor valor vendrá acotado por el logaritmo natural de (N), donde n es el número de empresas en un caso donde las empresas resulten simétricas (si=1/N para todo i, y donde despejando N=1/si). En este sentido su menor valor cero correspondiente a una situación de monopolio implica el menor riesgo posible de pérdida de un cliente frente a un rival. Luego si exista más de una empresa, pero existe mucha asimetría entre las empresas arrojará un índice de Entropía si bien mayor al caso de monopolio, resultará menor al caso que un el mismo número de empresas N las cuotas de mercado resulten simétricas. En el caso de asimetría de empresas, un índice de Entropía bajo implicaría bajo riesgo de pérdida de un cliente frente a un rival. En el caso de simetría de las participaciones de mercado, el índice de entropía será mayor, reflejando mayor riesgo de pérdida de un cliente frente a un rial.
La fórmula para su cálculo es:
El índice de Inestabilidad mide el grado de variabilidad de las cuotas de mercado entre dos periodos. Es decir, mide cuan inestable resultan las posiciones de mercado y/o participaciones de mercado de un periodo a otro.
Donde Si0 es la participación de mercado de la empresa i en el periodo t y Sif es la participación de mercado de la empresa i en el periodo t+1. Este es un índice que puede oscilar entre cero y uno, representando dichos extremos por un lado el caso de estabilidad absoluta a lo largo del tiempo y por el otro lado el caso de máxima inestabilidad posible (desaparición de las empresas presentes en 0 y la aparición de nuevas empresas en F). El rango de valores posibles para este índice es entre 0 y 1.
Asimismo, podríamos complementar el análisis sobre la concentración y grado de dispersión y/o asimetría en el mercado por medio del cálculo teórico de cuál sería el número de empresas que ostentando idéntica participación de mercado replicaría el IHH observado en el mercado y comparar dicho resultado con el número efectivamente existente en el mercado.
Esto se calcularía de la siguiente manera: IHHC= Índice Herfindahl-Firschman Calculado. N es el número de empresas hipotéticas idénticas en participación de mercado:
IHHC=N(1/N)^2 = N*1/N^2 = 1/N despejando N para obtener el número de empresas idénticas en participación de mercado que replica el cálculo del IHH tenemos:
N = 1/IHHC donde IHHC es el índice Herfindahl-Hirschman calculado.
II.- Análisis Previo de los Índices Herfindahl-Hirschman, de Entropía e Inestabilidad:
Todos estos indicadores no solo nos servirán para evaluar la evolución de la estructura del mercado, sino que asimismo no permitirán identificar eventuales cambios significativos, por ejemplo inflexiones o saltos de nivel en sus series temporales a partir de los cuales evaluar cuál será nuestro horizonte temporal para realizar el presente análisis.
Existe la sospecha que los periodos temporales disponibles en ORBIS pueden iniciar y/o finalizar con años cuya calidad de los datos podría resultar pobre. Por ejemplo, en el caso de los años más recientes podría existir un sesgo de sobre-representación de empresas de cierto tamaño debido a la facilidad de acceso o entrega de su data.
Aun así, resulta clave no confundir deficiencias en la base temporal de datos con cambios estructurales efectivos del mercado. Por ello, se realiza un análisis exploratorio previo de los propios índices para profundizar en ciertas pruebas sobre la consistencia de la serie temporal completa que ofrece ORBIS.
Lo primero que llama la atención es que el mercado total medido como la sumatoria de las ventas muestra un salto de nivel del año 2012 al año 2013 (un crecimiento de 129,02%). Luego los años 2014 y 2023 muestran variaciones 65,13% y -55,02%. Acá cabe preguntarse si dicho salto de nivel implica un crecimiento o decrecimiento efectivo del mercado total o por el contrario constituye un problema con la muestra como podría ser la falta de datos o empresas en la totalización.
De hecho, cuando se observa el gráfico referido al número de empresas que reportan datos positivos se muestra correlativamente un salto significativo en dichos años reportados anteriormente. Por ejemplo, en el caso del año 2012 y 2013 el crecimiento en el número de empresas es de 107,86% (las estadísticas mostradas del sector pasaron de 535 empresas en 2012 a 1.112 en el año 2023). Para el caso de los años 2014 y 2023 el número de empresas muestra un crecimiento de 42,36% en el primer caso y un decrecimiento de -59,78% en el segundo caso. Durante el periodo de tiempo 1996-2002 las tasas de crecimiento del número de empresas supera a los valores mostrados en el resto de la serie temporal pudiendo significar que la base de datos ORBIS habría ido incorporando empresas aun cuando existían y se encontraban operando no habían sido incluidas en las consideradas por dicha base de datos.
El índice de concentración IHH muestra una tendencia descendente lo largo de todo el periodo disponible 1996-2024.
A lo largo del periodo original 1996-2024 destaca que el año 2024 no muestra dato alguno, siendo un año que no ha culminado, no parece razonable siquiera considerarlo para el estudio.
El gráfico del número de empresas hipotéticas de idéntica participación de mercado que replica el IHH (serie temporal 1/IHH) luce altamente parecido o correlacionado con los datos del número de empresas. Lo anterior se debe a que nuestro mercado puede tender a ser relativamente atomizado y en consecuencia bastante simétrico entre las empresas que lo conforman. Esto significa que aun cuando exista omisión de empresas a lo largo de la serie temporal, la ausencia o presencia de alguna empresa específica no hace que la curva del número de empresas presentes en el mercado difiera al gráfico de empresas hipotéticas con el mismo market share que replicaría en IHH (las empresas en la realidad son relativamente simétricas). Todo esto asoma importantes indicios sobre lo que podría esperarse del grado de concentración de este mercado y de su evolución de IHH a lo largo del tempo (tema que veremos más adelante).
El índice de Entropía resulta elevado y estable a lo largo de la serie temporal 1996-2024. Su alto nivel es consistente con un significativo número de empresas registrados y porque resultan bastante simétricas las empresas entre sí. Más allá de estas confirmaciones respecto a la estructura del mercado, el número de empresas y cuan simétricas puedan resultar las empresas entre sí, este índice no revela mayor información sobre la calidad de los años a lo largo de la serie temporal.
El índice de Entropía aumenta levemente a lo largo de la serie temporal y se estabiliza alrededor del valor de 0,9 a partir del año 2013 en adelante (podría significar que a partir de este año se esté reportando un buen número y estable de número de empresas del sector).
Por su parte, el índice de Inestabilidad es bastante revelador sobre la calidad de la serie temporal, así como respecto a cuáles años parece existir cierta calidad de los datos.
El índice de Inestabilidad, II, puede revelar dos situaciones, una referida a deficiencias en la serie temporal y otra, eventualmenten, relacionada con una caracterización de un sector dinámico y altamente competitivo. Lamentablemente, observando únicamente la serie del II no necesariamente resultaría suficiente para discriminar entre ambos casos, salvo que uno cuente con información adicional sobre el tipo de sector económico, ej: si es manufactura versus tecnología o software, o si es un sector maduro o uno naciente.
Por medio de este índice se confirma que el año 2024 debe descartarse por ausencia de datos. Arroja un valor de 1/2 producto de la desaparición de los datos de las empresas presentes durante el año 2023 y la ausencia de registro alguno durante el año 2024.
Este índice resulta muy útil en nuestro caso porque la desaparición de empresas tendría que ser masiva si poseemos un sector relativamente atomizado para observar un salto significativo en el comportamiento del índice, lo que sería revelador sobre eventuales problemas de cobertura de la serie temporal a lo largo de ciertos intervalos del periodo 1996-2024. Por ejemplo, durante el año 2012 y 2013 este da un salto al alza y luego a la estabilización a la baja que podría significar la incorporación de un mayor número de empresas a la muestra que luego se mantendrían a lo largo del resto de la serie temporal.
A partir del año 2014 la serie del índice de Inestabilidad se estabilizar alrededor de un valor de 0,1.
III.- Análisis de Cobertura y Representatividad de la Muestra versus la Población:
La valoración referida a la cobertura y la representatividad de la muestra constituida por los datos de ORBIS la realizaremos por medio de dos ejercicios. Primero, valoraremos los valores de la muestra ORBIS referida a las vetas contra datos poblaciones de la encuesta industrial del INE sobre la producción, partiendo de una identidad contable dentro del cada año calendario entre consumo/ventas y la producción.
Segundo, valoraremos la cobertura y la representatividad de la muestra ORBIS respecto al tipo de empresas presente -micro, pequeña, mediana y grande- al comparar sus datos contra aquellos del INE provenientes de la encuesta industrial. En este sentido, esta segunda parte de la valoración no solo nos dirá el porcentaje de cobertura del número de empresas totales, sino adicionalmente si la muestra ORBIS sobre-representa algún tipo de empresa según la clasificación por número de empleados. Los datos del INE corresponden al Directorio Central de Empresas, DIRCE.
Al valorar las ventas totales proveniente de la muestra ORBIS versus la producción total registrada por el INE podemos observar hasta que punto la muestra cubre el universo productivo de nuestro sector, partiendo del supuesto de identidad contable entre consumo de los productos y/o servicios del sector bajo análisis y la producción del sector para año calendario.
El gráfico anterior muestra un salto de nivel importante del año 2012 al año 2013 y luego a partir del año 2020 cae nuevamente el nivel de cobertura de la muestra ORBIS. Dependiendo del sector económico, en un principio se esperaría que el presente ratio resulte inferior al 100% -salvo que se utilicen inventarios que impliquen ventas superiores a la producción, pero estamos partiendo de un supuesto de identidad contable consumo=producción-. Sin embargo, algunos sectores económicos podrían estar representados por empresas multi-productos que aun reportando como actividad principal el sector bajo análisis podría estar distorsionada la producción total abarcando más allá del producto que define su código CNAE. EN este caso podría producirse un resultado del índice de cobertura igual o superior al 100%.
Sin embargo, para el presente análisis preseleccionamos el periodo 2008-2024 por resultar en nuestro entender el periodo de tiempo más extenso durante el cual el número de empleos y número de empresas muestran niveles y estabilidad interesante, eventualmente reflejando calidad de la muestra (aun así, probablemente dicha preselección podría resultar nuevamente depurada al final de esta valoración y a la luz de los resultados previos de la sección primera del presente documento). Siendo que el INE divide el periodo 2008-2023 en dos presentaciones y/o series temporales separadas, primero el periodo de 2008 al 2020 y segundo el periodo del 2020 al 2023 presentamos a continuación los resultados conjuntamente:
La tabla anterior reporta para el periodo 2008-2023 la cobertura de ORBIS por número de empresas dependiendo de la clasificación referida al número de empleados por empresa. Evaluando los números de cobertura, hemos decido considerar el periodo 2014-2020 como el de mayor cobertura y estabilidad de la misma a lo largo de un mismo intervalo de tiempo continuo.
Específicamente dicho periodo temporal 2014-2020 presenta la siguiente cobertura promedio por número de empresas según la clasificación de las empresas acorde al número de empleados:
Este es el periodo de tiempo que muestra los mayores números de representación conjuntamente para los distintos tipos de empresa según su tamaño acorde al número de empleados. Los años a partir de 2020 parecen mostrar problemas de cobertura para las empresas grandes o micro mientras que los años previos a 2014 muestra una cobertura deficiente independientemente del tipo de empresa.
Adicionalmente, nos interesa saber si la representatividad de la muestra ORBIS para el periodo seleccionado 2014-2020 replica de mejor o peor forma la distribución poblacional de empresas según su clasificación por tamaño acorde al número de empleados. Para llevar a cabo esto presentamos la distribución poblacional, así como la distribución o representatividad de ORBIS y los comparamos calculando una diferencia entre ambas.
De las diferencias de los promedios durante el periodo 2014-2020 entre ORBIS e INE destacan, por un lado, el caso de las empresas Micro que se encuentran infrarepresentadas -diferencia de -11,62%- (sesgo que podría esperarse en un trabajo muestral ante un estrato eventualmente atomizado) y por el otro lado, una sobrerepresentación en el caso de las empresas Pequeñas -diferencia de 9,95%-.
Para el caso de las empresas Grandes existe una leve subrepresentación -diferencia de -0,15%- y en el caso de las empresas Medianas una leve sobrerepresentación -diferencia de 1,34%-.
Este análisis nos permitió afinar más nuestro periodo de análisis de las secciones posteriores al período 2014-2020.
IV.- Análisis de la Concentración Económica y su Evolución:
Ahora pasaremos avaluar el índice de concentración Herfindahl-Hirschman, IHH a lo largo del periodo de tiempo finalmente seleccionado, 2014-2020.
Una serie de umbrales referenciales e internacionalmente aceptados son aquellos publicados por el Departamento de Justicia de los EEUU referidos al análisis de las operaciones de concentración económica cuya última revisión y adaptación obedece a diciembre de 2023.
La agencia generalmente considera que los mercados en los que el IHH está entre 1.000 y 1.800 puntos están moderadamente concentrados, y considera que los mercados en los que el IHH supera los 1.800 puntos están altamente concentrados. Aquellos mercados que arrojan índices inferiores a 1.000 puntos son considerados mercados no concentrados.
En nuestro caso, en ningún año el IHH supera los 100 puntos. Nuestro sector bajo análisis, el de “Ingeniería Mecánica por cuenta de terceros” (CNAE, 2562) constituye uno desconcentrado, atomizado, con un elevado número de competidores superior a 1.700 empresas promedio de lo largo del periodo 2014-2020. Adicionalmente, constituye un sector atomizado y bastante simétrico como veremos en la última sección del presente documento.
Ahora pasaremos a analizar la evolución del IHH considerando el primer y último año de nuestro periodo seleccionado 2014-2020. Para ello ordenaremos las empresas de mayor a menor según su participación de mercado en ambos años y seleccionaremos por posición decreciente por participación de mercado hasta aquella posición que posea empresas activas tanto en el año de inicio como en el año inicial hasta el año final (como se explicará más adelante dicha selección resultará suficiente por el hecho que son justamente las primeras posiciones las que inciden en el cálculo del IHH por su propia formula que implica una ponderación de las participaciones de mercado por sí misma para luego calcular la sumatoria). En nuestro caso correspondió a las primeras 1.583 posiciones de las empresas según su participación de mercado tanto para el año 2014 como para el año 2020.
Teniendo la selección anterior obviaremos que dichas posiciones corresponden a una serie de empresas específicas con nombre propio y consideraremos a dicho ranking como simplemente las posiciones correlativas descendientes de las participaciones de mercado que eventualmente serían introducidas en la fórmula de IHH para medir su nivel.
En este sentido, podemos construir una serie de pares de valores de la participación que la primera posición ostentó en el año 2014 y en el 2020, y así sucesivamente para posiciones inferiores del ranking. Si pensamos graficar dichos pares de puntos es de esperar que tendremos una función monótona estrictamente creciente de forma determinística por su construcción (aparejamiento de la primera posición en el año 2014 con la primera posición en el año 2020 y así sucesivamente).
Con dicha base de datos de 1.583 aparejamientos realizaremos una regresión lineal de mínimos cuadrados ordinarios -OLS por sus siglas en inglés- del siguiente modelo teórico:
Sit = a + b*Si0
donde: Sit es la participación de mercado de la posición i en el año t, Si0 es la participación de mercado de la posición i en el año 0, a es el intercepto de la regresión y b es la pendiente de la recta.
El ajuste de dicha recta busca contrastar alguna de las siguientes tres hipótesis:
- Si b(estimado) > 1 se habría producido un proceso de concentración de 0 a t.
- Si b(estimado) = 1 no habría ocurrido cambio alguno en la concentración del mercado.
- Si b(estimado9) < 1 habría ocurrido un proceso de dispersión o desconcentración del mercado de 0 a t.
A continuación, presentamos el resultado de la estimación:
Primero se observa que el intercepto arroja un p-valor inferior al 0,05 por lo que se puede entender como significativo en la regresión y su valor estimado. Sin embargo, su valor en casi cero (-2,58708E-05).
Respecto al beta, el p-valor es inferior a 0,05 por lo que rechazamos la hipótesis nula sobre que dicho coeficiente sea igual cero. Otra forma de plantear este primer test respecto al coeficiente que acompaña a la variable “explicativa” o correlacionada sería plantear una hipótesis nula Ho: b = 0 con hipótesis nula H1: b ≠ 0. Este contraste sigue cuando se trata de un test de Dependencia sigue el siguiente estadístico y distribución:
El test anterior aplica si estamos calculando el índice de correlación de Pearson.
Ahora bien, si como en nuestro caso estamos estimando una regresión de mínimos cuadrados ordinarios, OLS, lo que contrastamos con el p-valor del coeficiente beta es si esta es igual a cero o distinto de cero. Una vez, como lo hemos hecho rechazamos la hipótesis nula de igualdad a cero, queremos aplicar un nuevo test para validar si es igual o distintos de 1, lo que nos ha interesado desde un principio para contrastar cambio significativo en la evolución del IHH del año de inicio al año final.
Faltaría realizar un test para contrastar si el coeficiente estimado 1,03822874 es igual a uno -estabilidad en la concentración- o si por el contrario es mayor que uno. Nótese que este tipo de test tiene por lógica una diferencia entre el coeficiente estimado y el valor que queremos contrastar o validar (en el presenta caso 1). Las pruebas de diferencias aritmética suelen tener funciones de densidad centrados en el cero -podría ser una normal estándar o una “t”-. En nuestro caso sigue una distribución “t”.
En este sentido nuestra hipótesis nula será Ho: b = 1 y la hipótesis nula H1: b > 1. Sería el test más apropiado para el investigador según la hipótesis nula y especialmente la hipótesis alternativa.
Otra forma de plantear el test de con Ho: b = 1 y la hipótesis nula H1: b ≠1, con lo que el test sería de dos colas.
El estadístico de contraste valora si nuestro valor estimado es estadísticamente distinto de 1 siguiendo una distribución de densidad igual a una “t” con n-2 grados de libertad por los dos valores estimados (el beta y el intercepto):
t=b(estimado)- b1 /(et(bestimado) = 1,03822874 -1 /0,002587207 = 14,7760654636
Como es un test unilateral en el sentido de la hipótesis nula, con un grado de significación del 0,05 buscamos establecer si el valor del estadístico calculado cae dentro o fuera de la región de aceptación.
En todos los casos, sea que apliquemos el intervalo de confianza o el p-valor para el estadístico calculado, rechazamos la hipótesis nula de Ho: b = 1 en favor de la eventual hipótesis alternativa de un beta superior a uno.
Es así como, la regresión asoma que siendo la pendiente superior a 1, del año 2014 al año 2020 se produjo un proceso de concentración económica lo que se intuía del penúltimo gráfico presentado referido al IHH.
V.- Análisis de eventual Existencia de Barrera de Entrada del tipo Rendimiento Crecientes y/o Economías de Escala:
Finalmente, en la presente sección evaluaremos si es posible que en nuestro sector analizado se encuentre presente una barrera a la entrada derivada de rendimientos crecientes y/o economías de escala (estos dos conceptos relacionados más no idénticos).
Para ello consideramos el último año de nuestra serie temporal (2020). Hemos tomado dos vías para realizar este contraste. Primera vía, hemos clasificado las empresas por su nivel de participación de mercado y hemos calculado su participación de mercado por establecimiento. Una vez calculado dicho promedio sumamos promedio por establecimiento multiplicado por el número de establecimiento de las empresas de mayor participación hasta acumular el 50% del mercado. Se calcula un promedio de la participación de mercado de ese subconjunto de establecimientos constituyendo la medida de Comanor y Wilson.
La segunda vía consistió en calcular el promedio por establecimiento y realizar un ranking de mayor a menor basado en dicho promedio. Una vez realizado en ranking sumar el número de establecimientos y empresas de dicho ranking que acumularan el 50% del mercado. Al igual que en el primer caso se calcula un promedio de la participación de mercado de ese subconjunto de establecimientos constituyendo la Medida de Comanor y Wilson.
Complementariamente calculamos la Mediana de Florence consistente, tanto para la primera vía como para la segunda, en la participación de mercado del establecimiento que sigue al último que configuró la sumatoria del 50% del mercado.
La idea de este ejercicio es considerar las empresas y/o establecimiento con un tamaño tal de participación de mercado que pudieran estar siendo beneficiadas de eficiencias derivadas de su escala en término comparativo con las empresas de menor participación de mercado. Es decir, podríamos partir del supuesto que las empresas más grandes podrían ubicarse operativamente en la escala mínima eficiente que les otorgaría ventajas relativas en materia de costos.
Una vez calculadas las Medidas de Comanor y Wilson así como la Mediana de Florence podemos calcular las ventas mínimas que se requerirían para formar parte del grupo de “empresas eficientes” por escala.
Lo anterior se calcula multiplicando las Medidas de Comanor y Wilson y la Mediana de Florence por las ventas totales del sector para el año 2020. Este cálculo se ve reflejado en el segundo cuadro del grupo presentado anteriormente.
Por su parte, el “número de establecimientos eficientes” se calcula dividiendo las ventas totales entre TME (Ventas) o las ventas eficientes por establecimiento según las Medidas de Comanor y Wilson y la Mediana de Florence.
Finalmente, comparamos el número efectivo de establecimientos operativos para el año 2020 con dicho número teórico de número de establecimientos eficientes.
En nuestro caso el número de establecimientos efectivamente operativos en el sector para el año 2020, 1.829 establecimientos, supera notablemente a cualquiera de los cálculos de número de establecimientos eficientes. Este ejercicio asoma que no debe existir barreras de entrada significativa derivada de economías de escala en el presente sector, lo que es bastante consistente con lo que hemos ido describiendo de la estructura del sector a lo largo del presente documento.
En el caso que ambos números se encontraran cercanos podríamos pensar en indicios de la existencia de alguna barrera a la entrada o requerimiento de alguna escala mínima para poder entrar y mantenerse en el mercado.
Referencias:
- William S. Comanor and Thomas A. Wilson Source (Nov., 1967). The Review of Economics and Statistics, Vol. 49, No. 4, pp. 423-440 Published by: The MIT Press.
- Belleflamme, P., & Peitz, M. (2010). Industrial organization: Markets and Cambridge and New York:; Cambridge University Press.
- Carlton, D. W., & Perloff, J. M. (1990). Modern industrial organization. Glenview, Ill. and London:; Scott, Foresman/Little, Brown Higher Education.
- Motta Massimo. (2018). Política de competencia: Teoría y práctica.
- Pepall Lynne, Richards Dan y Norman George. (2014). Industrial organization: Contemporary theory and empirical applications.
Economista UCV. Master in Competition and Market Regulation, Universidad Pompeu Fabra. Master en Economía Industrial, Universidad Carlos III de Madrid. Master in Law and Economics, Universidad Torcuato Di Tella. Postgraduate Diploma in Economics for Competition Law, Kings College London. Profesor de Estrategia Competitiva, Universidad Torcuato Di Tella. Profesor de Economía Digital, UCAB. Profesor de Competencia en las Plataformas Digitales, Universidad Torcuato Di Tella. Profesor de Derecho de la Competencia y Análisis Económico del Derecho de Protección al Consumidor, Universidad Monteavila. Consultor Económico.