ISSN 0798 1015

Vol. 41 (Nº 14) Año 2020. Pág. 30

Caracterización de la competitividad municipal mediante el análisis factorial: una aplicación empírica en el estado de Sonora, México

Characterization of municipal competitiveness through factor analysis: an empirical application in the State of Sonora, Mexico

GARCIA, Juan J. 1; A MARTINEZ, María del C. 2; LEYVA, Alma B. 3 y ROJAS Issac S. 4

Recibido: 21/01/2020 • Aprobado: 13/04/2020 • Publicado 23/04/2020

Contenido

1. Introducción

2. Metodología

3. Resultados

4. Conclusiones

Referencias bibliográficas

1. Introducción

La evolución de la teoría de la competitividad de las naciones es trazada por dos teorías económicas a lo largo de la historia: la tradicional, creada por Smith en 1776 y la moderna, de Porte en 1990, quien pondera el modelo de la ventaja competitiva, utilizando el modelo del diamante, compuesto por seis factores determinantes. De estas dos concepciones teóricas, se han derivado todos los estudios que nos permiten medir la competitividad en cualquier nivel geográfico de análisis (Capobianco-Uriarte, Casado-Belmonte, Martín-Carrillo y Terán-Yépiz, 2019; Traverso, Baño y Samaniego, 2017; Cho y Moon, 2013; Benzaquen, Del Carpio, y Valdivia, 2010; Ramos, 2001). Emanado de lo anterior se han fundamentado los modelos teóricos de dos instituciones de las más reconocidas a nivel internacional que publican reportes de competitividad: el Foro Económico Mundial (WEF) y el Instituto Internacional para el Desarrollo Gerencial (IMD por sus siglas en inglés). Ambas instituciones tienen su sede en Suiza y publicaban juntos sus índices en el Reporte de Competitividad Mundial (WCR por su acrónimo en inglés). Esta es la razón por la que ambas instituciones han utilizado los determinantes de la competitividad de forma muy similar desde el inicio, sin embargo, los resultados de sus modelos eran diferentes, debido a las ponderaciones en las mismas variables. En el año 2008, el WEF hace una revisión al modelo para finalmente identificar los 12 factores determinantes, 25 sub-factores y 112 indicadores. Por su parte, el IMD, desde el 2001 también actualizó su modelo, reduciéndolo a 4 determinantes, 20 sub-factores y 342 indicadores, hasta hoy continúa utilizando (World Competitiveness Center, 2019; Cho y Moon, 2013; Lall, 2001).

En México, las instituciones más reconocidas que han investigado sobre el tema en los niveles: país, estado, municipio son el Instituto Mexicano para la Competitividad A.C. (IMCO), y la Escuela de Graduados en Administración Pública y Política Pública (EGAP). El modelo del IMCO, con el que se han generado reportes para los tres niveles geográficos, fue desarrollado al considerar diez factores, que contienen 130 indicadores recogidos para 46 países y correlacionado con los índices del WEF y del IMD. Mientras que el modelo del EGAP, está estrechamente asociado al modelo internacional IMD, pues este contiene los mismos cuatro determinantes de la competitividad, con 19 de los 20 sub-factores, y en lugar de 342 indicadores los reduce a 201 indicadores. (Huber, y Mungaray, 2017; EGAP, 2010; IMCO, 2007).

Otras investigaciones han estudiado la competitividad nacional y municipal mediante el estudio de la importe servicios y de comercio, que miden el valor bruto de la producción para 39 ciudades del país (Garcia, León y Nuño, 2017; Garduño, Ibarra, y Dávila, 2013; Cabrero, 2012; IMCO, 2010; Sobrino, 2005). Para el modelo de competitividad local del IMCO, las zonas urbanas son la unidad de análisis más elemental. Establece que, para tener una representatividad de todo el país, se seleccionaron a 367 municipios (de un total de 2,457 municipios agrupados en 32 estados del país) que contienen a las 74 principales ciudades del país. Los cuales generan el 76% del PIB nacional (IMCO, 2016; IMCO, 2010). En el modelo de competitividad de tres niveles (MC3N) de Garcia et al. (2017), véase Tabla A-1 del anexo, consta de cinco componentes: a) desempeño económico, b) infraestructura y las tecnologías de información y comunicación (TIC´s), c) educación y salud básica, d) Capital humano calificado, y e) economía basada en el conocimiento. El cual se alimenta con 36 indicadores tomados de las bases de datos oficiales del país para medir a 9 de 72 municipios del estado de Sonora, México. me llev

Aunque se han realizado suficientes trabajos referente a la competitividad nacional y de los estados, existe un faltante en lo referente al estudio de la competitividad a nivel de los municipios que es el área geográfica básica del gobierno municipal (Acevedo, Jiménez, y Rojas, 2017). Así para el caso del estado de Sonora, México Sobrino (2005), solo considera un municipio de los 72 municipios: Hermosillo; mientras que Cabrero (2012), considera 3 de los 72 para el análisis: Hermosillo, Cajeme (Ciudad Obregón) y Guaymas; por otra parte, el IMCO (2010) en la que describe su más reciente metodología y considera cinco municipios para el estado de Sonora: Nogales, Hermosillo, Guaymas, Cajeme (Cd. Obregón) y Navojoa. Finalmente, García et al. (2017) considera 9 municipios, los cinco que considera el IMCO y además los municipios de: San Luis Río Colorado, Puerto Peñasco, Caborca y Agua Prieta.

Por lo tanto, considerando la revisión realizada, se encontró como problema de investigación que el modelo de IMCO, como el de EGAP, así como otras investigaciones relacionadas no consideran caracterizar la competitividad de los 72 municipios del estado de Sonora, México. Con base en lo anterior, y para contribuir en la participación de estudios locales asociados al desarrollo de una región conformada por sus municipios, en esta investigación se plantea como objetivo principal el revelar y agrupar el estado actual de la competitividad de los 72 municipios del estado de Sonora, México. Para lo anterior, se elige el modelo MC3N ya que éste considera a 36 variables indicadoras que han sido identificados en las bases de datos oficiales a nivel de los municipios de Sonora, a partir de los 201 indicadores identificados a nivel nacional por el EGAP (2010). En este sentido, se considera la siguiente hipótesis de trabajo.

H1: La competitividad de los municipios del estado de Sonora se ve influida por los cinco determinantes del modelo MC3N (desempeño económico, infraestructura y las TIC´s, educación y salud básicas, capital humano calificado y economía basada en el conocimiento).

Para sustentar lo anterior, la metodología consistió en la revisión de la teoría de los principales modelos aplicados en el país, de la teoría del análisis factorial (AF) y del análisis clúster para su clasificación. El caso empírico del modelo usado se aplicó para todos los municipios del estado de Sonora, México.

Se espera que con los resultados del estudio puedan ser considerados para la orientación de políticas públicas estatal y municipal que ayuden a impulsar la competitividad de los municipios y, desde el enfoque académico, conocer la caracterización de los 72 municipios y su agrupación competitiva en Sonora.

2.1 Objeto de estudio

México está conformado por 32 estados, de estos Sonora es el segundo más grande del país con una superficie de 179,355 km2, que representan el 9.2% de toda la superficie. Las unidades objeto de investigación, es el universo de los 72 municipios del estado de Sonora, que hacen un total de 2,592 datos (72 municipios x 36 variables indicadoras) recolectados en el año 2018, para el presente estudio.

2.2 Fuentes de información de las variables, del modelo MC3N

En México, el Instituto Nacional de Estadística y Geografía (INEGI), es un ente federal autónomo del gobierno federal que tiene como función fundamental normar, captar y difundir públicamente toda la información clave del país, usada para el análisis y la toma de decisiones. El INEGI cuenta con una base de datos pública que se compone a su vez de varios bancos de información. De estos, las principales fuentes de información usadas en este trabajo, son los siguientes bancos de datos de INEGI en 2018: a) las publicaciones del Banco de Información Económica (BIE), b) México en cifras-Información nacional, por entidad federativa y municipios, c) el Sistema Estatal y Municipal de Base de Datos (SIMBAD), y d) Anuario estadístico y geográfico de Sonora. De estos bancos se recaban los 36 indicadores identificados en el modelo MC3N, que se muestra en la Tabla A-1 del anexo, lo que permite utilizar el análisis factorial.

2.3 El modelo de análisis factorial (AF)

2.4 Procedimiento del análisis factorial

2.5 Análisis clúster o conglomerados

Se debe aclarar que esta técnica multivalente es posterior al análisis factorial, ya que no funciona para diferenciar entre las variables relevantes de las irrelevantes. Solo es para clasificar en grupos o categorías de elementos con variables predeterminadas, que sean lo más similares dentro del clúster y diferentes entre clúster (Hair et al., 2014).

En síntesis, una vez calculada la evaluación global competitiva de los municipios (reducir las 2,592 observaciones, en un indicador deevaluación global), mediante el análisis factorial descrito, se procede a clasificar a los municipios mediante el método jerárquico de clúster, utilizando como criterio de aglomeración el método de Ward y las medidas de distancia euclidiana, que buscan minimizar la suma de cuadrados del error (SCE), que hace más homogéneos los elementos de cada conglomerado (De la Garza et al., 2013).

3.1 Prueba de validez del análisis factorial en determinantes y sus variables

Con el apoyo del paquete estadístico para las Ciencias Sociales SPSS versión 21, se comprueba la aceptación de la hipótesis de trabajo H1, al identificar que la matriz de correlación no es una matriz identidad, por tanto, existe correlación entre las variables. En otras palabras, se comprueba que se pueden usar todos y cada uno de los determinantes en el análisis multivariado, al identificar que en general las correlaciones de KMO son altas y que, además, esta alta relación que hay entre las variables con cada uno de los determinantes de la competitividad, son aceptados en la prueba de Bartlett con valores de -p- altamente significativos en sus datos del año 2018, véase la Tabla 1.

Tabla 1
Pruebas de Bartlett y KMO,
para datos del año 2018

En las primeras tres, de las cinco determinantes, se eliminaron algunas variables (ocho en total), que tenían poco o ninguna contribución. Así, por ejemplo, en el factor determinante desempeño económico, fue aceptado en la prueba de Bartlett con 3 grados de libertad (al eliminar una de las 4 variables, la matriz será de dimensión 3x3 que, al restarle las 3 variables de su diagonal principal, tendremos 6 correlaciones de las cuales solo se consideran la mitad de ellas por ser simétricas, quedando así los 3 grados de libertad), fué la variable producción bruta total per cápita, la que se eliminó ya que el índice de correlación parcial de su diagonal principal en la matriz fue muy bajo (MSA < 0,5), lo que afectaba al valor general del KMO para dicho factor determinante. Después de esto, todas las variables en los determinantes son consideradas importantes para proceder a caracterizar la competitividad de las 72 entidades.

3.2. La evaluación global competitiva de las localidades y la clasificación en conglomerados.

A partir de las ecuación 1, y utilizando el procedimiento descritos desde el inciso d) validez convergente, al g) rotación varimax, se obtienen los resultados de la Tabla 2, este cuadro nos indica el número de factores de los cuales se toman las ponderaciones usadas para obtener, por un lado, la evaluación individual de los cinco determinantes parciales de la competitividad que, de acuerdo a ellos, identifica a cada una de las localidades analizadas y, por otro lado, se obtiene la evaluación global o conjunta, tal como se presenta en las Tablas 3 y 4. Estas dos últimas tablas contienen las puntuaciones que han sido codificadas mediante el uso de la ecuación 4 para una más fácil interpretación de sus valores, con el fin de obtener puntuaciones entre 0 y 100. Después se renombraron estas puntuaciones con valores del 1 al 72, donde el uno es para la localidad más competitiva y 72 para la menos competitiva.

Tabla 2
Varianza total explicada y determinación de los factores
comunes para la evaluación global de los municipios, en 2018

Los municipios de las Tablas 3 y 4, son caracterizados atendiendo la importancia de las variables analizadas, y después clasificados en cuatro categorías que se ilustran en la Figura 1, obtenida del dendograma con vinculación de Ward del análisis de clúster.

Con lo antes expuesto, se logra el objetivo planteado. La primera parte de este es al revelar el estado actual de la competitividad de los 72 municipios del estado de Sonora, al calcular tanto la evaluación por cada uno de sus determinantes como la evaluación global identificada con el Análisis Factorial Rotado (AFR), el cual extrae la máxima varianza de rotación con los primeros cinco factores, con valores de 29.061%, 27.165%, el 11.150%, 9.884% y 7.005% expuestos en la Tabla 2. La segunda parte del objetivo, se logra al agrupar mediante el análisis de clúster, los 72 municipios previamente identificados mediante el AFR.

Las evidencias del estudio empírico mostradas en las Tablas 3 y 4, en su columna de evaluación global, muestran que los municipios más competitivos son: Hermosillo que se encuentra como el más competitiva en la primera posición, y en las siguientes nueve posiciones encontramos Cajeme (2), Nogales (3), Guaymas (4), Navojoa (5), San Luis Río Colorado (6), Caborca (7), Puerto Peñasco (8), Agua Prieta (9) y Santa Ana (10).

Tabla 3
Caracterización parcial y global de los municipios,
mediante análisis factorial. Parte 1

-----

Tabla 4
Caracterización parcial y global de los municipios,
mediante análisis factorial. Parte 2

Así, por primera vez se presenta la posición competitiva para los 72 municipios, ordenados según la evaluación global formada por 5 factores determinantes que consideran a 36 variables de estudio y que se resumen en las Tablas 3 y 4, y que después se agrupan e ilustran en la figura 1, mediante el análisis de clúster.

Figura 1
Municipios del estado de Sonora, agrupados en
cuatro niveles (blocks) de desarrollo competitivo

Fuente: Elaboración propia, con el mapa de Sonora tomado de Inegi (INEGI, 2019).

Estos resultados sirven para informar y apoyar tanto los alcaldes municipales, como al Gobierno estatal de la situación actual en la que se encuentran sus municipios, con la intención de que se autoevalúen y puedan poner en marcha políticas y acciones específicas que conlleven a una mejora en las etapas de escalamiento competitivo de dichas localidades.

Los hallazgos coinciden con los resultados reportados por IMCO en el 2010, en el sentido de identificar primero a Hermosillo con competitividad avanzada, y Cajeme con competitividad por encima de la media. Sin embargo, los resultados divergen al identificar después a Guaymas en la misma clasificación que Cajeme, mientras que el resto de los municipios no son tomados en consideración en su análisis. Para el IMCO en el 2018, continúa identificando solo a tres de 72 municipios de Sonora: Hermosillo, Cajeme (Ciudad Obregón) y Guaymas, los tres municipios clasificados en el mismo nivel de media baja. No obstante, en el presente estudio encontramos a Hermosillo y Cajeme clasificados en la etapa de avanzado y Guaymas en la etapa de intermedio. El porqué Hermosillo y Cajeme son los municipios más competitivos en el año analizado, se debe, principalmente, por contar con altos niveles en las cinco determinantes antes mencionadas, que explican el 84.265% de toda la información.

 En la parte de la prueba de validez de este artículo, se responde a la hipótesis de trabajo planteada al confirmar que se pueden utilizar cada uno de los cinco determinantes para construir el índice de evaluación global, después del filtrado de 8 variables de las 36, con datos del año 2018. Como principal aportación de esta investigación, se ha logrado alcanzar el objetivo planteado al revelar el ordenamiento competitivo y la agrupación de los 72 municipios del estado de Sonora, México. Que con la información de 2018 identifica cuatro categorías: dentro del grupo de competitividad avanzada están solo 2 de las 72 entidades: Hermosillo y Cajeme; en la categoría de competitividad intermedio están 7 municipios: Nogales, Guaymas, Navojoa, San Luis Río Colorado, Caborca, Puerto Peñasco, y Agua Prieta; en el estrato de bajo nivel de competitividad se identificaron 25 municipios de los 72, esto es el 34,7 % y, finalmente; el 52,8% (38 de 72), restante se identificó en el estrato de muy bajo nivel competitivo. Las razones que explican por qué Hermosillo y Cajeme son los más competitivos del estado de Sonora en México con datos de 2018, se relaciona especialmente con los mejores resultados en tres de las cinco determinantes de la competitividad: desempeño económico, capital humano calificado y economía del conocimiento. Asimismo, se debe poner una atención especial en 63 de los 72 municipios en la orientación de las políticas públicas federal, estatal y municipal para impulsar la competitividad de los municipios. Solo de esa forma se podrá contar en el futuro con un estado de Sonora más competitivo que beneficie a sus ciudadanos.

Sugerencias

En base a los resultados de esta investigación, se propone el uso del modelo MC3N, aquí empleado para ser probado en otros estados del país, utilizando las fuentes de información señaladas, así mismo, se puede ahondar más en la medición de la competitividad de los municipios con la adición de nuevas variables en cada una de los 5 factores determinantes mediante fuentes de información primaria. O bien, su adecuación para otros lugares de países de Latinoamérica.

Financiación

Este trabajo se deriva del megaproyecto: “Apoyo a la reincorporación de exbecarios PRODEP”, UNISON-DSA: No. e-DDyFA/124/2016.

Conflicto de intereses

Los autores declaran no tener ningún conflicto de interés.

Acevedo, N. M., Jiménez, L. M., & Rojas, M. D. (2017). Análisis bibliométrico de publicaciones sobre competitividad nacional en base de datos Scopus. Espacios, 38(8), 11-19. Obtenido de Recuperado de: https://www.revistaespacios.com/a17v38n08/a17v38n08p10.pdf

Benzaquen, J., Del Carpio, L. A., & Valdivia, C. A. (2010). Un índice regional de competitividad para un país. Cepal(102), 69-86. Obtenido de de www.cepal.org/es/publicaciones/11417-un-indice-regional-competitividad-un-pais

Capobianco-Uriarte, M. M., Casado-Belmonte, M. P., Martín-Carrillo, G. M., & Terán-Yépiz, E. (2019). A bibliometric analysis of international competitiveness (1983-2017). Sustainability, 11(7), 1-22. doi:https://doi.org/10.3390/su11071877

Cho, D. S., & Moon, H. C. (2013). From Adam Smith to Michael Porter: Evolution of Competitivenes Theory. Singapore: World Scientific.

De la Garza, J., Morales, B. N., & González, B. A. (2013). Análisis Estadístico Multivariante un enfoque teórico práctico. México: McGrawHill/Interamericana.

Duleba, S., & Farkas, B. (2019). Principal Componentes Analysis of the Potential for Increases Rail Competitiveness in East-Central Europe. Sustainability, 11(15), 1-19. doi:doi:10.3390/su11154181

EGAP. (2010). La competitividad de los estados mexicanos. Monterrey: Tecnológico de Monterrey.

Espejo Benitez, J. M., & Hidalgo Pérez, M. A. (2011). Un indicador de competitividad para las provincias españolas. Revista de estudios regionales, 43-84.

García, J. J., León, J., & Nuño, J. P. (2017). Proposal of a Model to Measure Competitiveness Applied to the Case of the Main Municipalities in the Estate of Sonora, through Factor Analysis. Contadur{ia y Administración, 775-791. doi:http://dx.doi.org/10.1016/j.cya.2017.05.002.

Garduño, R., Ibarra, J. E., & Dávila, R. (2013). La medición de la competitividad en México. Realidad, Datos y Espacio. Revista internacional de estadística y geografía, 4(3), 28-53.

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate Data Analysis (Seven Edition ed.). Englewood , Cliffs, USA: Pearson Education Limited.

Huber, G., & Mungaray, A. (2017). Los índices de competitividad en México. Gestión y Política Pública, 1(XXV), 167-218.

IMCO. (2007). Instituto Mexicano para la Competitividad. Recuperado el 2019, de Competitividad Urbana 2007: http://imco.org.mx/indice/

IMCO. (2010). Instituto Mexicano para la Competitividad. Recuperado el 2019, de Competitividad Urbana: http://imco.org.mx/indice/

IMCO. (2016). Instituto Mexicano para la Competitividad. Recuperado el 2019, de Índice de Competitividad estatal: http://imco.org.mx/indice/

INEGI. (2019). Instituto Nacional de Estadística y Geografía. Obtenido de https://www.inegi.org.mx/

OECD . (2008). Handbook on Constructing Composite Indicators Methodology and User Guide. Paris: OECD Publications.

Porter, M.E. (1990). The Competitive Advantaje of Nations (Vol. 1st Edition).  MaCmillian, London.

Ramos, R. (6 de junio de 2001). Modelo de evaluación de la competitividad internacional: una aplicación empírica al caso de las Islas Canarias. España: Universidad de Las Palmas. Recuperado el 2019, de http://www.eumed.net/tesis-doctorales/rrr/index.htm

Smith, A. (1937). An Inquiry Into the Nature and Causes of the Wealth of Nations. En C. W. Eliot, The Harvard Classics. New York: Collier & Son Corporation.

Sobrino, J. (2005). Competitividad territorial: ámbitos e indicadores de análisis. Economía, Sociedad y Territorio, 123-183. Obtenido de http://www.redalyc.orgarticulo.oa?id=11109906

Traverso, P. A., Baño, M. M., & Samaniego, J. M. (2017). Influencia de la competitividad en el crecimiento ecnómico. Espacios, 38(23), 1-12. Obtenido de https://www.revistaespacios.com/a17v38n23/a17v38n23p16.pdf

 World Competitiveness Center. (2019). IMD World CompetitivenessYearbook 2019 : Lausanne, Switzerland, 2019.

Tabla A-1. Factores determinantes de la competitividad municipal

Fuente: tomado y adecuado de García et al. (2017, pág. 789)

1. Doctorado en Planeación Estratégica y Dirección de Tecnología. Profesor Investigador del Departamento de Física, Matemáticas e Ingeniería, Universidad de Sonora, Lázaro Cárdenas del Río No. 100, Col. Francisco Villa, C.P.85880. Navojoa, Sonora, México. Autor de correspondencia, email: juanjose.garcia@unison.mx; https://orcid.org/0000-0002-0413-7341

2. Doctorado en Ciencias Administrativas. Profesor Investigador del Departamento de Mercadotecnia, Universidad Autónoma de Aguascalientes, Av. Universidad 940, Cd. Universitaria, Aguascalientes, Aguascalientes, México. email: mcmartin@correo.uaa.mx ; https://orcid.org/0000-0002-9704-3853

3. Doctorado en Planeación Estratégica y Dirección de Tecnología. Profesor Investigador del Departamento de Administración, Universidad de Sonora, Unidad Centro, email: alma.leyva@unison.mx ; https://orcid.org/0000-0002-1527-3322

4. Doctorado en Desarrollo Regional. Profesor Investigador del Departamento de Administración, Universidad de Sonora, Luis Encinas y Rosales, S/N C.P. 83000. Hermosillo, Sonora, México, email: shamir.rojas@unison.mx ; https://orcid.org/0000-0002-0798-1476