Search

El objetivo de este trabajo se centra en el análisis del fracaso empresarial por sectores, a fin de identificar los factores explicativos y predictivos de este fenómeno que son diferentes en tres de los principales sectores que se distinguen en toda economía: industria, construcción y servicios. Para cada uno de estos sectores, seguimos el mismo procedimiento. En primer lugar, aplicamos un análisis de componentes principales con el que identificamos los factores explicativos del fracaso empresarial en los tres sectores. A continuación, consideramos dichos factores como variables independientes en un análisis discriminante, que aplicamos para predecir el fracaso de una muestra de empresas, utilizando no sólo información financiera en forma de ratios, sino también otras variables no financieras relativas a las empresas, así como información externa a las mismas que refleja las condiciones macroeconómicas bajo las que desarrollan su actividad.

Revista de Métodos Cuantitativos para la Economía y la Empresa Vol.15 (junio de 2013) p. 131-150 Clasificación JEL: C35 C53 C83 G33 El objetivo de este artículo es la obtención de sendos modelos de predicción del fracaso empresarial en una muestra emparejada y otra aleatoria de pequeñas y medianas empresas con domicilio en Castilla y León (España), a fin de determinar si el poder predictivo de los modelos elaborados está afectado por el método utilizado para seleccionar la muestra objeto de cada estudio. Para ello, consideramos como variables independientes un conjunto de ratios financieros, que reducimos a partir de la aplicación previa de un análisis de componentes principales. Mediante regresión logística, identificamos los factores que mejor predicen el fracaso en ambas muestras, observándose diferencias no solo en las variables significativas, sino también en los resultados de clasificación, lo que conforma la influencia del método de muestreo en los modelos. This paper focuses on the development of both failure prediction models on a paired sample and a random sample of small and medium-sized firms with head offices located in the region of Castilla y León (Spain), in order to prove if the predictive power of the developed models is affected by the method used to derive the sample aim of each study. To estimate both models, we consider a set of financial ratios as independent variables in each one, which is first reduced by the application of a principal components analysis. Next, a logistic regression analysis is applied to identify those variables that best explain and predict failure in the two samples, where differences in the significant variables and the classification results are observed, which confirms the influence of the sampling method on the business failure prediction results. Versión del editor

Revista de Métodos Cuantitativos para la Economía y la Empresa Vol.15 (junio de 2013) p. 131-150, Clasificación JEL: C35 C53 C83 G33, El objetivo de este artículo es la obtención de sendos modelos de predicción del fracaso empresarial en una muestra emparejada y otra aleatoria de pequeñas y medianas empresas con domicilio en Castilla y León (España), a fin de determinar si el poder predictivo de los modelos elaborados está afectado por el método utilizado para seleccionar la muestra objeto de cada estudio. Para ello, consideramos como variables independientes un conjunto de ratios financieros, que reducimos a partir de la aplicación previa de un análisis de componentes principales. Mediante regresión logística, identificamos los factores que mejor predicen el fracaso en ambas muestras, observándose diferencias no solo en las variables significativas, sino también en los resultados de clasificación, lo que conforma la influencia del método de muestreo en los modelos., This paper focuses on the development of both failure prediction models on a paired sample and a random sample of small and medium-sized firms with head offices located in the region of Castilla y León (Spain), in order to prove if the predictive power of the developed models is affected by the method used to derive the sample aim of each study. To estimate both models, we consider a set of financial ratios as independent variables in each one, which is first reduced by the application of a principal components analysis. Next, a logistic regression analysis is applied to identify those variables that best explain and predict failure in the two samples, where differences in the significant variables and the classification results are observed, which confirms the influence of the sampling method on the business failure prediction results., Versión del editor