Avance al 15 de octubre de 2026.
Estudiar a las empresas chilenas que venden a pocos clientes grandes. A veces esos clientes les hacen la vida difícil: pagan tarde, aplican descuentos que no estaban acordados, cambian las condiciones, dejan los acuerdos solo de palabra o les impiden vender sus facturas a una empresa de factoring. Es bueno saber cuán comunes son estas situaciones y si las empresas que las viven se diferencian en acceso a crédito, inversión, ventas y empleo.
Si estas prácticas son comunes y afectaran a las empresas, correspondería un tema importante para quienes diseñan políticas de apoyo a las empresas. Tener presnete que antes de opinar, hace falta medir.
Usando la Encuesta Longitudinal de Empresas (ELE-7) del INE: en la cual respondieron 6.592 empresas, que representan a unas 409.000 del país. Esto es como en una encuesta electoral, cada empresa encuestada “habla” por muchas otras, y los cálculos lo tienen en cuenta. La pregunta sobre prácticas la contestaron 4.909 empresas, que corresponden a aquellas que venden a otras empresas.
Los pasos que se han seguido hasta el momento son:
Qué se hizo. Antes de tocar datos, se confeccionó un documento que revisa las rondas anteriores de la encuesta (ELE-1 hasta ELE-8), donde se explica el diseño de la ELE-7, se discute la literatura metodológica y se fija de antemano la estrategia de análisis y los criterios para aceptar o descartar resultados.
Para qué. Para evitar “pescar” resultados: si los criterios se fijan antes de ver los datos, no se pueden ajustar a conveniencia. Es como acordar las reglas de un partido antes de jugarlo, para evitar dar privilegios.
Hallazgos que condicionaron el diseño. Entre otros: las cinco prácticas se miden distinto en la ELE-8, donde se estudia presencia o ausencia en lugar de frecuencia, por lo que la comparación entre rondas solo es defendible con la definición “alguna práctica”. La medición es por empresa y no por cliente. Y finalmente, la no respuesta es alta (41,2% en total y 26,0% en microempresas), lo que hace importantes los pesos.
Qué se hizo. Se comprobó que la base de datos coincidiera con las cifras oficiales del INE y que los datos tuvieran sentido.
Cómo se hizo. Se compararon totales, tal como se cuadra una caja al final del día. Resultados principales:
Descubrimiento clave de esta etapa. 1.683 empresas tienen vacías las cinco preguntas de prácticas. Esto no se entiende como un error, puesto que son exactamente las empresas que declararon cero ventas a clientes empresariales en las variables D203, D204 y D205, por lo que no tienen “clientes principales” de qué hablar, esto se va a definir como ausencia estructural, que viene a ser como preguntarle a alguien sin auto como anda su auto. Quedan 4.909 empresas con datos, que son la población de estudio de este análisis, el que llamaremos “bloque de clientes”. Eso significa que las conclusiones valen para el 58,5% del universo, y no para las empresas sin ventas a otras empresas.
Para qué sirve esto. Cualquier conclusión posterior se puede leer con la tranquilidad de que la base no está dañada ni mal pesada (relacionado con diseño de la encuesta), y con claridad sobre a quiénes se aplica.
Qué se hizo. Se estimó, para todo el país, considerando los pesos determinados por el INE, qué porcentaje de empresas está expuesto, desglosado por tamaño y por sector, con su respectivo margen de error.
Cómo se lee un “intervalo de confianza”. Una encuesta es una muestra, y otra muestra habría dado un número algo distinto. El intervalo de confianza del 95% corresponde a un rango dentro del cual, razonablemente, se encuentra el valor real. Por ejemplo: “73,7% (71,3% a 76,1%)” quiere decir que la mejor estimación es 73,7% pero el valor real podría estar entre 71,3% y 76,1%.
Resultados principales: empresas del bloque de clientes
| Indicador | Resultado |
|---|---|
| Al menos una práctica (E1) | 73,7% (IC: 71,3%–76,1%) |
| Práctica de alta frecuencia (E4) | 37,3% (IC: 34,6%–40,0%) |
| Número medio de prácticas (E2) | 1,6 por empresa |
| Práctica | % de empresas que la presentan en alguna frecuencia |
|---|---|
| Atraso en fechas de pago | 55,6% |
| Acuerdos solo verbales | 35,5% |
| Cambios de condiciones | 27,1% |
| Descuentos arbitrarios | 17,7% |
| Impedimentos de factoring | 11,4% |
| Número de practicas por empresa (E2) | % de empresas que presenta ese número |
|---|---|
| ninguna | 26,3% |
| una | 25,9% |
| dos | 20,9% |
| tres | 18,0% |
| cuatro | 5,6% |
| cinco | 3,2% |
Diferencias por tamaño. Las microempresas son las menos expuestas a “alguna práctica” (67,5%) y las pequeñas 2 las más expuestas (78,3%). Los acuerdos solo verbales aumentan cuanto más chica es la empresa (24,1% en grandes, 40,6% en pequeñas 1). La exposición de alta frecuencia es menor en grandes (21,7%) y mayor en pequeñas 1 (44,8%).
Diferencias por sector. Destaca el sector K (finanzas y seguros) con la exposición más baja (50,5%; solo 10,7% de alta frecuencia). Cuatro sectores (B, D-E, I y R-S) tienen estimaciones “poco fiables” según el estándar del INE, porque tienen pocas empresas, por ende no deben interpretarse con detalle ni realizar fuertes inferencias con estos resultados.
El problema del “No sabe”. En 440 empresas del bloque no se puede saber si están expuestas, porque no declararon ninguna práctica pero respondieron “No sabe” en alguna. Para no dejar la duda abierta se calcularon dos cotas:
El valor real está entre ambas, y la conclusión general (alrededor de 2 de cada 3 a 3 de cada 4 empresas expuestas) no cambia significativamente.
Cuánta información hay realmente. Como la muestra no es aleatoria simple (hay estratos y pesos desiguales), equivale a menos empresas “independientes” de las que parece:
Es normal en encuestas complejas, pero hay que tenerlo presente al comparar subgrupos.
Qué se preguntó. En vez de contar cuántas prácticas hay, ¿podríamos medir un “nivel de hostilidad” de la cartera de clientes con un puntaje continuo, como un termómetro? Si ese puntaje midiera bien, daría más información que un simple conteo. Para responder a esto se aplicaron cinco pruebas, con criterios fijados de antemano.
Las pruebas y el resultado:
| Pregunta | Criterio | Resultado | ¿Pasa? |
|---|---|---|---|
| 1. ¿Hay suficiente variación en cada práctica? | Al menos 100 empresas por categoría | Mínimo 175 | Sí |
| 2. ¿Las prácticas tienden a ocurrir juntas? | Asociación positiva en los 10 pares | 10 de 10 pares, con razones de odds entre 2,7 y 17,6 | Sí |
| 3. ¿Hay un solo “rasgo” común? | El primer componente supera al azar y el segundo no | Sí (2,22 frente a 1,14 del azar; el segundo, 0,86, no supera 1,07) | Sí |
| 4. ¿Mide con suficiente precisión? | Fiabilidad de al menos 0,70 y dependencia local máxima de 0,20 | Fiabilidad 0,655 y dependencia máxima 0,313 | No* (Evaluable) |
| 5. ¿Aporta algo sobre el simple conteo? | Mejorar al menos 2 de los 3 resultados | 0 de 3 | No |
Cómo se interpretan las razones de odds (“OR”). Es una forma de comparar “chances”. Ejemplo: para descuentos arbitrarios y atrasos, OR = 4,3 significa que las chances de tener atrasos son aproximadamente 4 veces mayores en empresas que también sufren descuentos arbitrarios, tras comparar empresas del mismo tamaño y sector. Un OR de 1 significa “ninguna asociación”.
Por qué falla el índice Un termómetro que oscila de forma imprecisa y cuyos números no se distinguen bien del simple conteo de síntomas no vale la pena. El conteo es más fácil de entender y casi tan informativo. De hecho, la correlación entre el puntaje del índice y el conteo es 0,94, es decir, casi son lo mismo. Además, la medición es menos precisa justo donde está la mayoría de las empresas (la mayoría tiene error de medición entre 0,51 y 0,80, lo que es alto).
Hallazgo adicional: tres perfiles de empresas. Un análisis de “clases latentes” agrupa a las empresas en perfiles según cómo responden. Se encontraron tres, ordenados de menos a más expuestos:
Estos perfiles son descriptivos y exploratorios, vale decir que sirven para entender, más no para concluir.
Decisión. El índice queda como exploratorio. El análisis principal usa E1, y se complementa con E2 y E4.
Advertencia. Tres de las cinco prácticas (atrasos, acuerdos verbales y cambios de condiciones) se declaran con frecuencia distinta según el tamaño de la empresa, aun entre empresas con el mismo nivel general. Es decir, las empresas grandes y chicas no responden igual, lo que obliga a tneer cuidado al comparar tamaños.
Por qué es necesaria. Para saber si una empresa estuvo restringida en su acceso a crédito hay que partir de empresas que querían un crédito. Una empresa que no pidió préstamo porque “no lo necesitaba” (discutible) no está restringida. Por ejemplo: de dos panaderías que no pidieron préstamo, una porque tiene caja suficiente y la otra porque cree que el banco la rechazaría. Solo la segunda la vamos a entender como una empresa con restricción.
Cómo se definió. (Podemos discutirlo) Tiene necesidad de crédito la empresa que:
Por esta definición hay 2.621 empresas con necesidad (41,3% ponderado, 1.966 en el bloque de clientes). La restricción estricta es haber sido rechazado, o no haber solicitado porque “no pensó que se lo concederían”. Resultan 190 empresas restringidas (7,9% ponderado de las empresas con necesidad; 138 en el bloque).
Sensibilidades. Como muchas empresas “con necesidad” en realidad dijeron “prefirió no endeudarse” (650) o “tenía préstamos vigentes” (314), se consideraron alternativas más exigentes. Esto es importante porque con la definición más estricta de necesidad, la restricción sube a 15,6%, así que el nivel depende de cómo se defina la necesidad.
Verificación de factibilidad. Para que un modelo sea confiable se recomienda tener al menos 10 eventos (casos de interés) por cada parámetro estimado. Los resultados P1, P3, P5a y P5b cumplen con holgura (entre 36 y 116 eventos por parámetro). P2 (restricción) no cumple (5 a 8 eventos por parámetro), por lo que sus resultados serán poco precisos y se simplificaron los controles (de 26 a 16 parámetros) para compensarlo.
Todas las verificaciones internas de esta etapa pasaron (9 de 9. Elaboración de informe tecnico pendiente).
Qué se hizo. Para cada una de las tres exposiciones (E1, E2 y E4) y cada uno de los seis resultados (P1, P2, P3, P4, P5a y P5b) se estimó una asociación, comparando empresas que son parecidas en tamaño, sector, antigüedad, forma jurídica, si pertenecen a un grupo, si son familiares o extranjeras, si exportan, y cuántos clientes tienen y cuán concentrado es su negocio.
Cómo se lee el resultado. Se reportan tres números:
Control por muchas comparaciones. Si se prueban 18 asociaciones (3 exposiciones por 6 resultados), algunas saldrían “significativas” solo por azar, como cuando se lanza una moneda muchas veces. Para evitarlo se aplicó la corrección de Holm, que exige evidencia más fuerte cuando hay muchas pruebas.
Resultados con la exposición principal (E1, alguna práctica):
| Resultado | Asociación (OR) | Diferencia en probabilidad | Lectura |
|---|---|---|---|
| P1 Obtuvo crédito | 1,36 (0,99 a 1,86) | +3,6 pp (-0,1 a 6,9) | Señal positiva, sin evidencia suficiente |
| P2 Restricción de crédito | 1,11 (0,58 a 2,10) | +0,7 pp (-4,2 a 4,5) | Sin evidencia de asociación |
| P3 Invirtió | 1,62 (1,27 a 2,08) | +10,8 pp (5,3 a 15,9) | Asociación positiva robusta |
| P4 Crecimiento de ventas | 0,010 (-0,067 a 0,088) | Sin diferencia apreciable | Sin evidencia de asociación |
| P5a Contrató personal | 0,89 (0,67 a 1,20) | -2,2 pp (-7,9 a 3,4) | Sin evidencia de asociación |
| P5b Terminó contratos | 1,11 (0,82 a 1,50) | +2,2 pp (-4,1 a 8,2) | Sin evidencia de asociación |
Con el conteo (E2, por cada práctica adicional): inversión OR 1,14 (+2,9 pp; robusto) y obtención de crédito OR 1,15 (+1,8 pp, lo cual es sugerente, pero no pasa la corrección por comparaciones múltiples). Lo demás no se distingue de cero y no vale la pena reportarlo.
Con frecuencia alta (E4): obtención de crédito OR 1,49 (+5,1 pp), señal sugerente que no resiste la corrección de Holm, los demás resultados no se distinguen de cero no vale la pena reportarlo.
Pruebas de robustez. Para cada asociación se repitió el análisis con otras especificaciones (control mínimo, sin pesos, cambiando cómo se trata el “No sabe”, definiciones alternativas de restricción, etc). Se fijó de antemano que un resultado es robusto si pasa la corrección de Holm y mantiene el mismo signo en todas las alternativas. Solo dos asociaciones cumplen:
Cuánto podría explicar un factor no medido (E-valor). Para E1 con inversión, el E-valor puntual es 1,87: un factor no observado tendría que estar asociado con la exposición y con la inversión con una razón de riesgo de al menos 1,87 cada uno para anular por completo la asociación. Es un umbral moderado, no extremo, por lo que se considerá en el futuro.
Efecto de los controles. Cuando se comparan empresas solo por tamaño y sector, las asociaciones son algo mayores (por ejemplo, E1 con inversión OR 1,95). Al añadir más controles bajan a 1,62. Es decir, parte de lo que parecía una asociación se explicaba por que las empresas expuestas son distintas en otras características observables.
Alertas que deben resolverse antes de publicar cifras:
svyglm son iguales a los
de glm con los mismos pesos” (P1, E1) dio FALSO. Las otras
seis verificaciones pasaron. Si los puntos estimados deberían coincidir,
esto indica una diferencia de implementación, de muestra o de tolerancia
numérica que hay que identificar. Hasta aclararlo, las cifras de la Fase
4b son provisionales. La causa no se ha verificado aún
y no conviene suponerla o ignorarla.Próximos pasos propuestos: