ANÁLISIS DE LA MOROSIDAD TRIBUTARIA DE LAS EMPRESAS APLICANDO TÉCNICAS BORROSAS Y ESTADÍSTICAS. EL CASO DE MAR DEL PLATA. SEGUNDA PARTE. (TRABAJO PRESENTADO EN EL CONGRESO DE LA SOCIEDAD ARGENTINA DE ESTADISTICA) Dr. PAULINO E. MALLO; Unversdad Naconal de Mar del Plata; Tel.-Fax: +542234747906, paulnomallo@speedy.com.ar CPN MARÍA A. ARTOLA; Unversdad Naconal de Mar del Plata; Tel.: +54 223 4735059, Fax: +54 223 4737631, martola@nfova.com.ar Lc. ALICIA I. ZANFRILLO; Unversdad Naconal de Mar del Plata; Tel.: +54 223 4752240, Fax: +54 223 4749696 nt. 309, alca@mdp.edu.ar CPN Lc. MARIANO MORETTINI; Unversdad Naconal de Mar del Plata; Tel.: +54 223 4757411, Fax: +54 223 4750377, marano.morettn@gmal.com CPN Lc. MARCELO J. GALANTE; Unversdad Naconal de Mar del Plata; Tel.-Fax: +54 223 4925006, mjgalante@uolsnects.com.ar CPN Lc. ADRIÁN R. BUSETTO; Unversdad Naconal de Mar del Plata; Tel.: +54 223 4896320, adranbusetto@hotmal.com CPN Lc. MARIANO E. PASCUAL; Unversdad Naconal de Mar del Plata; Tel.: +54 223 4796568, mpascual@copetel.com.ar RESUMEN Contnuando con el objetvo buscado en el trabajo presentado en el Coloquo de Estadístca del año 2006, en esta oportundad aportamos una nueva ponenca que amplía las metodologías utlzadas en aquella oportundad, a la vez que profundza las conclusones a las que se había arrbado entonces. El propósto es caracterzar el comportamento de los ndcadores contables de dstntas empresas de pequeña y medana envergadura del medo soco-productvo de la cudad de Mar del Plata que puedan ncdr en la determnacón de la morosdad en el pago de trbutos, sean naconales, provncales o muncpales, a través de la aplcacón de lógca dfusa. Para ello se trabajó con una muestra de empresas representatvas de dstntos sectores productvos y comercales de la cudad de Mar del Plata, ncluyendo a su vez empresas de dstntos tamaños y partcpacones en el mercado, construyendo ratos contables ndcatvos de rentabldad, solvenca, lqudez, rotacón y endeudamento de las msmas, a partr de la nformacón contenda en los estados contables de las respectvas frmas correspondentes al últmo ejercco fscal cerrado. Las empresas relevadas son PyMEs marplatenses de entre 10 y 100 empleados dedcadas al comerco mnorsta, ndustras de sectores clave para la economía local como la almentca, la construccón y vnculadas con el puerto y servcos estratégcos en la cudad, como la educacón, la gastronomía, la hotelería y el tursmo. El aporte de la lógca dfusa al estudo de dchos ndcadores es el de contrbur a precsar reglas de comportamento para el análss de la morosdad en el pago de trbutos por parte de las empresas marplatenses y su relacón con la stuacón económco fnancera de las msmas, representada a través de dversos ratos contables. La defncón de reglas de comportamento medante proposcones lngüístcas favorecerá una comprensón conceptual de la realdad económco fnancera de la empresa nserta en los procesos decsoros. En esta oportundad se ampló el tamaño de la muestra de empresas y se utlzaron otras metodologías para aplcar sobre la nformacón recabada, a la vez que se compararan los resultados obtendos medante técncas emergentes con los consegudos con metodologías estadístcas tradconales, como el análss de regresón múltple. Palabras clave: <morosdad trbutara> <lógca dfusa> <estados contables> <reglas de comportamento> <proposcones lngüístcas> <ratos contables>
I. Introduccón La forma de evaluacón de la morosdad trbutara de las empresas se realza a través de un conjunto de ratos ndcatvos del quehacer económco y fnancero que permte, por una parte, un análss de la evolucón hstórca de la organzacón y por otra, un análss comparado de la msma con respecto a otras nsttucones del sector. El conjunto de ratos con los que se opera suele ser bastante amplo, muchos de los cuales suelen estar fuertemente correlaconados, razón por la cual como prmer medda se debe operar para efectuar el análss con un colectvo de ndcadores que presentan nformacón redundante para la realzacón de la síntess analítca y además, la extensón numérca de los msmos. Los Sstemas de Inferenca Dfusos, dada su flexbldad, su toleranca a errores en los datos y su capacdad de operacón con funcones no lneales, n sujecón a presupuestos estadístcos acerca de las característcas de los datos, resultan una aplcacón complementara al juco del experto y a los análss tradconales, como en este caso concreto para la evaluacón de la morosdad trbutara de las empresas. La metodología propa del Sstema de Inferenca Dfuso del tpo Sugeno, que surge a partr de los datos provstos para las varables ndependentes y dependentes, permte a través de la seleccón de un conjunto de ratos no correlaconados, establecer su ncdenca en la determnacón de la morosdad trbutara, o endeudamento trbutaro, como se ha llamado a la respectva varable de salda en el análss. Además, los modelos basados en la lógca dfusa permten obtener un conjunto de reglas, que en nuestro caso de estudo evdencan el comportamento trbutaro de las frmas establecdas como undades de análss. Es decr, el propósto del modelo es doble, por un lado caracterzar a través de las reglas el comportamento de las undades de análss, y por otro obtener un valor predctvo para la Morosdad trbutara, permtendo a los expertos humanos un mejor análss de las decsones de pago de los trbutos por parte de las entdades analzadas. Las varables explcatvas selecconadas se traducen en una predccón de los valores de la varable dependente a través de una funcón matemátca y de un conjunto de reglas dfusas, obtenendo las varables mínmas requerdas para realzar la predccón de un nuevo análss de Morosdad trbutara. II. Recordando las nocones conceptuales de los ratos contables Los ratos representan una herramenta para la toma raconal de decsones, que consste en la recoplacón de gran cantdad de datos fnanceros, expresados medante un coefcente, que permten analzar a la empresa en su aspecto económco y fnancero, facltando el planteo de dversos problemas, sn dar la solucón precsa a los msmos. Permten dos tpos de comparacones: en la msma empresa, permten analzar la evolucón de la empresa en el tempo, o con otras smlares, o con promedos del sector, permtendo establecer su poscón. Cabe aclarar que la técnca de los ratos para efectuar el análss económco-fnancero de empresas es el más sencllo y dfunddo. Sn embargo, exsten algunos otros métodos más sofstcados y modernos, pero cuya complejdad no se condcen con la bondad de sus resultados (Suarez Suarez, A.; 1998) III. Datos utlzados El estudo se realzó en la cudad de Mar del Plata, provnca de Buenos Ares, sobre los estados contables del ejercco fscal 2006 de empresas comercales, de la ndustra almentca, de la construccón, dedcadas a los servcos turístcos, hoteleros y gastronómcos, agrícolo-ganaderas, metalúrgcas, y de servcos de salud, educacón y transportes.
Para la construccón del Sstema de Inferenca Dfuso, se accedó a los últmos estados contables de 80 empresas de pequeña y medana envergadura que desarrollan su actvdad en nuestra cudad, de los cuales un 20% aproxmadamente fue descartado pues no contenían la nformacón necesara para el análss. Con el objetvo de que la muestra sea homogénea respecto del tamaño de las empresas, se descartaron aquellas que poseían menos de 10 empleados y más de 150. Tambén se cudó de que estuveran representados los prncpales sectores comercales y productvos de la cudad. El objetvo de nuestro trabajo se centra en el comportamento de las PyMEs marplatenses. Exsten dferentes crteros para la defncón de PyME, entre los que se puede menconar a: a) monto de ventas según el rubro al que pertenecen b) cantdad de empleados c) partcpacón en el mercado d) superfce de los locales afectados a la venta e) estructura socetara Consderamos que un objetvo y práctco es el consderar la cantdad de empleados que la empresa posee, y éste ha sdo un crtero compartdo por legslacones y doctrnaros. Es usual consderar como máxmo a 150 empleados para la consderacón de PyME. A su vez, descartamos aquellas empresas que poseen menos de 10 empleados porque nuestra opnón, basada en la experenca, nos demuestra que la forma de gerencar y tomar decsones entre las cuales se encuentra el pago en térmno o no de los trbutos- es muy dferente en estas mcroempresas que en las que poseen mayor cantdad de empleados. La base de datos utlzada contene una tpfcacón de la empresa relaconada con su actvdad, la fecha de presentacón del balance y el conjunto de ratos económco-fnanceros que descrben su acconar. Los datos necesaros para la construccón de los ratos presentados surgen de: 1. Resultado Neto y Ventas Netas, del Estado de Resultados 2. Patrmono Neto, Actvo Total, Pasvo Total, Caja y Bancos y Deudas trbutaras, del Estado de Stuacón Patrmonal 3. Trbutos devengados en el ejercco, del anexo del artículo 64 de la Ley de Socedades Comercales, de presentacón oblgatora acompañando a los estados contables báscos. Para la seleccón del conjunto de ndcadores a emplear en el Sstema de Inferenca Dfuso, se genera una matrz de correlacón de las varables y se selecconan aquellos ndcadores cuyas correlacones no son sgnfcatvas. Sobre los estados contables presentados y a partr de la seleccón de varables con nformacón no redundante (correlacones no sgnfcatvas), se trabajó con los sguentes ratos contables: 1. Rentabldad de los socos: Resultado Neto / Patrmono Neto, que representa una forma de determnar la efcenca y éxto de los socos, se basan en los benefcos para su cálculo 2. Rentabldad de la socedad: Resultado Neto / Ventas Netas, en este caso representa la efcenca y éxto de la empresa, tambén basada en los benefcos para su determnacón 3. Endeudamento: Pasvo Total / Patrmono Neto, a medda que la empresa se endeuda aumenta su resgo de nsolvenca, pero tambén la varabldad de las ganancas dsponbles para socos, tambén se lo llama apalancamento 4. Rotacón del actvo: Ventas Netas / Actvo Total, donde su resultado ndca la tasa a la que las empresas rotan sus ventas en funcón al total de benes de la empresa 5. Lqudez operatva: Caja y Bancos / Ventas Netas, permten aprecar la capacdad de las empresas para afrontar las oblgacones a corto plazo 6. Endeudamento trbutaro: Deudas trbutaras / Trbutos devengados en el ejercco (consderada varable dependente o predctva) Sobre la base de la nformacón recabada se planteó el nterrogante de s el endeudamento trbutaro puede ser explcado por la stuacón económca y fnancera de las empresas,
representadas por los dstntos ratos escogdos, ndcatvos de la rentabldad, endeudamento, rotacón y lqudez de las msmas, para lo cual se construyó un Sstema de Inferenca Dfuso el cual defne una correspondenca no lneal entre las varables de entrada y la varable de salda a fn de proporconar una base complementara para la toma de decsones con respecto a la Morosdad trbutara. IV. Metodología del sstema de nferenca dfuso La metodología para la construccón del sstema mplca la defncón de las varables de entrada y de salda del modelo, sus categorías o térmnos lngüístcos consttutvos de cada conjunto dfuso y sus funcones de pertenenca. Las sguentes varables consttuyen las varables lngüístcas de entrada del sstema: Rentabldad socos, Rentabldad socedad, Endeudamento, Lqudez Operatva y Rotacón del actvo, las cuales dan orgen a los valores de la varable lngüístca de salda, Morosdad trbutara. En la Fgura 1 se observan las varables menconadas en la construccón del modelo del tpo Sugeno. Fgura 1: Sstema de Inferenca Dfuso para la determnacón de la Morosdad trbutara. Los térmnos o valores de las varables lngüístcas son los valores que puede tomar la varable, por ejemplo para la varable predctva Morosdad trbutara, la funcón de pertenenca otorga un grado de correspondenca (membresía) a cada valor de la varable lngüístca, como por ejemplo s el valor de salda es 0.12 estamos frente a una baja Morosdad trbutara. Las funcones de pertenenca del conjunto dfuso de las varables lngüístcas de entrada son gausanas y para la varable de salda corresponde tambén al tpo gausano. La Fgura 2, a ttulo de ejemplo, nos muestra como fue tpfcada la varable de entrada Rotacón de Actvos, medante la observacón del resultado arrojado por el Sstema de Inferenca Dfuso podemos decr que s el valor entrada es de 0,09 a 1.699 tenemos una baja Rotacón de Actvos, mentras que s los valores van de 1.699 a 1.84 estaríamos frente a una moderada Rotacón de Actvos y fnalmente aquellos valores de la varable superores a 1.84 nos estarían dando una alta Rotacón de Actvos. Por supuesto el msmo análss
sería vable para todas las varables de entrada selecconadas para analzar la Morosdad trbutara. Fgura 2: Varable lngüístca de entrada Rotacón de Actvos En la Fgura 3 se puede observar la varable lngüístca de salda Morosdad trbutara con la descrpcón de sus elementos representatvos en el Sstema de Inferenca Dfuso. Varable lngüístca Morosdad trbutara Categorías lngüístcas Funcón de pertenenca Conjunto soporte Baja Gausana [0,02;0.20] Moderada Gausana [0.20;1] Alta Gausana [ 1;1,86] Fgura 3: Varable lngüístca Morosdad trbutara En general a cada ndcador consderado en el análss se le asocan categorías lngüístcas a las varacones de medda que expermenta, estas categorías pueden ser: leve, moderado, medo, alto y superor. Cada uno de estos térmnos lngüístcos defne un conjunto dfuso en sí msmo que se representa a través de una funcón de pertenenca µ valor numérco en que se expresa la varable lngüístca. La funcón de pertenenca elegda para representar cada categoría lngüístca se corresponde con un grado de membresía entre 0 y 1. La funcón de pertenenca utlzada para los dferentes conjuntos dfusos de los ndcadores elegdos es gausana. Como ya se djera en el trabajo prelmnar, la construccón del modelo se basó en una clusterzacón dfusa y en una mplcacón Sugeno. La clusterzacón dfusa se basa en la dentfcacón de centros de clusters, de acuerdo con la densdad de los puntos defndos como centros y agrupando el resto de los datos según sus dstancas a dchos centros, en una funcón de mnmzacón. Así, cada cluster defne un conjunto dfuso para cada varable. V. Resultados obtendos La creacón de un Sstema de Inferenca Dfuso responde a obtener un modelo que vncule las varables de entrada y las de salda a través de un conjunto de reglas defndas en térmnos lngüístcos que evdencen el comportamento de las undades de análss,
empresas marplatenses, en cuanto a esquematzar su comportamento en el pago de trbutos. A partr de la obtencón de reglas dfusas de comportamento, se defne el Sstema de Inferenca Dfuso en una mplcacón Sugeno, en la cual los valores de salda de la varable dependente se nterpretan como una funcón, combnacón lneal, de los valores de entrada. Un avance de los resultados prelmnares obtendos del modelo de nferenca dfuso se puede observar en la Fgura 4. Fgura 4: Modelo dfuso Las reglas dfusas determnan el grado de presenca o ausenca de nteraccón entre los elementos de 2 ó más conjuntos dfusos, referdo a la asocacón exstente entre una categoría lngüístca de una varable con otra categoría de otra varable. Las reglas tenen la forma s entonces compuesta por antecedente premsa y consecuente conclusón. La evaluacón del antecedente permte la nterpretacón de la regla, sgnfcando la borrosfcacón de los valores de las varables de entrada a categorías lngüístcas con la aplcacón de un operador dfuso (producto cartesano) y fnalza cuando se aplca el resultado de la premsa a la conclusón a través de una funcón de pertenenca. S el valor promedo fnal del Sstema de Inferenca Dfuso fuera menor de 0.20 podríamos consderar que estamos frente a una baja Morosdad trbutara S el valor promedo fnal del Sstema de Inferenca Dfuso fuera entre 0.20 y 1 nos encontraríamos frente a una moderada Morosdad trbutara S el valor promedo fnal del Sstema de Inferenca Dfuso fuera superor a 1 estaríamos frente a una alta Morosdad trbutara En dcha fgura puede aprecarse el compromso de cada varable en la defncón del ndcador referdo a Morosdad trbutara a través de la defncón de dos reglas de comportamento para determnar la Morosdad trbutara. Se obtene el grado de actvacón del antecedente de cada regla varables de entrada y la salda numérca como suma ponderada de los consecuentes de cada regla varable de salda-, vsualzando así la contrbucón de cada varable de entrada en la determnacón de la varable de salda.
En una prmera evaluacón de los resultados, podemos observar que la mayor contrbucón - para nuestro caso de estudo - la aportan la rentabldad de los socos, en menor medda los índces de endeudamento y rotacón de actvos, mentras que la rentabldad de la socedad y la lqudez operatva no tenen un aporte sgnfcatvo. Por otra parte se pueden grafcar, de manera trdmensonal, la varable dependente con cada par de varables de entrada y así poder r obtenendo dferentes conclusones, a título ejemplfcatvo en la Fgura 5 se observa a través del gráfco de superfce la varable de salda Morosdad trbutara con respecto a dos de las varables de entrada: Endeudamento y Rentabldad socos. Sendo sus posbles conclusones que: a valores más bajos de Rentabldad socos y de Endeudamento se corresponden con los valores más altos de Morosdad trbutara. Tambén, cuando la Rentabldad socos toma valores crecentes, el Endeudamento adopta valores mínmos y la Morosdad trbutara es baja. Fgura 5: Morosdad trbutara con respecto al Endeudamento y la Rentabldad socos Para cada valor expresado en las varables de entrada surgdos de la nformacón fnancera y económca de las entdades marplatenses, se puede predecr el grado de Morosdad trbutara. Todos los valores de las varables de entrada se pueden modfcar con nformacón referda a una nueva entdad y de esta manera establecer la salda adecuada en térmnos del valor futuro de la varable predctva. En futuras presentacones de la nvestgacón abordada, se profundzará en lo referdo a las reglas dfusas obtendas, a la valdez del modelo y a la caldad de nformacón que aportan al proceso decsoro. VI. Análss medante Regresón Múltple Una alternatva tradconal para el análss de relacones funconales entre varables económcas, como las utlzadas en el presente trabajo, es efectuar una regresón múltple, donde la varable endógena (o explcada) sería la Morosdad trbutara y las varables exógenas (o explcatvas) serían los demás ratos contables. Así, el modelo que pretende estmarse sería el sguente:
MT = 0 1 RPN 2 RV 3 E 4 RA 5 β LO (1) Donde: MT es la morosdad trbutara RV es la rentabldad de la socedad RPN es la rentabldad de los socos E es el endeudamento RA es la rotacón del actvo LO es la lqudez operatva Realzada la regresón, se obtene el sguente modelo: MT = 0,5554 + 0,2797 * RPN + 0,0344 * RV + 0,0118* E 0,1017 * RA + 0,4892* LO (2) A su vez, en la fgura 6 pueden observarse las estadístcas de la regresón, y en la fgura 7 los tests de hpótess sobre los valores de los coefcentes de regresón. Estadístcas de la regresón Coefcente de correlacón múltple 0,514063378 Coefcente de determnacón R^2 0,264261157 R^2 ajustado 0,122772917 Fgura 6: Estadístcas de la regresón Coefcentes Error típco Estadístco t Probabldad Inferor 95% Superor 95% Intercepcón 0,555447372 0,155027015 3,582906969 0,001373262 0,23678457 0,874110173 Rentabldad socos Rentabldad socedad 0,279672166 0,132737816 2,106951697 0,044922957 0,0068255 0,552518833 0,034356914 0,051474603 0,667453699 0,510363653-0,071450717 0,140164546 Endeudamento 0,011761849 0,019762498 0,595160061 0,55688159-0,028860573 0,052384271 Rotacón Actvo -0,101724942 0,050681465-2,007142898 0,055235631-0,205902253 0,002452369 Lq. Operatva 0,489152043 0,796517269 0,614113544 0,544476921-1,148113724 2,126417809 Fgura 7: Tests de Hpótess sobre los coefcentes de regresón Como puede observarse fáclmente, el R 2 ajustado arroja un valor muy pequeño, esto es, el modelo no explcaría ben las varacones sufrdas por la varable endógena la Morosdad trbutara-. Adconalmente, bajo la hpótess nula que el modelo no es globalmente sgnfcatvo, el valor p para el test F de Fsher-Snedecor en este caso es de 13%, aproxmadamente, lo que mplca que no podría rechazarse la hpótess nula para el 5% de sgnfcacón. Por otra parte, el valor p de los coefcentes de regresón es bajo para todas las varables explcatvas. Al tratarse de datos de corte transversal, se realza un análss de la exstenca o no de heterocedastcdad, como una de las posbles causas del bajo nvel obtendo del coefcente de determnacón corregdo. Como prmer paso grafcamos los resduos y los valores estmados de la Morosdad trbutara, lo cual puede observarse en la Fgura 8.
1,5 Análss Heterocedastcdad 1 Resduos 0,5 0-0,4-0,2 0 0,2 0,4 0,6 0,8 1 1,2-0,5-1 Estmacones Morosdad Trbutara Fgura 8: Análss gráfco de la Heterocedastcdad Al no ser concluyente el análss gráfco, efectuamos la prueba de Park, consstente en realzar un análss de regresón entre el logartmo natural del cuadrado de los resduos y el logartmo natural de la varable explcatva. Realzado el análss para cada una de las varables explcatvas y testeada la sgnfcatvdad de los coefcentes de regresón obtendos, bajo la hpótess nula que son guales a cero, los resultados obtendos se sntetzan en la Fgura 9. Varable Coefcente β Valor p RPN 0,0304 0,92 RV 0,2772 0,38 E 0,3924 0,07 RA -0,0981 0,76 LO -0,3074 0,26 Fgura 9: Coefcentes de regresón para Prueba de Park A partr de los valores obtendos en la prueba de Park y el gráfco de los resduos, podría conclurse que no habría heterocedastcdad en los datos observados. A contnuacón, entonces, se realza un análss de regresón múltple elmnando las varables ndependentes que resultan menos explcatvas según el modelo Sugeno antes realzado. El objetvo persegudo es ver s se reduce el coefcente de determnacón corregdo, al qutar varables ndependentes que aportarían poco a la explcacón de la morosdad trbutara. Así, el modelo a estmar resulta ahora: MT = 0 1 RPN 2 E 4 β RA (3) Las estadístcas de la regresón pueden verse en la fgura 10 y los tests de hpótess sobre los coefcentes de regresón en la fgura 11.
Estadístcas de la regresón Coefcente de correlacón múltple 0,4929618 Coefcente de determnacón R^2 0,243011336 R^2 ajustado 0,161905408 Fgura 10: Estadístcas de la regresón Fgura 11: Tests de Hpótess sobre los coefcentes de regresón Puede observarse que s ben aumentó el coefcente de determnacón ajustado, sgue sendo bajo. Sn embargo, al efectuar el test F sobre la hpótess nula de la no sgnfcatvdad global del modelo, el valor p es de 4,75%, por lo que se encuentra en la zona de rechazo para un α del 5%, pero muy cerca del límte. Esto mplca que al elmnar las varables explcatvas que el modelo Sugeno sugere como poco relevantes, mejoró sensblemente la predctbldad del modelo de regresón múltple, aunque aún no es lo sufcentemente adecuado. En la fgura 11 se puede aprecar que el endeudamento no posee un coefcente de regresón sgnfcatvo, mentras que la rentabldad de los socos y la rotacón del actvo sí lo tenen. VII. Conclusones Coefcentes Error típco Estadístco t Probabldad Inferor 95% Superor 95% Intercepcón 0,596537843 0,1210814 4,92675056 3,3884E-05 0,34851356 0,84456212 Rentabldad socos 0,321751788 0,12054528 2,66913637 0,01251013 0,0748257 0,56867787 Endeudamento 0,016051945 0,0186453 0,86091114 0,39659946-0,02214126 0,05424515 Rotacón Actvo -0,114499214 0,04559118-2,51143365 0,01806985-0,20788861-0,02110982 Recordamos que la creacón de un SIF posblta, basado en nuevos valores asgnados a las varables de entrada, predecr el valor de salda y determnar así el comportamento trbutaro de la entdad en análss. La provsón de reglas dfusas que muestran el comportamento de las PyMES marplatenses, provee a los expertos de una herramenta de apoyo para la toma de decsones que logra objetvdad y unformdad en la formulacón de crteros para la evaluacón del cumplmento de pago de trbutos. Esta nformacón resultaría contrbutva para los análss de morosdad de los clentes efectuados por las entdades recaudadoras fscales tanto en el ámbto naconal como en el provncal y muncpal. Tambén sería de utldad para las entdades fnanceras que potencalmente otorguen crédtos o fnancen dferentes actvdades de estas empresas en la determnacón de la posbldad del pago de las oblgacones. Es de destacar que el modelo prelmnar de nvestgacón sobre el comportamento trbutaro de las PyMES marplatenses descrpto en este trabajo, puede ser complementado por la experenca de una sere de expertos durante el proceso de clasfcacón de contrbuyentes por parte del fsco. En este caso partcular, la prncpal conclusón acerca del comportamento de la Morosdad trbutara es que depende, más que de cualquer otro rato contable, de la Rentabldad de los socos. Recordemos que la rentabldad es una medda del desempeño de la empresa en térmnos de las ganancas obtendas. La msma puede relaconarse con las ventas totales de la empresa en cuyo caso se toma como entdad a la empresa y se determna la rentabldad conseguda focalzando el nterés en la empresa msma- o tambén puede relaconarse con el patrmono neto, esto es, la partcpacón de los socos en el actvo de la empresa en cuyo caso el foco de nterés se pone en los socos, en lugar de en la socedad-. Es nteresante la conclusón arrbada en cuanto el contrbuyente trbutaro prncpal es la socedad, y no los socos, por lo que los pagos de mpuestos deberían realzarse por la
socedad msma y sería, entonces, su propa rentabldad la que debería determnar la Morosdad trbutara. Sn embargo, según los datos recabados en las PyMEs marplatenses, no es la Rentabldad de la socedad la prncpal determnante de la Morosdad trbutara, sno la Rentabldad de los socos. Esto mplcaría que s una empresa es altamente rentable, pero que mantene un fuerte endeudamento, lo que mplcaría baja rentabldad para los socos, exstría Morosdad trbutara. La decsón del pago o no en térmno de los trbutos estaría en cabeza de los socos en funcón de sus propos ntereses, en lugar de depender de la performance de la empresa como un todo. Este argumento favorecería la tendenca actual de la normatva trbutara de responsabldar soldaramente a los socos por las deudas trbutaras de la socedad. Éste aspecto es sn dudas altamente controvertdo desde el plano jurídco, pero a partr de los resultados obtendos en la muestra recabada, podemos conclur que desde un punto de vsta netamente económco se da asdero a lo normado tanto en el ámbto naconal como en el de la provnca de Buenos Ares, entre otras. Es de destacar, además, que al momento de fuzzfcar los valores de los ratos al pasarlos a varables lngüístcas, en muchos casos las funcones de pertenenca gausanas a las dferentes categorías resultan muy smlares, lo cual mplca que no podría hacerse sensbles dferencacones en los valores de dchas varables. Esto sucede, por ejemplo, para la Rentabldad de la socedad. Implcaría esto que en la muestra obtenda en general es baja la rentabldad obtenda por las socedades. En cuanto a la comparacón entre las técncas tradconales, que sería la regresón múltple, y las técncas que ncorporan borrosdad, como sería el modelo Sugeno que utlzamos en el presente trabajo, encontramos que en este caso en partcular, los datos observados no permten obtener un modelo de regresón múltple sufcentemente explcatvo de la varable que nos nteresa la Morosdad trbutara-, lo que tal vez podría ser resuelto medante análss más profundos y la búsqueda de nuevas varables explcatvas. La complejdad y el tempo y/o costo que mplcaría la obtencón de éstos nuevos datos adconales, sobre las msmas empresas cuyos balances se relevaron, dfcultarían sensblemente el análss. Al aplcar la metodología Sugeno, se transforman los datos numércos en varables lngüístcas, esto es, se agrupan los valores numércos en ntervalos, para luego efectuar el proceso de relaconar las varables y establecer la mportanca de cada una en la defncón del valor de la varable explcada. De esta manera, s ben se perde certa precsón sobre las estmacones, se logra tener resultados confables sobre la stuacón. Es decr, entonces, que cuando el análss de regresón múltple no arroja resultados satsfactoros, es decr, no habría relacón entre las varables, al aplcar mecansmos dfusos, damos un paso más en el análss y podemos determnar que la Rentabldad de los socos es la determnante prncpal de la Morosdad trbutara, lo cual, además, resulta por demás lógco. En cuanto a la explcacón de por qué la regresón múltple no arroja conclusones váldas y sí lo hace la metodología Sugeno, la respuesta está en la fuzzfcacón de las varables: los valores numércos exactos no determnan una relacón sufcentemente fuerte entre las varables, pero s las consderamos por rangos, con varables lngüístcas, sí aparecen las relacones. Adconalmente, s modfcamos el análss de regresón múltple orgnal que contene a las cnco varables explcatvas- y elmnamos aquellas que no aportarían nformacón sgnfcatva según el modelo Sugeno, encontramos que se mejora la sgnfcatvdad global de la regresón múltple, lo cual mplca que se confrma en certa manera lo predcho por el análss borroso. VIII. Bblografía consultada Brealey, R. - Myers, S. - Marcus, A. (1999). Prncpos de Dreccón Fnancera. McGraw-Hll. Gujarat, D. (1997). Econometría. McGraw-Hll Interamercana. Santa Fé de Bogotá. Kmenta, J. (1977). Elementos de Econometría. Vcens-Vves. Barcelona.
Martín del Brío, B. - Sanz Molna, A. (1997). Redes neuronales y sstemas borrosos. Introduccón teórca y práctca. Ra-Ma. Soto Camargo, A.M. - Medna Hurtado, S. (2004). Desarrollo de un sstema de nferenca dfuso para la evaluacón de crédto por parte de una empresa prestadora de servcos. Facultad de Mnas, Unversdad Naconal de Colomba, Medellín. En: DYNA. 71 (143): 25-36, nov. ISSN: 0012-7353. Suarez Suarez, A. S. (1998). Decsones óptmas de nversón y fnancacón en la empresa. Madrd. Prámde. Van Horne, J. (1976). Admnstracón Fnancera. Contabldad Moderna.