Espacios. Vol. 37 (Nº 38) Año 2016. Pág. 11

Estudio longitudinal del fracaso del franquiciador en España a través del Modelo Z de Springate

Longitudinal study of the failure of the franchisor in Spain through the Z Springate model

Carlos J. RODRÍGUEZ Rad 1; F. Javier RONDÁN 2; Juan Antonio MACÍAS Molina 3

Recibido: 15/07/16 • Aprobado: 15/08/2016


Contenido

1. Introducción

2. Marco teórico

3. Metodología

4. Resultados

5. Conclusiones

Referencias


RESUMEN:

En esta investigación se realiza un análisis longitudinal del fracaso en la franquicia en España, desde el punto de vista del franquiciador, durante el período 2001-2011. En este trabajo se propone un método que permite a los potenciales franquiciados conocer si la probabilidad de fracaso del franquiciador es elevada o reducida. El objetivo principal de este estudio es obtener segmentos/clusters mediante la técnica de regresión de clases latentes, donde se analiza la relación entre las variables típicas de la franquicia y la solvencia de la empresa franquiciadora medida a través de la Z de Springate.
Palabras clave:
franquicia, fracaso, regresión de clases latentes, Z de Springate

ABSTRACT:

A longitudinal analysis of the failure of franchising in Spain is carried out in this research, from the point of view of the franchisor, during the period 2001-2011. This paper proposes a method that allows potential franchisees to know if the probability of failure of the franchisor is high or low. The main objective of this study is to obtain segments/clusters using the technique of latent class regression, we analyzes the relationship between the typical variables of the franchise and the solvency of the franchisor measured by means of the Z-Springate score.
Keywords: franchising, failure, latent class regression, Z of Springate

1. Introducción

Desde los años sesenta del siglo pasado han venido apareciendo artículos y trabajos sobre la predicción de fracaso empresarial. Todos ellos han surgido por la necesidad, cada vez más apremiante, de poder diagnosticar  y pronosticar el estado de salud de las empresas. En la mayoría de los casos, estos trabajos son el producto de una investigación sobre datos contables y financieros (Eljelly & Mansour, 2001).

Considerando que existe cierta preocupación en las pequeñas empresas acerca de las  tasas de fracaso, que son demasiado elevadas, existe la creencia generalizada de que el fracaso en las franquicias es estadísticamente poco significativo (Pilling, 1991). Las pequeñas empresas que han optado por la franquicia como alternativa a ser independiente, buscan reducir el riesgo de fracaso optando por un modelo de negocio experimentado y con mayor garantía de éxito (Gallini y Lutz, 1992). Cuando se produce el fracaso del franquiciador los franquiciados se ven muy  perjudicados (Buchan y Frazer, 2013).

Existen varias razones para que haya un cierto nivel de desacuerdo acerca de las tasas de fracaso en la franquicia. De acuerdo con Holmberg y Morgan (2003), la investigación del fracaso en la  franquicia es difícil puesto que los conceptos y las definiciones de fracaso no son consistentes. Además, numerosos estudios defienden que no hay necesidad de definir el fracaso definitivo, sino más bien mostrar el proceso de forma integral (Holmberg y Boe, 1996, Holmberg y Morgan, 2001; Cross 1994, 1998).  Hoy y Echegaray (1994) abogó por un enfoque multidisciplinar en el que se podrían incluir una amplia gama de perspectivas teóricas para analizar el fracaso en la franquicia, incluyendo nuevas disciplinas tales como derecho contractual, teoría organizacional, teoría de la información y por último la teoría financiera. Dant et al., (2011) hacen eco de la necesidad de pensar críticamente acerca de la aplicabilidad de las diversas teorías al contexto específico de la franquicia. En nuestra investigación, junto al enfoque de marketing se hace referencia a las disciplinas relacionadas con la contabilidad y las finanzas, mediante el análisis de los predictores de insolvencia empresarial.

Bunchan y Fraizer (2013) afirman que existen una serie de problemas a la hora de abordar el fracaso del franquiciador. En primer lugar, el fracaso en la franquicia exige una clarificación. Es un tema complejo, puesto que existe  incertidumbre en cuanto a su significado. Puede referirse al fracaso de una franquicia completa, incluyendo el franquiciador y a todos sus franquiciados, al fracaso de un franquiciado, o al fracaso de un franquiciador. También puede referirse a un fracaso parcial de cualquiera de los aspectos anteriores de la franquicia. Una definición clara y precisa de lo que se entiende por fracaso de la franquicia es esencial (Eljelly y Mansour, 2001). En nuestra investigación se ha considerado fracaso del franquiciador los siguientes supuestos: la no aparición en el registro de la AEF, desaparición por compra o adquisición de otra empresa y por último, desaparición por liquidación o quiebra o  extinción. El uso de los modelos de predicción de insolvencia empresarial, permiten, sobre la base de una serie de variables principalmente financieras, diagnosticar y predecir con cierta anticipación la insolvencia o fracaso de la empresa (Somoza y Vallverdú, 2007).

En este trabajo se propone un método que permite a las pequeñas empresas franquiciadas conocer si la probabilidad de fracaso del franquiciador es elevada o reducida. El objetivo principal de este estudio es obtener segmentos/clusters mediante la técnica de regresión de clases latentes donde se analiza la relación entre las variables típicas de la franquicia y la solvencia de la empresa medida a través de la Z de Springate.

2. Marco teórico

2.1. El fracaso en la franquicia

Más allá de los intentos evidenciados para establecer el número de franquicias que fracasan, el fracaso del franquiciador ha recibido muy poca atención académica centrándose la mayor parte de las investigaciones en Francia (Perrigot y Cliquet, 2004), Reino Unido (Lafontaine y Shaw, 1998), Australia (Buchan, 2006, 2010; Bunchan y Frazer, 2013) y por último E.E.U.U (Cross, 1994; Blair y Lafontaine, 2005; Dunn y Einbinder, 2011). La mayoría de los estudios se han centrado bien en el fracaso en la franquicia en general o bien en el fracaso del franquiciado.

Durante la década de los 90 organismos internacionales como el Franchising Task Force (1991) identificó las principales causas por las que el sistema de franquicia fracasa en Australia, que pueden ser extrapolables a otros mercados de características similares. Dichas causas son: bajo nivel económico, inadecuada selección de mercado, pobre selección de franquiciados, avaricia en los franquiciadores resultante de cánones excesivos y varios factores económicos y competitivos, una rápida expansión del sistema de franquicia, devaluación del dólar australiano, aumento de los derechos de importación, el retiro de una importante fuente de productos, competidores agresivos y más baratos y recesión de la economía. Cross (1994) identificó varias causas en el fracaso de los franquiciadores que se agrupan en cinco categorías: 1) fraude empresarial, 2) aumento de la competencia con la participación de los puntos de venta de franquicia que se encuentran demasiado próximos, 3) la falta de apoyo de los franquiciadores, 4) pobre selección de los franquiciados y 5) los conflictos persistentes entre franquiciador/franquiciado. Díez de Castro et al., (2005) señalan una serie de elementos que condicionan el fracaso del franquiciador entre los que destacan: incapacidad empresarial para dirigir la cadena, falta de Know-How, contratos abusivos, exigencia de cánones muy elevados, fraude deliberado: el franquiciador monta la cadena con el único fin de conseguir un negocio temporal, lucrándose fundamentalmente con los derechos de entrada, y abandonar posteriormente el negocio, crecimiento inadecuado, política de marketing fallida, cambios en los gustos o hábitos de los consumidores que el franquiciador es incapaz de prever con antelación o le es imposible adaptarse a los mismos, mala selección y/o formación de franquiciados y dificultades financieras.

Asimismo, Stern y Stanworth (1994) afirman que las franquicias tienen que tener un menor riesgo ya que las entidades financieras otorgan un mayor porcentaje de financiación y menores tipos que en los establecimientos independientes.

Castrogiovanni et al., (1993) realizaron uno de los primeros análisis metódicos del fracaso de la franquicia. Consideraron que el referente principal para afirmar el escaso riesgo de fracaso en la franquicia es "que menos del cuatro por ciento de todas las franquicias fracasan cada año". Para corroborar esta afirmación buscaron y aislaron factores específicos que influyeran en las tasas de fracaso del franquiciador y de la franquicia.  Definieron el fracaso como el cierre dentro de una organización de franquicias. Los datos fueron recogidos a partir de una muestra aleatoria de 140 franquiciadores de la Asociación Franquicia Internacional (IFA), ya que, como señalaron los autores, no hubo un repositorio central de información del franquiciador. Llegaron a la conclusión de que la tasa de fracaso de la franquicia "lo más probable es que esté cerca del 4 por ciento" aunque este riesgo varía con la experiencia de la cadena, teniendo más riesgo las cadenas jóvenes. Además observaron que los franquiciadores individuales pueden ser reacios a "airear sus trapos sucios" denunciando las excesivas tasas de fracaso en pos de mejorar el interés del sector de la franquicia y para transmitir en su conjunto la impresión de que la franquicia es una forma relativamente segura de negocio en propiedad.

Shane (1996) contradice el concepto, que se encuentra frecuentemente en la literatura comercial, que afirma que la inversión en un negocio de franquicia está libre de riesgo y esfuerzo. Publicó una serie de documentos que consideraban la supervivencia de los nuevos franquiciadores. Su investigación aplicada a la teoría de la Agencia para determinar si las formas de organización, como la franquicia, permiten a las empresas crecer más rápido y mejorar la probabilidad de supervivencia. Shane examinó una muestra de 138 franquicias de EEUU en 1983 y analizó su progreso a lo largo de 10 años y descubrió que la franquicia aumenta la supervivencia y el crecimiento de las empresas. También encontró que la tasa de fracaso de las franquicias fue más del 75 por ciento durante los 10 años que estudió, que consideraba similares a las de las organizaciones que no son franquicia.

Dunn y Einbinder (2011) contribuyen al debate sobre el fracaso de la franquicia en la exploración de cómo afecta la quiebra del franquiciador a los franquiciados, proporcionan una explicación del proceso de quiebra, examinan el posible efecto sobre el negocio del franquiciado y les ofrecen recomendaciones prácticas para responder a la quiebra del franquiciador. Dichos autores encontraron ocho grandes y tres pequeños franquiciadores de USA que se declararon en bancarrota en 2010.

Bordonaba et al., (2008) en sus investigaciones pretenden comparar y examinar las diferencias entre los factores que determinan dos tipos de salida del mercado: el fracaso empresarial y el cese de actividad. El estudio se lleva a cabo para el sistema de franquicia, donde la decisión de abandonar la actividad franquiciadora ha sido insuficientemente estudiada. En concreto se examina el efecto del momento de entrada, la estructura organizativa y la política de incentivos sobre ambas salidas del mercado, a partir de una muestra de 387 empresas franquiciadoras operativas entre 1986 y 2004. Los resultados permiten observar que las empresas que fracasan como organización son seguidoras, con experiencia media y una elevada centralización y control de la cadena, mientras que las que optan por abandonar el mercado pertenecen al grupo de empresas seguidoras o primera mayoría, con escasa experiencia, baja expansión y un elevado nivel de centralización.

Holmberg y Morgan (2003) afirman en su estudio que las franquicias puede presentar fracasos si se dan las siguientes circunstancias: en primer lugar está la posibilidad de que un franquiciador transfiera la unidad de franquicia desde el actual propietario a un nuevo propietario franquiciado. En segundo lugar están las cancelaciones, la unidad del franquiciado se cancela por incumplimiento de control de calidad o por otras razones. En tercer lugar está la no renovación del contrato del franquiciado: al franquiciado no le es renovado el contrato y la unidad puede ser cerrada, venderse a un nuevo franquiciado, o convertirla en una unidad propia más. En cuarto lugar están las readquisiciones por parte del franquiciador que compra la unidad del franquiciado y se convierte en una empresa propiedad del franquiciador y por último, están otras unidades que ya no hacen negocios por otros motivos.

Perrigot y Cliquet (2004) en su estudio de 952 redes de franquicias francesas encontraron que, durante un período de 10 años, concretamente desde 1992 hasta 2002, casi el 58 por ciento de los franquiciadores fracasaban. Por otra parte, Buchan y Frazer (2013) afirman que durante 35 años los investigadores de Estados Unidos llegaron a la conclusión de que muchas franquicias estaban fracasando, así identificaron 54 cadenas de franquicias que fracasaron durante un período consecutivo de dos años. Otros investigadores estadounidenses observaron que de una población estimada de 2.177 franquicias en 1986, un total de 104 franquiciadores que operan con 5.423 puntos de venta fracasaban al año siguiente. El volumen anual de ventas en  Estados Unidos representados por las empresas fracasadas era de 1.700 millones de dólares, de los cuales 1.500 millones de dólares pertenecían a franquicias que habían fracasado. Frazer et al., (2010) realizaron un estudio en Australia de una encuesta de franquicias que reveló que unos 56 sistemas de franquicias cesaron en sus operaciones y otras 88 dejaron de ser franquicia en un período de dos años, desde 2008 a 2010. En otro estudio de Connors (2010) se especuló que había una relación de seis fracasos del franquiciador frente a uno de éxito en un período de 20 años.

Buchan et al., (2011) afirmaron que el 72 por ciento de los franquiciadores salieron de la franquicia en el período comprendido entre 1999-2011. Identificaron ocho franquicias que podían tener serias dificultades para la supervivencia o la rentabilidad de un total de 1.000 empresas de franquicia. Además constataron que cualquier intento de analizar el fracaso de los franquiciadores en Australia sufre problemas similares a los identificados en relación con la recogida de datos en los E.E.U.U. Ninguna base de datos de los franquiciadores o franquiciados está completa y disponible en Australia, y mucho menos la de los franquiciadores fracasados; en consecuencia, los investigadores han de elaborar sus propias bases de datos.

Abell et al., (2009) asesoran al franquiciado desde la perspectiva de la quiebra del franquiciador. Bunchan y Frazer (2013) realizan una síntesis de los diferentes estudios del fracaso entre 1971 y 2011, tratan de explicar diferentes aspectos del complejo proceso de fracaso de la franquicia, sin embargo, muchos de sus argumentos son divergentes, y no todos están examinando el mismo evento, o los mismos temas.

2.2. Modelo Z de Springate de predicción de insolvencia empresarial

Desde los años sesenta aparecieron artículos y trabajos sobre la predicción de fracaso empresarial. Todos ellos han surgido por la necesidad, cada vez más apremiante, de poder diagnosticar y pronosticar el estado de salud de las empresas. En la mayoría de los casos, estos trabajos son el producto de una investigación sobre datos contables y financieros. En nuestra investigación el uso de los modelos de predicción de insolvencia empresarial, definidos como unos modelos matemático-financieros desarrollados por estadísticos y técnicos de las finanzas, permiten, sobre la base de una serie de variables principalmente financieras, diagnosticar y predecir con cierta anticipación la insolvencia o fracaso de la empresa (Somoza y Vallverdú, 2007). En este trabajo se ha utilizado el Modelo Z de Springate.

Fue desarrollado en 1978 por Gordon L.V. Springate, de la Universidad Simon Fraser de Canadá, siguiendo las directrices desarrolladas por Altman. Springate usó el análisis estadístico iterativo de discriminación múltiple para seleccionar cuatro de 19 razones financieras de uso frecuente que mejor distinguieron entre los buenos negocios y los candidatos a insolvencia. El modelo Springate tiene la siguiente función discriminante:

Zs = 1.03A + 3.07B + 0.66C + 0.40D

A= Capital suscrito mil EUR/ Total Activo mil EUR

B= (EBITDA mil EUR+ Resultados actividades extraordinarias mil EUR + Gastos financieros mil EUR)/  Total Activo mil EUR

C= Utilidad neta antes de impuestos / Pasivo circulante

D= Importe neto de Cifra de Ventas mil EUR 2011/ Total Activo mil EUR

Cuando Z < 0.862, la firma podría considerarse como "insolvente".

Cuando Z> 0,862 la firma es solvente.

3. Metodología

3.1. Datos

En esta investigación se realiza un análisis longitudinal del fracaso en la franquicia en España, desde el punto de vista del franquiciador. Se ha trabajado con el censo total de las franquicias que operaban en España durante los años 2001 al 2011. Con respecto a la recogida de información, se ha llevado a cabo mediante un análisis completo y riguroso de todos los anuarios de franquicia disponibles: Franchisa, Mundofranquicia, Tormo y Asociados y, además,  entrando directamente en la propia página web de las enseñas reseñadas para constituir el censo poblacional de las franquicias. Por lo que no se considera necesario realizar un muestreo, puesto que se ha trabajado directamente con todas las enseñas de franquicia de los años en cuestión. Cabe destacar el agradecimiento a Xavier Vallhonrat  presidente de la Asociación Española de Franquiciadores (AEF) que nos ha ido cediendo año a año los datos de las franquicias. La información referente a los indicadores financieros para calcular la Z de Springate ha sido extraída a través de la base de datos SABI (Sistema de Análisis de Balances Ibéricos).

Para poder contrastar las hipótesis de trabajo y alcanzar los objetivos del mismo, la utilización de un modelo de regresión de clases latentes es la mejor opción, puesto que permite buscar clases latentes, en el que nuestra variable dependiente es el valor Z de Springate de predicción de insolvencia y las variables independientes son las que definen el contrato de franquicia, que en este caso serán (inversión, canon, royalty, publicidad, número de años de duración del contrato, superficie mínima, población mínima). Además se han empleado como covariables el sector en el que opera la franquicia, la facturación total y el número de empleados de la empresa, para intentar identificar mejor las clases latentes o segmentos que pueden surgir del análisis. Todas son variables que se han usado habitualmente en el estudio del fracaso del franquiciador.

  1. Inversión. Definida en unidades monetarias, son las aportaciones que el franquiciado debe realizar para poner en marcha el negocio (Lafontaine, 1992; Martin y Justis, 1993).
  2. Canon. Kahn (1987) define el canon de entrada como la cuantía que el franquiciado debe pagar por su entrada en la cadena en contrapartida del saber hacer transmitido, la exclusividad territorial y las prestaciones para la creación de la cadena.
  3. Royalty. Bhattacharyya y Lafontaine (1995) definen la tasa de royalties como el porcentaje de las ventas de los franquiciados pagados al franquiciador.
  4. Royalty de Publicidad. Canon periódico pagado por los franquiciados para colaborar en la inversión publicitaria de la cadena.
  5. Número de años de duración del contrato. Según la teoría de la Agencia, cuanto mayor sea la duración de la relación contractual cabe esperar una mayor proporción de franquiciados (Maríz et al., 2004; Calderón, 2002). Shane (1998) afirma que una mayor duración de las relaciones reduce los problemas de oportunismo de los franquiciados.
  6. Superficie mínima. Metros cuadrados mínimos que debe tener el local para establecer el negocio Díez de Castro y Rondán (2004).
  7. Sector al que pertenece la enseña. En el presente trabajo, siguiendo las pautas establecidas por Rondán, Navarro y Díez (2007), se han establecido tres grandes agrupaciones sectoriales: servicios, hostelería-restauración y comercio minorista.
  8. Facturación total anual.
  9. Número total de empleados de la enseña.
  10. Población mínima. Es la población mínima exigida por la cadena que debe tener un determinado núcleo urbano para que un franquiciado pueda ubicar su establecimiento. 

3.2. Técnica estadística usada

Los modelos de clases latentes constituyen un instrumento para la segmentación de mercados. Dividen a la población en grupos discretos que tienen diferentes conjuntos de atributos que dirigen sus preferencias (Kamakura y Wedel, 1995        ). Esto conduce a una gran mejora de fiabilidad a la hora de testar modelos y también ofrece una segmentación que puede ser definida en términos de actitudes o comportamientos para obtener una mayor compresión de los fenómenos estudiados (Bond y Morris, 2003).

Según Rondan-Cataluña et al., (2010) el modelo de regresión de clases latentes se usa para pronosticar una variable dependiente en función de unas variables predictoras o independientes, con la salvedad de que se van a presentar categorías de poblaciones homogéneas (llamadas clases o segmentos). Las principales ventajas sobre un modelo de regresión normal son: a) se relaja la hipótesis tradicional de que el mismo modelo se sostiene para todos los casos, b) los estadísticos de diagnóstico están disponibles para determinar el mejor número de clases latentes y c) cuando hay más de una clase latente, se pueden incluir covariables en el modelo para mejorar la clasificación de cada caso o individuo en el segmento con mayor probabilidad de inclusión (Vermunt y Magidson, 2003). Se ha utilizado el Software Latent Gold para llevar a cabo los análisis correspondientes.

4. Resultados

El modelo a escoger en la tabla 1 será aquel que tenga un BIC (Bayesian Information Criterion) inferior. En este caso se evidencia  el  modelo 7 como el modelo que tiene un BIC menor. Por tanto, el modelo 7, nos ofrece 7 clases latentes o segmentos, y es el que analizaremos. En suma a partir de esta tabla ya podemos inferir que la población en 7 grupos mejora el modelo de regresión con respecto al resto.

 

 

LL

BIC(LL)

Npar

Class.Err

Model1

1-Class Regression

-23806,9709

47670,5076

8

0

0,0019

Model2

2- Class Regression

-17829,2864

35814,1287

22

0,0154

0,0319

Model3

3- Class Regression

-16776.2637

33807,0735

36

0,059

0,0433

Model4

4- Class Regression

-16374,1317

33101,7996

50

0,1109

0,0452

Model5

5- Class Regression

-16148,8448

32750,2159

64

0,1222

0,1675

Model6

6- Class Regression

-15997,7996

32547,1157

78

0,1412

0,17

Model7

7- Class Regression

-15918,9814

32488,4694

92

0,1952

0,01727

Model8

8-Class Regression

-15879,7099

32508,9166

106

0,2047

0,1764

Tabla 1. Selección del modelo

En la tabla 2 se ofrecen los parámetros del modelo seleccionado. En primer lugar se muestran los coeficientes beta de cada una de las variables analizadas en el estudio, estos coeficientes nos indican el efecto específico de cada variable independiente sobre la variable dependiente. También se aprecia el R2 existente para cada uno de los grupos o clases, así como los parámetros del modelo de regresión en cada una de las clases o grupos. También se ofrece el estadístico de Wald que indica si las diferencias en los coeficientes beta entre los grupos o clases son significativas. En este caso no todos los p value son menores a 0,05. Se demuestra pues que las relaciones entre las variables (canon, número de años de duración del contrato), con la Z de Springate son diferentes excepto en el caso de inversión, publicidad, superficie mínima

 

Class1

Class2

Class3

Class4

Class5

Class6

Class7

Overall

 

 

 

 

 

0,0025

0,0147

0,036

0,0148

0,0902

0,0091

0,0716

0,1727

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Z SPRINGATE

Class1

Class2

Class3

Class4

Class5

Class6

Class7

Wald

p-value

Wald(=)

p-value

Mean

Std. Dev

Intercept

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2,0521

1,7675

1,3709

3,6315

0,045

10,9415

-99,7269

924,8608

2,10E-195

123,8745

2,50E-24

1,7408

9,7316

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Predictors

Class1

Class2

Class3

Class4

Class5

Class6

Class7

Wald

p-value

Wald(=)

p-value

Mean

Std. Dev

Inversión Media

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

0

0

0

0

0

-0,0004

12,0386

0,099

11,3713

0,078

0

0

Canon medio

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

0

0

0

0

0

0,0016

8,1165

0,32

5,9557

0,43

0

0,0001

Royalty medio

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0,022

-0,0006

-0,0109

-0,2073

0,0764

0,1168

7,7145

24,8093

0,00082

16,4127

0,012

0,0528

0,7138

Publicidad

 

 

 

 

 

 

 

 

 

 

 

 

 

 

-0,019

-0,0385

0,0415

-0,2586

-0,0484

-0,0839

9,4213

9,5854

0,21

9,46884

0,15

0,0189

0,8734

Años contrato

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0,0194

0,0085

-0,0145

0,0338

-0,001

-0,331

9,0259

8,992

0,25

8,898

0,18

0,06

0,8333

Superficie mínima

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

-0,0001

-0,0002

-0,0001

-0,001

0,0001

0,0077

9,5633

0,21

7,985

0,24

-0,0001

0,0008

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Error Variance

Class1

Class2

Class3

Class4

Class5

Class6

Class7

 

 

 

 

Mean

Std. Dev

Z SPRINGATE

5,6094

1,4748

0,2332

25,3189

0.6896

188,6713

4241,428

 

 

 

 

56,6606

389,7109

Tabla 2. Parámetros del modelo Z de Springate.

Las rectas de regresión de los modelos son:

Clase 1:

Zs= 2,0521+0*Inversión+0*Canon+0,022*Royalty-0,019*Publicidad+ 0,0194*Años contrato.

Clase 2:

Zs=1,7675+0*Inversión+0*Canon-0,0006*Royalty-0,0385*Publicidad+0,0085*Años contrato-0,0001*Superficie Mínima.

Clase 3:

Zs= 1,3709+ 0*Inversión+0*Canon-0,0109*Royalty+0,0415*Publicidad-0,0145 *Años contrato-0,0002* Superficie Mínima

Clase 4:

Zs=3,6315+0*Inversión+0*Canon-0,2073*Royalty-0,2586*Publicidad-0,0338* Años contrato-0,0001* Superficie Mínima

Clase 5:

Zs=0,045+0*Inversión+0*Canon+0,0764*Royalty-0,0484*Publicidad-0,001*Años contrato-0,001* Superficie Mínima

Clase 6:

Zs= 10,9415 +0*Inversión+0*Canon+0,1168*Royalty-0,0839* Publicidad-0,331*Años contrato+0,0001* Superficie Mínima

Clase 7:

Zs= -99,7269-0,0004*Inversión+0,0016*Canon+7,7145*Royalty+9,4213*Publicidad +9,0259*Años contrato+0,0077* Superficie Mínima.

Para el segmento o clase 1, podemos observar en la tabla de los coeficientes beta, la variable  que posee un coeficiente beta más alto es la variable royalty con un (0,022) en valor absoluto, el signo positivo nos indica que a mayor royalty, mayor será la Zs. Podemos afirmar que el royalty es la variable que ejerce una mayor influencia en el segmento 1. La segunda  variable que también ejerce influencia es el número de años de duración del  contrato con un (0,0194), en valor absoluto, en este caso el signo positivo nos indica que a mayor número de años en el contrato, mayor será la Zs. La variable que ejerce una menor influencia pero casi es la misma, que la variable número de años en el contrato en este segmento es la publicidad. Las variables inversión y canon no ejercen ninguna influencia al ser sus coeficientes beta cero.

En el segmento o clase2, la variable royalty de publicidad es la que ejerce una mayor influencia al ser su coeficiente beta de (-0,0385), al tener su coeficiente signo negativo nos indica que a mayor royalty de publicidad, menor será la Zs. La segunda variable que también ejerce influencia es la variable número de años de duración del contrato su coeficiente beta es (0,0085), su signo positivo nos está indicando que a mayor número de años de contrato, mayor será la Zs. El resto de variables casi no ejercen ninguna influencia al ser sus coeficientes beta cero o muy cercanos a este valor.

Con respecto al segmento 3, al igual que sucedía en el segmento 2 la variable royalty de publicidad es la que ejerce una mayor influencia sobre el segmento al ser su coeficiente beta de (0,0415), el signo positivo del coeficiente nos indica que a mayor royalty publicitario, mayor será la Zs. La segunda variable que más influencia ejerce sobre dicho segmento es la variable número de años de duración del contrato con un coeficiente beta de (-0,0145), su signo negativo nos muestra que a mayor número de años en el contrato, menor será la Zs. Otra de las variables que ejerce influencia es royalty con un coeficiente beta de (-0,0109), su signo negativo indica que a mayor royalty, menor será la Zs.

En referencia al segmento 4, al igual que sucedía en los anteriores segmentos 2 y 3 la variable royalty de publicidad es la que ejerce una mayor influencia sobre el segmento al ser su coeficiente beta de (-0,2586), su signo negativo indica que a mayor royalty de publicidad, menor será la Zs. La segunda de las variables que ejerce influencia es royalty de ventas con un coeficiente beta de (-0,2073), su signo negativo revela que a mayor royalty, menor será la Zs. Otra de las variables que ejerce influencia es número de años de duración del contrato con un coeficiente beta de (0,0338), significa que a mayor número de años de duración del contrato, mayor será la Zs.

En el segmento 5, la variable  que posee un coeficiente beta más alto es la variable royalty de ventas con un (0,0764) en valor absoluto, el signo positivo nos indica que a mayor royalty, mayor será la Zs. La segunda variable que ejerce influencia en dicho segmento es la variable royalty de publicidad que tiene un coeficiente beta de (-0,0484), nos muestra que a mayor royalty de publicidad, menor será la Zs.

Para el segmento o clase 6, la variable que posee un coeficiente beta más alto es el royalty de ventas con un coeficiente beta de (0,1168), en valor absoluto, su coeficiente positivo nos indica que a mayor royalty mayor será la Zs. La segunda variable en importancia es número de años de duración contrato con un coeficiente beta de (-0,331), el signo negativo nos revela que a mayor número de años de contrato, menor será la Zs. La variable royalty de publicidad es otra variable que ejerce influencia con un coeficiente beta de (-0,0839),  que nos indica que a mayor royalty de publicidad, menor será la Zs.

En el segmento 7 el royalty en publicidad es la variable que más influencia tiene en dicho segmento al ser su coeficiente beta de (9,4213) esto nos indica que a mayor royalty de publicidad, mayor será la Zs. La segunda variable que ejerce más influencia en este segmento es número de años de duración del contrato con un coeficiente beta de (9,0259), su signo positivo nos revela que a mayor número de años de duración de contrato, mayor será la Zs. Otra variable que ejerce influencia en dicho segmento es royalty de ventas con un coeficiente beta de (7,7145), nos indica que a que a mayor royalty, mayor será la Zs.

En este modelo para definir mejor los segmentos utilizaremos las covariables: sector y personal total,  que se han utilizado para describir y predecir la variable latente,  reducir el error de clasificación y perfilar las clases latentes. El objetivo del análisis de estas covariables es conocer cuál de estas dos son significativamente diferentes entre los siete segmentos, es decir aquellos que son más discriminantes a partir del estadístico de Wald y su p valor correspondiente. Las variables sector y personal total tienen p valores inferiores a 0,05 por lo tanto si presentan diferencias significativas entre los siete segmentos analizados.

En la siguiente tabla se reproducen los perfiles correspondientes a los 7 segmentos analizados.

 

Class1

Class2

Class3

Class4

Class5

Class6

Class7

Class size

0,2447

0,2246

0,166

0,1632

0,1145

0,0786

0,0085

Dependent

 

 

 

 

 

 

 

Z SPRINGATE

 

 

 

 

 

 

 

Mean

2,1857

1,8069

1,2214

2,9764

0,4424

9,2311

-9,8745

Covariates

 

 

 

 

 

 

 

Sector

 

 

 

 

 

 

 

 

0,0684

0,1096

0,1653

0,0836

0,1652

0,0618

0,0001

Comercio Minorista

0,45533

0,4296

0,536

0,3268

0,2462

0,3908

0,8136

Hostelería-Restauración

0,1522

0,1201

0,0931

0,1474

0,1752

0,187

0,0002

Servicios

0,3231

0,3407

0,2055

0,4422

0,4135

0,3604

0,1861

Facturación Total

 

 

 

 

 

 

 

1-124

0,0897

0,0841

0,0919

0,1343

0,0713

0,0706

0,003

125-276

0,103

0,0914

0,0602

0,0836

0,0989

0,0973

0,408

277-491

0,0993

0,0901

0,0892

0,0754

0,0872

0,1342

0,0487

492-824

0,0896

0,1024

0,0979

0,069

0,0586

0,1558

0,0446

825-1302

0,1229

0,1163

0,0634

0,0444

0,02

0,1967

0,0011

.

0,4954

0,5156

0,5974

0,5934

0,664

0,3454

0,4946

Mean

29799891,8

44773575,4

22392690,5

20733252,6

21630481,2

31086518,6

16489869,4

Total Personal

 

 

 

 

 

 

 

Hasta 22

0,0834

0,0849

0,1121

0,1057

0,0757

0,0763

0,1052

23-42

0,0953

0,0979

0,0564

0,09

0,0975

0,099

0,2091

43-92

0,1227

0,0771

0,0727

0,087

0,0697

0,0932

0,1362

93-233

0,0847

0,0979

0,0962

0,076

0,0474

0,1561

0,0492

234-580

0,1102

0,1071

0,0636

0,0435

0,0479

0,2015

0,0056

.

0,5036

0,535

0,599

0,5978

0,6618

0,374

0,4946

Mean

2401,3553

2633,6706

2786,3318

2758,6403

19888,9582

1896,1159

2268,0037

Tabla 3. Perfiles de las clases modelo Z de Springate

Clase 1: constituye el segmento más numeroso de las franquicias con el 24,47% de la población total. Su Zs es de 2,1857 por lo que se considera solvente al ser su Zs mayor que 0,862 por lo que no tendrá problemas de insolvencia en el futuro. Dentro del sector el comercio minorista acapara el 45,33% del total, la hostelería-restauración el 15,22 %, el sector servicios el 32,61% restante. La facturación media de este segmento es de 29.799.891,8 euros. Con respecto a la variable personal empresa cabe destacar que posee una media de 2.401,3553 trabajadores.

Clase 2: a este segmento le corresponde el 22,46 % de la población total. Su Zs es de 1,8069 por lo que se considera solvente al ser su Zs mayor que 0,862, por lo que al igual que las franquicias del segmento 1, teóricamente no tendrá problemas de insolvencia en el futuro. Dentro del sector, comercio minorista acapara el 42,96 % del total, hostelería-restauración el 12,01 % sector servicios el  34,07% restante. La facturación media de este segmento es de 44.773.575,4 euros, la facturación media más alta de todos los segmentos. La variable personal empresa tiene una media de 2.633,6706 trabajadores.

Clase 3: a este segmento le corresponde el 16.6% de la población total. Su Zs es de 1,2214 por lo que se considera solvente al ser su Zs mayor que 0,862, por lo que al igual que las franquicias del  segmento 1 y 2, en teoría, no tendrá problemas de insolvencia en el futuro. Dentro del sector comercio minorista acapara el 53,6 % del total, la hostelería-restauración representa el 9,31% y, finalmente, el sector servicios representa el 20,55% del total. La facturación media de este segmento es de 22.392.690,5 euros. Con respecto a la variable personal empresa cabe destacar que posee una media de 2.786,3318 trabajadores.

Clase 4: a este segmento le corresponde el 16.32% de la población total. Su Zs es de 2,9764, por lo que se considera solvente al ser su Zs mayor que 0,862, por lo que al igual que las franquicias de los segmentos hasta ahora analizados no tendrá problemas de insolvencia en el futuro. Dentro del sector el comercio minorista acapara el 32,68 % del total, hostelería-restauración el 14,74 %, sector servicios el 44,22% del total. La facturación media de este segmento es de 20.733.252,6 euros. Con respecto a la variable personal empresa cabe destacar que posee una media de 2.758,6403 trabajadores.

Clase 5: a este segmento le corresponde el 11,45 % de la población total. Su Zs es de 0,4424, por lo que se considera insolvente al ser su Zs menor que 0,862. Dentro del sector el comercio minorista acapara el 24,62% del total, hostelería-restauración el 17,52% y, por último, el sector servicios el 41,35 % del total. La facturación media de este segmento es de 21.630.481,2 euros. La variable personal empresa tiene una media de 19.888,9582  trabajadores. Cabe destacar que el personal total medio en este grupo está muy por encima del resto de segmentos o clases.

Clase 6: a este segmento le corresponde el 7.86 % de la población total. Su Zs es de 9,2311 por lo que se considera solvente al ser su Zs mayor que 0,862 por lo que no tendrá problemas de insolvencia en el futuro. Dentro del sector el comercio minorista acapara el 39,08% del total, hostelería-restauración el 18,7% y, por último, el sector servicios el 36,04%. La facturación media de este segmento es de 31.086.518,6 euros. La variable personal empresa cabe destacar que ostenta una media de 1.896,1159 trabajadores. Es donde menos trabajadores hay y donde la solvencia es mayor.

Clase 7: a este segmento le corresponde el 0,85% de la población total. Su Zs es de -9,8745 por lo que se considera insolvente al ser su Zs menor que 0,862. Dentro del sector el comercio minorista acapara el 81,36 % del total, hostelería-restauración el 0.02%, finalmente, el sector servicios el 18,61 % del total. La facturación media de este segmento es de 16.489.869,4 euros, la más baja de los 7 segmentos. Con respecto a la variable personal empresa cabe ostenta una media de 2.268,0037 trabajadores.

5. Conclusiones

En este modelo se han identificado siete segmentos en los que las enseñas que lo componen son solventes en la mayoría de los casos, excepto en el quinto y el séptimo.

Con respecto a la influencia e importancia que tiene cada una de las variables independientes en el resultado de las Z de Springate, comenzamos con royalty de publicidad, que es una de las que mayor influencia tiene en los 8 segmentos considerados, a excepción de los segmentos 5 y 6, donde royalty de ventas es la variable que ejerce una mayor influencia. Podemos determinar que a medida que el franquiciador exija mayores royalties en publicidad, más negativo será el resultado de la Z, acercándolo cada vez más hacia los intervalos para los cuales el modelo predecía que era insolvente, por lo que una mayor exigencia de royalties en publicidad, aumenta el riesgo de insolvencia. Esto es así en el caso de los segmentos 1, 2, 4, y 5; mientras que en el 3 y 7 ejerce una influencia positiva, por lo que sucede el efecto contrario: a mayor exigencia de royalties de publicidad,  se reducirá el riesgo de insolvencia.

Respecto a la variable royalty de ventas, en la mayoría de los casos, sucede que a medida que el franquiciador aumenta la cuantía del royalty al franquiciado, mayor será el resultado de la Z, acercando dicho resultado hacia los intervalos para los cuales el modelo predecía que era solvente. Se llega a la conclusión de que una mayor cuantía de royalty, reduce el riesgo de insolvencia. Sucede en el caso de los segmentos 1, 5, 6 y 7.

La variable años contrato, en la mayoría de los casos, a medida que el franquiciador estipula un mayor número de años de contrato, mayor será el resultado de la Z de Springate, acercándolo hacia los intervalos para los cuales el modelo nos decía que era solvente. Podemos aseverar que una mayor duración del número de años de contrato de franquicia, reduce el riesgo de insolvencia. Ocurre en el caso de los segmentos 1, 2, 4 y 7; mientras que en los segmentos 3 y 5 dicha influencia es negativa y se produce el efecto contrario, a medida que aumenta el número de años de duración en el contrato, aumenta el riesgo de insolvencia.

Por lo que se refiere a la variable superficie mínima, en la mitad de los casos, a medida que el franquiciador estipula en el contrato una mayor superficie mínima al franquiciado, menor será el resultado Z de Springate, acercándolo hacia los intervalos para los cuales el modelo predecía que era insolvente. Esto sucede en el  caso de los segmentos 2, 3, 4 y 5. Podemos asegurar que una mayor superficie mínima, aumenta el riesgo de insolvencia. Por último, inversión y canon no ejercen influencia significativa en los siete segmentos considerados, por lo que no afectará al resultado de la Z de Springate.

En cuanto a implicaciones para la gestión en este modelo, el royalty en publicidad, en más grupos o segmentos, en aquellas enseñas en las que el franquiciador exige un mayor royalty de publicidad, tendrá un mayor riesgo de insolvencia. Por el contrario, en el caso del royalty de ventas, a medida que el franquiciador exija más cuantía de royalty a sus franquiciados, reducirá riesgo de insolvencia en cuatro de los segmentos identificados. En el caso de años contrato, a medida que el franquiciador estipula en el contrato un mayor número de años en el contrato, reducirá el riesgo de insolvencia de las enseñas también en cuatro segmentos o clases. Con respecto a superficie mínima, en la medida que el franquiciador estipula una mayor superficie mínima, reducirá el riesgo de insolvencia otra vez en cuatro de los segmentos identificados. Destaca el hecho de que inversión mínima y canon no afectan para nada en el resultado de las Z de Springate.

Como en cualquier investigación se pueden indicar algunas limitaciones como es la posibilidad de tener en cuenta otras variables o criterios de segmentación, con la finalidad de poder determinar una segmentación más eficaz, con perfiles de segmentos significativamente diferentes. En futuras investigaciones, podremos considerar variables relacionadas con la exclusividad territorial, selección de franquiciados o incluso asistencia técnica en la franquicia.  En definitiva, la investigación queda abierta a determinar la influencia de variables de segmentación testadas en otros estudios relativos al fracaso del franquiciador. En segundo lugar, señalamos que los métodos de segmentación aplicados en esta investigación han partido de la suposición implícita de la estabilidad de los segmentos en cuanto a estructura de los mismos y características; no obstante, los segmentos pueden comportarse de manera dinámica y cambiar a lo largo del tiempo. Wedel y Kamakura (2000) describen estas posibles aplicaciones para segmentar los mercados con aproximaciones dinámicas que podrían ser utilizadas en futuros trabajos. Otra limitación es que la muestra sólo incluye enseñas que operan en España. En este sentido, como futura línea de investigación, se propone que los futuros trabajos analicen el fracaso del franquiciador en diferentes países y se compararen los resultados obtenidos. Esto nos permitirá conocer si los resultados mostrados en este trabajo pueden ser extrapolados a cualquier tipo de enseña, sin importar su país de origen.

Referencias

Abell, M., Lombart, A., Waldt, D.C.,& Belda de Mergelina, R. (2009).When insolvency strikes. International Journal of Franchise Law, 7(3/4), 33-61.

Bhattacharyya, S., & Lafontaine, F. (1995). Double-Sided Moral Hazard and the Nature of Share Contracts. RAND Journal of Economics, 26, 761–781.

Blair, R. D.,& Lafontaine, F. (2005). The Economics of Franchising, Cambridge University Press.

Bond, J., &  Morris, L. (2003).A class of its own: latent class segmentation and its implication for qualitative segmentation research. Qualitative Market Research: an International Journal, 6 (2), 87-94.

Bordonaba, V.; Lucia, L.;  Polo, Y. (2008). Análisis de la salida de mercado. Fracaso vs. abandono en la franquicia. Cuadernos de Economía y Dirección de la Empresa, 39(1), 33-58.

Buchan, J. (2006) .When the Franchisor Fails: A research report prepared for CPA Australia by the University of New South Wales. CPA Australia.

Buchan, J. (2010). Franchisor failure: an assessment of the adequacy of regulatory response, Queensland University of Technology. PhD.

Buchan, J., Qu, C., & Frazer, L. (2011). Protecting Franchisees from Their Franchisor’s Impending Failure: A Way Forward for Consumer Protection Regulators Using Indicators? The First International Conference on Comparative Law and Global Common Law ‘Exchange and Integration of the Contemporary Legal Systems. College of Comparative Law, China University of Political Science and Law, Beijing, China.

Buchan, J., & Frazer, L. (2013). The effect of franchisor failure on franchisees: A review of the literature. Economics and Management of Networks Conference. Agadir, Morocco.

Calderón, E. (2002). Factores determinantes de la decisión de franquiciar en las enseñas españolas. Cuadernos de Economía y Dirección de Empresa, 11, 105-125.

Castrogiovanni, G. J., Justis, R. T.,& Julian, S. D. (1993). Franchise failure rates: An assessment of magnitude and influencing factors. Journal of Small Business Management, 31, 105–114.    

Connors, E. (2010). The Brave New World of Franchising. The Weekend Australian Financial Review, Sydney, Australia.

Cross, J. (1994). Franchising Failures: Definitional and Measurement Issues. International Society of Franchising Conference. Las Vegas. Nevada.

Cross, J. (1998). Improving the relevance of franchise failure studies‟, Society of Franchising Conference Proceedings. International Society of Franchising, St. Paul, Minnesota, USA.

Dant, R. P., Grünhagen, M.,& Windsperger, J. (2011). Franchising Research Frontiers for the Twenty-First Century. Journal of Retailing, 87(3), 253-268.

Díez de Castro, E. C.; Navarro García, A. y Rondán Cataluña, F. J. (2005). El sistema de franquicia, Pirámide, Madrid.

Diez de Castro, E.C., & Rondan Cataluña, F. (2004). La investigación sobre franquicia. Investigaciones Europeas de Dirección y Economía de la Empresa, 10(3), 71-96.

Dunn,T. M.,& Einbinder, M. (2011). A Franchisee's Guide to Franchisor Bankruptcy. Franchise Law Journal 31(2), 55-65.

Eljelly, A. M. A., & Mansour, I. H. F. (2001). Predicting private Companies failure in the Sudan. Journal of African Business 2(2), 23-43.

Franchising Task Force (1991). Report By the franchising task force for the Minister of Small Business and Customs, Better Printing Service, Queanbeyan, Australia.

Frazer, L., Weaven, S., & Bodey, K. (2010). Franchising Australia 2010, Asia-Pacific Centre for Franchising Excellence, Griffith University.

Gallini, N.T.,& Lutz, N. (1992). Dual distribution and royalty fees in franchising, Journal of Law, Economics, and Organization, 8, 471-501.

Holmberg, SR, & Boe M. (1996). The franchisee failure continuum. In: Dugan A, editor. Partners for progress: A world of opportunities, Proceedings of the 10th Conference of the Society of Franchising, Honolulu.

Holmberg, SR and Morgan, K.B. (2001). Entrepreneurial Franchises Ventures: A Strategic Perspective and Empirical Investigation of US and European Franchise Failure, Kogod: American University Business School.

Holmberg, S.R. & Morgan, K.B. (2003). Franchise turnover and failure. New Research and Perspectives. Journal of Business Venturing, 18, 403-418.

Hoy, F.,& Echegaray, M. H. (1994).Double Your Trouble through International Franchising: Arby's Goes to Mexico', in W. D. Bygraveet al. (eds) Frontiers of Entrepreneurship Research, 587-600. Babson Park, MA: Babson College.

Kahn, M. (1987). La franchise, guide pratique: etre franchiseur, etre franchisé. París Dalloz, 41-45.

Kamakura, W. A., & Wedel, M. (1995). Life-Style Segmentation with Tailoring Interviewing. Journal of Marketing Research, 32 (3), 308-317.

Lafontaine, F. (1992). Agency theory and franchising: Some empirical results. Rand Journal of Economics 23, 263-283.

Lafontaine, F.,& Shaw, K. (1998).Franchising growth and franchisor entry and exit in the U.S. market: myth and reality. Journal of Business Venturing, 13, 95-112.

Mariz, R. M. García, M. T., & Calvo, N. (2004). El crecimiento de las cadenas de franquicias: un análisis empírico desde el enfoque de la teoría de la agencia. XVIII Congreso anual AEDEM, Orense, España.

Martin, R.; & Justis, R. (1993). Franchising, liquidity constraints and entry. Applied Economics, 25, 1269-1277.

Perrigot R. ,& Cliquet G. (2004). Survival of Franchising Networks in France from 1992 to 2002, 18th Annual Conference of the International Society of Franchising (ISoF), Las Vegas, USA, March, 5-7.

Pilling, B. (1991). Assessing competitive advantage in small business: an application to franchising. Journal of Small Business Management 29 (4), 55-63.

Rondán Cataluña, F.J.; Navarro García, A.; & Díez de Castro, E.C. (2007). Proposing new variables for the identification of strategic groups in franchising. International Entrepreneurship and Management Journal, 3(4), 355-377.

Rondan-Cataluña, F.J., Sanchez-Franco, M.J., & Villarejo-Ramos, A.F. (2010). Searching for latent class segments in technological services. The Service Industries Journal, 30(6), 831-849.

Somoza López, A., & Vallverdú Calafell, J. (2007). Comentarios acerca del Nuevo Plan General de Contabilidad. Estrategia Financiera, (GRUPO ESPECIAL DIRECTIVOS), 8-20.

Shane, S. A. (1996). Hybrid organizational arrangements and their implications for firm growth and survival: A study of new franchisors. Academy of Management Journal, 39(1), 216-234.

Shane, S. (1998). Making new franchise systems work. Strategic Management Journal, 19(7), 697–707.

Stern, L., & Stanworth, J. (1994). lmproving small business survival rates via franchising-the role of bank in Europe’ International Small Business Journal, 12(2), 15-25.

Vermunt, J.K., & Magidson, J. (2003). Addendum to Latent gold User's Guide: Upgrade for Version 3, Boston, Statistical Innovations Inc.

Wedel, M., & Kamakura, W. A. (2000). Mixture regression models. In Market Segmentation (pp. 101-124). Springer USA.

1. Universidad de Sevilla. Email: crodri@us.es
2. Universidad de Sevilla. Email: rondan@us.es
3. Universidad de Sevilla. Email: juantoniomm5@hotmail.com


Revista Espacios. ISSN 0798 1015
Vol. 37 (Nº 38) Año 2016

[Índice]
[En caso de encontrar algún error en este website favor enviar email a webmaster]