LA SUSPENSION DE PAGOS EN LAS PYMES: UNA APROXIMACION EMPIRICA

• Published in: Revista española de financiación y contabilidad 1998-01, Vol.27 (94), p.71-97
• Main Authors: Gracia, José López, Cabedo, Juan Luis Gandía, Llopis, Rafael Molina
• Format: Article
• Language: Spanish
• ISSN: 0210-2412; 2332-0753

En este estudio se aporta evidencia empírica acerca de la predicción del fracaso empresarial en las pymes haciendo uso, básicamente, de los modelos de probabilidad condicional logit. La selección de variables se ha realizado a través del análisis factorial y de pruebas de homogeneidad. La investigación se desarrolló sobre una muestra de doscientas dos empresas, noventa en suspensión de pagos y ciento doce solventes o sanas, relativas a los años 1992 y 1993. Los modelos estimados indican que los ratios de rentabilidad de la explotación y de liquidez o solvencia a corto plazo, así como el tamaño y el sector económico al que pertenece la entidad, son los predictores con mayor significación. El error de predicción global calculado en los diferentes modelos oscila en torno al 20 por 100, similar al de otros estudios realizados con pymes. Nuestros resultados indican que el modelo de mayor capacidad predictiva es aquel que combina variables financieras y variables no financieras o cualitativas. This study provides empirical evidence about the small business failure prediction using, basically, logit conditional probability models. The selection of variables has been accomplished through factorial analysis and homogeneity tests. The investigation was developed on a sample of 202 companies, 90 failed and 112 sound or healthy companies related to the years 1992 and 1993. The estimated models indicate that return on assets ratio and current ratio as well as the size and the economic sector, to which the entity belongs, are the best predictors of failure. The global forecast error which has been calculated in the different models is about 20 for 100 and is in line with the findings of other studies carried out with small firms. Our results show that the most accurate model for failure prediction is the one that combines financial and non-financial variables.