Diagnóstico integral de la competitividad empresar=
ial
en Ecuador mediante análisis multivariante con datos ENESEM 2023
Comprehensive
diagnosis of business competitiveness in Ecuador using multivariate analysis
with ENESEM 2023 data
|
1=
|
Dalia Yasmin Ortiz Reinoso |
|
https://orcid.org/0000-0002-8152-7888 |
|
|
|
Universidad de Guayaquil (UG),
Guayaquil, Ecuador. Ecuador dalia.ortizr@ug.edu.ec <= o:p> |
|||
|
2=
|
Ana
Maribel Paredes Proaño |
|
https://orcid.=
org/0000-0001-5413-8150 |
|
|
|
Pontificia Universidad Católica =
del
Ecuador (PUCE), Quito, Ecuador. aparedes667@puce.edu.ec <= o:p> |
|||
|
|
|
|
|
|
|
|
|
|
|
Artículo de Investigación Científica y Tecnológica Enviado: 10/05/2026 Revisado: 12/06/2026 Aceptado: 21/07/2026 Publicado: 18/09/2026 DOI: https://doi=
.org/10.33262/concienciadigital.v9i3.3803
<=
/span> <=
/span> <=
/span> =
|
|||||||
|
|
|
|||||||
|
Cítese: |
|
Ortiz Reinoso, D. Y.,
& Paredes Proaño, A. M. (2026). Diagnóstico integral de la competitiv=
idad
empresarial en Ecuador mediante análisis multivariante con datos ENESEM 2=
023.
ConcienciaDigital, 9(3), 199-215. https://doi=
.org/10.33262/concienciadigital.v9i3.3803
|
|
|||||
|
|
|
|
|
|||||
|
|
|
Esta revista está
protegida bajo una licencia Creative Commons en la 4.0 International. Cop=
ia
de la licencia: http://creativecommons.org/licenses/by-nc-sa/4.0/ |
|
|||||
|
P=
alabras
claves: Análisis factorial,
análisis de componentes principales, correspondencia y multivariantes. |
|
Resumen Introducción: p=
ara
economías en desarrollo como la ecuatoriana, comprender los determinantes=
que
impulsan la productividad y el rendimiento de las empresas no es solo una
cuestión académica, sino una necesidad estratégica para la formulación de
políticas públicas efectivas y la toma de decisiones gerenciales informad=
as. Objetivos: este estudio propone un marco integrado para diagnosticar la competit=
ividad
de las empresas medianas y grandes del Ecuador, identificando sus dimensi=
ones
latentes, agregándolas en un índice sintético y caracterizando los perfil=
es
empresariales asociados a su desempeño. Metodología: se emplea una
triangulación metodológica secuencial. Primero, un análisis factorial
exploratorio que identifica los constructos latentes de la competitividad.
Segundo, un análisis de componentes principales que sintetiza estos
constructos en un índice integral de competitividad y tercero, un análisi=
s de
correspondencias múltiples que visualiza la asociación entre el índice
integral de competitividad, los factores y variables categóricas clave co=
mo
sector, región y tamaño. Resultados: datos ENESEM 2023, el análisis
estadístico muestra resultados que identifican cuatro factores latentes c=
omo
las capacidades de innovación, eficiencia operativa, intensidad digital, y
solvencia estructural. Se revela la existencia de tres clústeres principa=
les:
"Empresas tradicionales de baja intensidad", "Exportadores=
eficientes
con alta solvencia" y "Innovadores digitales orientados al merc=
ado
interno". Conclusiones: los resultados permiten diseñar polít=
icas
públicas diferenciadas y ofrecen a los gerentes un benchmarking para eval=
uar
su posición competitiva relativa. Esta investigación tiene un valor, es
pionero en aplicar una integración de estas tres técnicas a los datos ENE=
SEM,
proveyendo una diagnosis más rica y accionable que los enfoques
unidimensionales tradicionales. Área de estudio general: |
|
|||||
|
Keywords: Factor analysis, princ=
ipal
components analysis, correspondence and multivariate analysis |
|
Abstract Introduction. For developing economies such as Ecuador,
understanding the determinants that drive firms' productivity and perform=
ance
is not only an academic issue, but a strategic necessity for the formulat=
ion
of effective public policies and informed managerial decision-making. =
Objectives.
This study proposes an integrated framework to diagnose the
competitiveness of medium and large firms in Ecuador, identifying their
latent dimensions, aggregating them in a synthetic index, and characteriz=
ing
the business profiles associated with their performance. Methodology. =
A
sequential methodological triangulation is used. First, an exploratory fa=
ctor
analysis that identifies the latent constructs of competitiveness. Second=
, a
principal component analysis that synthesizes these constructs into a
comprehensive competitiveness index and third, a multiple correspondence
analysis that visualizes the association between the comprehensive
competitiveness index, key factors and categorical variables such as sect=
or,
region, and size. Results. ENESEM 2023 data, the statistical analy=
sis
shows results that identify four latent factors such as innovation
capabilities, operational efficiency, digital intensity, and structural
solvency. The existence of three main clusters is revealed: "Low-int=
ensity
traditional companies", "Efficient exporters with high
solvency", and "Digital innovators oriented to the domestic
market". Conclusions. The results allow the design of
differentiated public policies and offer managers benchmarking to evaluate
their competitive position. This research has a value, it is pioneering in
applying an integration of these three techniques to ENESEM data, providi=
ng a
richer and more actionable diagnosis than traditional one-dimensional
approaches. General area of study: Private Law and Legal Pluralism=
. Specific
area of study: Business. Type of article: original.<=
span
lang=3DEN-US style=3D'font-family:"Times New Roman",serif;mso-fareast-fon=
t-family:
"Times New Roman";mso-font-kerning:0pt;mso-ligatures:none;mso-ansi-langua=
ge:
EN-US;mso-fareast-language:ES'> |
|
|||||
1.&n=
bsp;
Introducción
En un contexto
económico global caracterizado por la creciente competencia, la volatilidad=
de
los mercados y la aceleración tecnológica, la competitividad empresarial se=
levanta
como un pilar fundamental para el desarrollo sostenible de las naciones (
Históricamente, el
diagnóstico del sector productivo en Ecuador ha enfrentado el desafío de la
fragmentación de información. Si bien instituciones como el Instituto
Nacional de Estadística y Censos (INEC) proveen datos valiosos, a menud=
o el
análisis se limita a indicadores aislados o descriptivos, lo que ofrece una
visión parcial e insuficiente para diseñar intervenciones precisas. La E=
ncuesta
Nacional Económica para Empresas Medianas y Grandes (ENESEM), con su ri=
co
detalle sobre producción, gastos, insumos, uso de TIC y estructura empresar=
ial,
representa una oportunidad única para superar esta limitación (Instituto
Nacional de Estadística y Censos [INEC], 2025)<=
/span>.
No obstante, el potencial de este vasto repositorio de datos permanece
subutilizado sin la aplicación de metodologías analíticas capaces de sintet=
izar
y extraer patrones complejos de sus variables interrelacionadas (Valencia
& Gaibor. 2018).
Es aquí donde el
análisis multivariante se presenta como la herramienta metodológica idónea.
Este estudio propone un diagnóstico integral de la competitividad empresari=
al
ecuatoriana mediante la triangulación de tres técnicas multivariantes aplic=
adas
a los microdatos de la ENESEM. En primer lugar, el Análisis Factorial
Exploratorio (AFE) se emplea para develar las dimensiones latentes
subyacentes que constituyen la competitividad, reduciendo un amplio conjunt=
o de
variables observables a un número manejable de factores clave (como capacid=
ad
innovadora, intensidad digital o eficiencia operativa). En segundo lugar, e=
l Análisis
de Componentes Principales (ACP) se utiliza para agregar estos factores=
en
un Índice Integral de Competitividad (IIC), una métrica sintética que
permite ranquear y clasificar a las empresas en un espectro de desempeño.
Finalmente, el Análisis de Correspondencias Múltiples (ACM) permite
visualizar y mapear los perfiles competitivos, revelando las asociaciones
estadísticas entre el nivel de competitividad, los factores dominantes y
características estructurales como el sector económico (CIIU), la región y =
el
tamaño de la empresa (Sani & Cabrera, <=
/span>2025).
La originalidad de
esta investigación radica en esta integración metodológica secuencial, que
permite no solo cuantificar el nivel de competitividad, sino también entend=
er
su naturaleza multidimensional y distribuir a las empresas en clusters
homogéneos con características comunes (Méndez =
&
Rondón, 2012). Así, este estudio trasciende el diagnóstico descripti=
vo
para ofrecer un mapa detallado del ecosistema productivo ecuatoriano (Garzón-León et al. 2024).
Los hallazgos de e=
ste
trabajo están dirigidos a dos audiencias principales: Primero, los hacedore=
s de
política pública, quienes podrán diseñar instrumentos de fomento productivo
segmentados y específicos (cluster-specific), dirigiendo recursos a
donde sean más necesarios y efectivos; y segundo a los gerentes y tomadores=
de
decisiones dentro de las empresas, quienes obtendrán un punto de referencias
para evaluar su posición relativa dentro de su sector e identificar las
dimensiones críticas donde deben focalizar sus esfuerzos de mejora. Al cerr=
ar
la brecha entre los datos macroeconómicos y la acción concreta, este
diagnóstico integral busca ser una contribución significativa para impulsar=
la
productividad y la competitividad de la empresa ecuatoriana en el escenario
global (Pérez, 2020).
Los objetivos es
identificar las dimensiones latentes que explican la competitividad empresa=
rial
en el Ecuador, mediante Análisis Factorial Exploratorio (AFE), Co=
nstruir
un Índice Integral de Competitividad (IIC) que sintetice las dimensiones
latentes en una métrica unidimensional, aplicando Análisis de Componentes
Principales (ACP) y Caracterizar los perfiles competitivos de las empre=
sas
y su asociación con variables estructurales (sector económico, región, tama=
ño),
mediante Análisis de Correspondencias Múltiples (Fernand et al., 2022).
2.&n=
bsp;
Metodología
=
Este
estudio se basa en los microdatos de la Encuesta Nacional Económica para
Empresas Medianas y Grandes (ENESEM), administrada por el Instituto
Nacional de Estadística y Censos (INEC) del Ecuador. La ENESEM ofrece
información representativa a nivel nacional sobre la estructura económica,
producción, gastos, empleo y uso de Tecnologías de la Información y
Comunicación (TIC) en empresas con 50 o más empleados. Se utilizó la
versión más reciente disponible del año 2023, se trabaja con una muestra
inicial consistió en 4436 empresas.
=
Las
variables seleccionadas se clasifican en dos tipos:
a)&n=
bsp;
Variables
cuantitativas (escala continua):
utilizadas para el Análisis Factorial (AF) y de Componentes Princ=
ipales
(ACP). Incluyen:
·&nb=
sp;
Indicadores
de Innovación: Gasto en Investigación y Desarrollo (I+D), inversión en acti=
vos
intelectuales.
·&nb=
sp;
Indicadores
de Eficiencia: Valor agregado bruto por empleado, ratio de consumo intermed=
io
sobre producción bruta.
·&nb=
sp;
Indicadores
de Digitalización: Gasto en servicios TIC, porcentaje de empleados con acce=
so a
internet, valor de ventas por comercio electrónico.
·&nb=
sp;
Indicadores
de Solvencia y Escala: Ratio de autonomía financiera (Patrimonio/Activo),
inversión en activos fijos.
b)&n=
bsp;
Variables
categóricas (nominales y ordinales):
utilizadas para el Análisis de Correspondencias Múltiples (ACM).
Incluyen:
·&nb=
sp;
Sección
de la CIIU, ejemplo: C) Manufactura, G) Comercio, H) Transporte, J) Informa=
ción
y comunicación.
·&nb=
sp;
Región
Natural: Costa, Sierra, Amazonía.
·&nb=
sp;
Tamaño
de la Empresa: Mediana (50 a 199 empleados), Grande (200+ empleados).
·
Nivel
de Competitividad: Derivado del Índice IIC y categorizado en "Bajo&quo=
t;,
"Medio" y "Alto".
2.1.
Diseño meto=
dológico
integral
=
La
investigación adopta un diseño de triangulación metodológica secuencial,
integrando tres técnicas de análisis multivariante para abordar el objeto de
estudio desde diferentes perspectivas (Batista =
&
Sureda, 1987), tal como se visualiza en la Figura 1.
=
Figura <=
span
style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New Roman",se=
rif;
color:windowtext;font-style:normal'>1
Diseño metodológico de la investi=
gación
Fase 1: Análisis Factorial Exploratorio
(AFE)
=
Identificar
las dimensiones latentes (factores no observables) que subyacen a la
competitividad empresarial.
=
Procedimiento:
a)&n=
bsp;
Preparación
de datos: Las variables cuantitativas fueron estandarizadas (media=3D0,
desviación=3D1) para evitar el sesgo por diferencias en las escalas de medi=
ción.
b)&n=
bsp;
Adecuación
muestral: Se verificó la idoneidad de los datos mediante la Prueba de
Esfericidad de Bartlett (se espera un p-valor < 0.05) y el Measure of Sampling Adequacy (MSA)
de Kaiser-Meyer-Olkin (KMO > 0.7 se considera
aceptable).
c)&n=
bsp;
Extracción
de factores: Se utilizó el método de extracción de ejes principales (Pri=
ncipal
Axis Factoring) con rotación Varimax
para maximizar la varianza de las cargas al cuadrado en los factores y logr=
ar
una estructura simple más interpretable.
d)&n=
bsp;
Selección
de factores: Se retuvieron los factores con autovalores (eigenvalues)
superiores a 1 (Criterio de Kaiser) y se apoyó la decisión con el gráfico de
sedimentación (Scree Plot).
=
Se
obtuvo de resultado un conjunto de factores latentes como "Capacidad
Innovadora", "Eficiencia Operativa" y los puntajes factorial=
es
para cada empresa en cada dimensión.
Fase 2: Análisis de
Componentes Principales (ACP)
=
Sintetizar
la información de los puntajes factoriales en un Índice Integral de
Competitividad (IIC) unidimensional que permita la comparación y
categorización de las empresas.
=
Procedimiento:
a)&n=
bsp;
Obtener
la a matriz de puntajes factoriales obtenida en la Fase 1.
b)&n=
bsp;
Aplicación
del ACP: Se aplicó un ACP a esta matriz para encontrar la combinación lineal
que captura la mayor varianza posible.
c)&n=
bsp;
Construcción
del Índice: La Primera Componente Principal (CP1), que explica la ma=
yor
proporción de la varianza total, se utilizó para construir el IIC. Los valo=
res
de la CP1 fueron normalizados a una escala de 0 a 100 mediante una
transformación min-max para facilitar su interpretación: IIC_i =3D [(CP1_i -
min(CP1)) / (max(CP1) - min(CP1))] * 100
=
Se
obtuvo como resultado un valor de IIC para cada empresa, donde un valor más
alto indica un mayor nivel de competitividad global.
Fase 3: Análisis de
Correspondencias Múltiples (ACM)
=
Explorar
y visualizar las asociaciones entre el nivel de competitividad (IIC), las
dimensiones latentes dominantes y las características categóricas de las
empresas (sector, región, tamaño).
=
Procedimiento:
a)&n=
bsp;
Categorización:
El IIC continuo se categorizó en tres grupos de igual frecuencia
("Bajo", "Medio", "Alto"). Asimismo, se
identificó el factor latente con la puntuación más alta para cada empresa (=
su
"dimensión competitiva dominante").
b)&n=
bsp;
Tabla
de contingencia: Se construyó una tabla de Burt con todas las variables
categóricas.
c)&n= bsp; Ejecución del ACM: El análisis proyecta las categorías de todas las variables en un espacio de baja dimensión (generalmente un plano bidimensional), donde la distancia entre puntos representa el grado de asociación entre categorías.<= o:p>
d)&n=
bsp;
Interpretación:
Se analizó el mapa perceptual (biplot) para identificar clusters o perfiles=
. La
proximidad entre una categoría del IIC "Alto" y una categoría
sectorial "Información y comunicación" indica una fuerte asociaci=
ón
entre ellas.
=
Se
obtiene como resultado un mapa de perfiles competitivos que revela la
estructura de relaciones entre los distintos tipos de empresas y su desempe=
ño.
2.2.
Herramienta=
s de
Software
=
El análisis
se realizó con la plataforma de programación estadística R (v4.3.0), utiliz=
ando
principalmente los paquetes psych, factominer y factoextra y tidyverse
para la manipulación y visualización de datos (=
Posit,
2025). Además, de la herramienta SPSS versión 25 para comparar los
resultados con respecto a pruebas de las matrices (IBM, 2025; Field,
2018).
3.&n=
bsp;
Resultado
La competitividad=
de
las empresas medianas y grandes en Ecuador no es unidimensional, sino que e=
stá
explicada por un conjunto de factores latentes (innovación, eficiencia,
capacidades digitales) que presentan una distribución heterogénea y configu=
ran
perfiles claramente diferenciados según el sector económico y la región.
3.1.
Fase 1: =
Análisis
Factorial (AF) - Identificar los pilares latentes
Para identificar
pilares latentes de la base ENESEM, se inicia con la carga de los datos, se
depura los datos, se escoge las variables numéricas y se excluye variables
texto. A continuación, se procedió hacer las pruebas de KMO/Bartlett. La decisión del número de factores se u=
só
criterios como Kaiser, se gráfica los autovalores y se genera las matrices
aleatorias.
Para validar la
adecuación se hace la prueba KMO que es excelente (>0.8) y la prueba de
Bartlett que confirma la correlación con un p<0.05.
A través del gráfico de sedimentación
justifica el número de factores que es retenidas en el análisis factorial
experimental y componentes principales. La regla indica retener los factores
antes del punto de inflexión a través del codo, porque después los autovalo=
res
apenas aportan varianza adicional. Podemos observar el “codo” se aprecia cl=
aro
alrededor del factor 3 o 4, que son factores válidos, convirtiéndose en
factores latentes que significa que las dimensiones de competitividad
empresarial se pueden resumir en 3-4 grandes pilares latentes, véase en la =
Figura 2.
Figura <=
span
style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New Roman",se=
rif;
color:windowtext;font-style:normal'>2
Gráfico de sedimentación de
autovalores Scree Plot del análisis paralelo
La Figura 3 tiene un grupo de variables =
con
cargas altas y positivas, se asocia en subconjuntos de variables con factor=
es
específicos, lo que se traduce en la identificación de 3 pilares de
competitividad en la ENESEM.
PA1 =3D Productiv=
idad y
eficiencia
PA2 =3D Innovació=
n y
capital humano
PA3 =3D
Internacionalización y mercado.
Figura <=
span
style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New Roman",se=
rif;
color:windowtext;font-style:normal'>3
Scatterplot de las cargas factori=
ales
rotadas (Varimax)
3.2.
Agregar los punta=
jes
factoriales obtenidos para cada empresa de la Fase 1 en una métrica
unidimensional que permita rankear y categorizar a las empresas (Id_empresa)
usando el índice integral de competitividad normalizado (0–100), se puede
observar Figura 4 todas son altamente competit=
ivas,
según los puntajes factoriales (Ecuación 1).
(1)
Figura <=
span
style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New Roman",se=
rif;
color:windowtext;font-style:normal'>4
Categorizar a las empresas en los
datos ENESEM
Se
hace un top 20 de las empresas con una alta competitividad, donde se muestra
una jerarquía competitiva dentro de la muestra, véase la Figura 5.
Figura <=
span
style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New Roman",se=
rif;
color:windowtext;font-style:normal'>5
Diagrama de Top 20 de las empresas
altamente competitiva en Ecuador
La mayoría de las empresas
ecuatorianas se concentran en un nivel medio de competitividad, con una
densidad notable alrededor del rango central del IIC (aproximadamente entre=
40
y 60 puntos). Un grupo más pequeño pero relevante de empresas muestra alta =
competitividad
(IIC superior a 70), representando probablemente a sectores más modernizado=
s,
con mayor inversión en TIC y procesos eficientes. La distribución sugiere u=
na
brecha de competitividad en el tejido empresarial ecuatoriano, donde un
segmento importante requiere intervenciones de política pública y privada p=
ara
mejorar su productividad e integración tecnológica, véase en Figura 6.
Figura <=
span
style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New Roman",se=
rif;
color:windowtext;font-style:normal'>6
Distribución del índice integral =
de
competitividad en empresa de Ecuador
3.3.
Visualizar en un
espacio de baja dimensión las relaciones entre la competitividad y sus
dimensiones, las características categóricas fundamentales de las empresas =
(Guerrero & Ramírez, 2012).
Es la dimensión 1=
se
considera como la más importante y explica la mayor proporción de la varian=
za
(inercia) del conjunto de datos. En el contexto competitivo, este eje suele
capturar la brecha principal de competitividad entre empresas de alta vs. b=
aja
competitividad. En la dimensión 2 se considera la segunda mayor proporción =
de
varianza y frecuentemente representa diferencias sectoriales o regionales. =
Las
dos primeras dimensiones explican >60% de la inercia total, la
representación en el plano bidimensional es suficiente para interpretar pat=
rones
El gráfico de eigenvalues confirma que el ACM logra reducir la
complejidad de los datos categóricos de la ENESEM en dimensiones
interpretables. La primera dimensión será crucial para entender la brecha de
competitividad, mientras que la segunda ayudará a identificar patrones
sectoriales o geográficos. Esto valida la utilidad del ACM para mapear los
perfiles competitivos de las empresas ecuatorianas de manera visual e
interpretar patrones, véase Figura 7.
Figura <=
span
style=3D'font-size:12.0pt;line-height:115%;font-family:"Times New Roman",se=
rif;
color:windowtext;font-style:normal'>7
Eigenvalores/Inercias del ACM
Figura 8 revela la estructura de
asociaciones entre el nivel de competitividad (IIC), el tamaño empresarial =
y la
región natural en Ecuador. Se identifican tres hallazgos principales: brech=
a de
competitividad, perfil competitivo alto y perfil competitivo bajo.
Figura =
<=
span
style=3D'font-family:"Times New Roman",serif'>8
Ma=
pa de
Categorías (ACM)
Existen tres perfiles competi=
tivos
claramente diferenciados en el tejido empresarial ecuatoriano mediano y gra=
nde.
Según la Figura 9 la brecha de competitividad
(Dimensión 1) es el factor que mejor estructura los datos:
a)&n=
bsp;
Un
grupo de alto desempeño, asociado a empresas medianas de la región Costa.
b)&n=
bsp;
Un
grupo de bajo desempeño, muy homogéneo y distinto, que requiere atención
prioritaria.
c)&n=
bsp;
Una
masa central de competitividad media, asociada a la región Sierra, que
representa la oportunidad de mejorar y ascender hacia el perfil de alta
competitividad.
Mapa de Individuos (ACM) – proyec=
ción
de empresas individuales
4.&n=
bsp;
Discusión
Fase1: el análisis factorial
confirmó que la competitividad empresarial es multidimensional e identificó
tres pilares: productividad y eficiencia, innovación y capital humano, e
internacionalización y mercado.
Fase 2: el análisis de compon=
entes
principales permitió construir el Índice Integral de Competitividad (IIC=
),
evidenciando que la mayoría de las empresas se concentra en un nivel medio =
de
competitividad.
Fase 3: el análisis de
correspondencias múltiples identificó perfiles de competitividad alta, medi=
a y
baja, relacionados con características como la región y el tamaño de las
empresas.
5.&n=
bsp;
Conclusiones
·
El
diagnóstico integral de la competitividad empresarial ecuatoriana, mediante=
la
triangulación de Análisis Factorial (AF), Análisis de Componentes
Principales (ACP) y Análisis de Correspondencias Múltiples (ACM)=
con
datos de la ENESEM, ha proporcionado una visión multidimensional, sintética=
y
accionable del estado del sector productivo del país. La integración secuen=
cial
de estas metodologías ha permitido superar los análisis univariantes tradic=
ionales,
ofreciendo hallazgos robustos y concluyentes.
·
A
partir de los factores latentes, el ACP permitió agregar esta complejidad en
una métrica única y comparable: el Índice Integral de Competitividad (II=
C).
El análisis estadístico muestra resultados que identifican cuatro factores
latentes como las capacidades de innovación, eficiencia operativa, intensid=
ad
digital, y solvencia estructural. =
La
construcción de este índice fue vital para cuantificar, rankear y categoriz=
ar
objetivamente a las empresas en niveles de baja, media y alta competitivida=
d.
·
La
competitividad en Ecuador está estratificada. El clúster de alto desempeño =
está
liderado por empresas medianas de la costa, mientras que el de bajo desempe=
ño
representa un desafío transversal. La sierra se asocia con un desempeño
intermedio, señalando una oportunidad para políticas de mejora específicas =
por
región y tamaño.
·
La
efectividad del IIC para clasificar a las empresas y revela que, si bien la
brecha de competitividad es evidente, también existe una diversidad de perf=
iles
dentro de cada nivel de desempeño, lo que justifica un análisis más granular
para políticas de fomento específicas.
·
En
definitiva, este estudio provee un modelo replicable y una evidencia sólida
para transitar de la diagnosis a la acción estratégica, orientando los
esfuerzos públicos y privados hacia una mejora sustancial de la productivid=
ad y
la competitividad nacional.
6. Conflicto =
de
intereses=
L=
os
autores declaran que no existe conflicto de intereses en relación con el
artículo presentado.
7.
Derechos
de autor (copyright)
Los
autores son los titulares de los derechos de autor (patrimoniales y/=
o de
explotación) de los contenidos de la revista (copyright).
8.
Declaración
de contribución de los autores
Los autores decla=
ran
haber participado de manera equitativa y sustancial en la realización de es=
ta investigación,
bajo las responsabilidades según la Taxonomía CRediT
Dalia Yasmin Ortiz Reinoso y Ana Maribel Paredes
Proaño, realizaron la
conceptualización de la investigación, organización y ejecución del ensayo,
recopilación y curación de los datos, revisión del análisis estadístico,
interpretación de los resultados, elaboración del borrador original,
preparación de tablas y figuras, revisión crítica del contenido y aprobació=
n de
la versión final del manuscrito.
Divulgación de=
la
delegación a la IA generativa
Los autores no utilización herramientas de inteligencia artificial como
apoyo al trabajo de investigación. La responsabilidad del manuscrito final
recae íntegramente en los autores. Declaración presentada por: Dalia Yasmin
Ortiz Reinoso.
9.
Costos
de financiamiento
La
presente investigación fue financiada en su totalidad con fondos propios de=
los
autores.
10. Referencias
bibliográficas
=
Batallas
Astudillo, I. L., Luna Luna, A. J., & Uriguen Aguirre, P. A. (2021).
Contingencia estructural en el nivel de ingresos: un análisis en medianas y
grandes empresas orenses. INNOVA
Research Journal, 6(2),
209–224. https://doi.org=
/10.33890/innova.v6.n2.2021.1706
=
Batista, J. M., & Sureda, J. (1987). Análisis de correspondencias y
técnicas de clasificación: Su interés para la investigación en las ciencias
sociales y del comportamiento. Infancia y Aprendizaje, 10(39–40),
171–186. =
https://doi.org/10.1080/02103702.1987.10822184=
=
Bazarán-Rueda,
J. J., Pardo-Asanza, F. A., & Campuzano-Vásquez, J. A. (2023). Evaluaci=
ón
de la gestión competitiva de la mediana empresa de la provincia de El Oro
mediante la NTE INEN 2537. INNOVA Research Journal, 8(3.1), 264–282.=
https://doi.org/10.33890/innova.v8.n3.1.2023.2374<=
/a>
=
Fernand Desfrancois, P., Lesc=
ano
Cacuango, N., & Escobar Santamaría, A. (2022). Análisis de competitivid=
ad
en las pequeñas y medianas empresas del Distrito Metropolitano de Quito.
Field, A=
ndy.
(2018). Discovering Statistics Using IBM SPSS Statistics (Edición 5t=
a). SAGE
Publications. =
https://books.g=
oogle.co.uk/books?id=3D0QTyswEACAAJ&utm_source
=
Garzón-León,
J. B., Diaz-Bueno, G. D., Campuzano-Vásquez, J. A., & Uriguen-Aguirre, =
P.
A. (2024). Mínimos Cuadrados Parciales y su aplicación en la identificación=
de
competitividad en empresas exportadoras de banano de la ciudad de Machala a=
ño
2023. Portal de la Ciencia, 5(3), 221–243. https://doi.org=
/10.51247/pdlc.v5i3.470
=
Guerrero Casas, F. M., &
Ramírez Hurtado, J. M. (2012). El
análisis de escalamiento multidimensional: una alternativa y un complemento=
a
otras técnicas multivariantes. Centro de estudios de opinión, (25). =
https://revi=
stas.udea.edu.co/index.php/ceo/article/view/11450
=
IBM. (2025). IBM SPSS Statistics.
IBM.com. https://www.ibm.com/mx-es/products/spss-statistics=
=
Instituto Nacional de Estadís=
tica y
Censos [INEC]. (2025). Encuesta Estructural Empresarial ENE=
SEM.
https://www.ecuadorencifras.gob.ec/documentos/web-inec/Es=
tadisticas_Economicas/Encuesta_Estructural_Empresarial/2023/2023_ENESEM_Pri=
ncipales_Resultados.pdf
=
López
Ceballos, C. E., & Vargas, A. (2018). Sustainable Colombia, Latin Ameri=
can
SMES. Internat=
ional
Journal of Environmental Science, 3, 93-106. https://www.iar=
as.org/iaras/filedownloads/ijes/2018/008-0015(2018).pdf
=
Méndez Martínez, C., & Ro=
ndón
Sepúlveda, M. A. (2012). Introducción al análisis factorial exploratorio. <=
i>Revista
Colombiana de Psiquiatría, 41(1), 197–207. https://doi.org/10.1016/S0034-745=
0(14)60077-9
=
Pérez
López, C. (2004). Técnicas de análisis multivariante de datos. Pears=
on Educación,
S.A. https://gc.scalahed.com/recursos/files/r161r/w25172w/Tecn=
icas_de_analisis_multivariante.pdf?utm_source
=
Pérez
Molina, A. I., Díaz García, P., & Gisbert Soler, V. (2014). Análisis=
del
estado del arte inherente a la caracterización y modelización de las pymes
productivas españolas que realizan proyectos de I+D+i (1ra edición).=
3ciencias
Editorial Área de Innovación y Desarrollo, S.L. https://share.g=
oogle/JVaBdncbdiBpwe7dg
=
Pérez Sisa, F. G. (2020). Asociatividad
empresarial: estrategia para la competitividad de Las PYMES en el Ecuador. =
Revista Eruditus 1(2):39–52. https://doi.org/10.35290/re.v1n2.2020.308
=
Posit. (2025). RStudio IDE and
Posit Workbench 2025.09.0. Blog Posit. https://posit.co/blog/rstudio-202=
5-09-0-whats-new
=
Sani Centeno, A. del R., & Cabre=
ra
Escobar, J. O. (2025). Análisis de indicadores clave que determinan el rank=
ing
empresarial en Ecuador durante el 2023 utilizando técnicas multivariantes. =
Ciencia
y Educación, 6(6), 208 - 225. https://doi.org=
/10.5281/zenodo.15752003
=
Valencia
Nuñez, E. R., & Gaibor Vaca, E. A. (2018). Análisis multivariante para
medir la competitividad empresarial aplicando análisis de componente empres=
ariales.
Revista Observatorio de la Economía Latinoamericana, (febrero 2018).=
http://www.eumed.net/rev/oel/2018/02/competitividad-empre=
sarial-ecuador.html
El
artículo que se publica es de exclusiva responsabilidad de los autores y no
necesariamente reflejan el pensamiento de la Revista Conciencia Digital.
El
artículo queda en propiedad de la revista y, por tanto, su publicación parc=
ial
y/o total en otro medio tiene que ser autorizado por el director de la R=
evista
Conciencia Digital.
www.concienciadigital.=
org <=
span
style=3D'font-family:"Arial",sans-serif;mso-fareast-font-family:Arial;color=
:black;
mso-fareast-language:ES-MX'> Esta revista
está protegida bajo una licencia Creative Commons<=
/span>
en la 4.0 International. Copia de la licencia: http://creativecommons.org/licenses/by-nc-sa/4.0/