Análisis comparativo de las empresas vitivinícolas exportadoras de Valle de Guadalupe y el resto de las empresas vitivinícolas de Baja California: una contrastación empírica
DOI:
https://doi.org/10.33110/rnee.v17i1.336Palabras clave:
competitividad,, innovación tecnológica,, internacionalización,, industria vitivinícola,, Valle de Guadalupe.Resumen
Esta investigación hace un análisis comparativo de las empresas vitivinícolas exportadoras de Valle de Guadalupe
con las empresas de este tipo en el resto del Estado de Baja California, México. El objetivo es determinar cuáles
son los factores que permiten a estas empresas incrementar las exportaciones de Vino Tinto; además de conocer
la evolución que éstas han tenido después de la pandemia COVID 19. Para el análisis estadístico se utiliza el
modelo de ecuaciones estructurales Partial Least Squares (PLS-SEM), incluyendo la evaluación del poder
predictivo fuera de muestra mediante PLSpredict. La metodología utilizada incluye un análisis cualitativo de la
situación actual de su entorno y un estudio cuantitativo de datos resultado de la aplicación de un instrumento de
41 ítems a 175 empresas vitivinícolas, divididas en dos universos. El primer grupo consta de 92 empresas que se
ubican en la región de Valle de Guadalupe y el segundo incluye las 83 localizadas en el resto de los municipios. Los
principales hallazgos muestran que la variable que presenta un mayor grado de asociación es Competitividad y un
menor grado Producción. Las principales limitaciones encontradas son: la escasez del recurso hídrico, la falta de
recursos nancieros, la producción limitada, los pocos apoyos económicos del sector público y privado, así como la
insuciente inversión en innovación tecnológica.
Citas
Briones, G. (2002). Metodología de la investigación cuantitativa en las ciencias sociales. Instituto colombiano para el fomento de la educación superior, p. 32
Bunge, M. (2013). La investigación científica (Sexta ed.). México:
Grupo editorial Siglo XXI. Carrasco, S. (2009). Metodología de investigación cientifica: Pautas para diseñar y elaborar el proyecto de investigacion. Lima:
San Marcos. Cassel, C.; Hackl, P. & Westlund, A. (1999). Robustness of partial least-squares method for estimating latent variable quality structures, Journal of Applied Statistics, 26:4, pp. 435-446, DOI: 10.1080/02664769922322
Cepeda-Carrión, G.; Cegarra-Navarro, J.G.; Cillo, V. (2019). Tips to use partial least squares structural equation modelling (PLS-SEM) in knowledge management. Journal of Knowledge Management, Vol. 23 Issue: 1, pp.67-89, https://doi.org/10.1108/JKM-05-2018-0322 Chin, W.W. (1998), The partial least squares approach to structural equation modeling, in Marcoulides, G.A. (Ed.), Modern Methods for Business Research, Mahwah, Erlbaum, pp. 295-358.
Chin, W. W. (2010). How to write up and report PLS analyses. In Esposito Vinzi, V., Chin, W. W., Henseler, J. & Wang, H. (Eds.), Handbook of partial least squares: Concepts, methods, and applications, pp. 655–690, Berlin, Germany:
Springer-Verlag Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences: Lawrence Erlbaum
Associates Coronado, J. (2007). Escalas de medición. Paradigmas, 2(2), pp. 104-125
Diamantopoulos, A. and Winklhofer, H.M. (2001). Index construction with formative indicators: an alternative to scale development. Journal of Marketing Research, Vol. 38 No. 2, pp. 269-277
Diamantopoulos, A. (2006). The error term in formative measurement models: interpretation and modeling implications. Journal of Modelling in Management, Vol. 1 No. 1, pp. 7-17
Dijkstra T.K. (2010). Latent Variables and Indices: Herman Wold's Basic Design and Partial Least Squares. In: Esposito Vinzi V., Chin W., Henseler J., Wang H. (eds) Handbook of Partial Least Squares. Springer Handbooks of Computational Statistics. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-32827-8_2
Dijkstra, T.K. & Henseler, J. (2015). Consistent and asymptotically normal PLS estimators for linear structural equations. Computational Statistics & Data Analysis, Vol. 81 No. 1, pp. 10-23.
Fishbein, M. & Ajzen, I. (1975). Belief, attitude, intention and behavior: and introduction to theory and research.
Addison-Wesley Pub. Co. Fornell, C. & Bookstein, F. (1982). Two Structural Equation Models: Lisrel and PLS Applied to Consumer Exit- Voice Theory. JMR Journal of Marketing Research Vol. 19, p. 440
Franke, G. & Sarstedt, M. (2019). Heuristics versus statistics inn discriminant validity testing: a comparison of four procedures. Internet Research. https://doi.orhg/10.1108/IntkR-12-2017-0515
Gefen, D. & Straub, D. (2005). A Practical Guide to Factorial Validity Using PLS-Graph: Tutorial and Annotated Example. Communications of the Association for Information Systems, p.16. https://doi.org/10.17705/1CAIS.01605
Geisser, S. (1974). A predictive approach to the random effects model, Biometrika, Vol. 61 No. 1, pp. 101-107
Hair, J. F., Celsi, M., Money, A.H., Samouel, P. & Page, M. J. (2011). Essentials of business research methods. Armonk, NY:
Sharpe. Hair, J.F., Hult, G.T.M., Ringle, C.M. & Sarstedt, M. (2017). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), Sage, Thousand Oaks,
CA. Hair, J.F., Risher, J.J., Sarstedt, M. & Ringle, C.M. (2019). When to use and how to report the results of PLS-SEM, European Business Review, Vol. 31 No. 1, pp. 2-24. https://doi.org/10.1108/EBR-11-2018-0203
Hair, J., Hult, G., Ringle, C., Sarstedt, M., Castillo, J., & Cepeda Carrión, G. &. (2019). Manual de Partial Least Equation Modeling (PLS-SEM) (Segunda ed.). Barcelona, España: SAGE Publications.(PLS-SEM) (Segunda ed.). Barcelona, España:
SAGE Publications. Henseler, J., Hubona, G. & Ray, P.A. (2016). Using PLS path modeling in new technology research: updated guidelines, Industrial Management & Data Systems, Vol. 116 No. 1, pp. 2-20, available at: https://doi.org/10.1108/IMDS-09-2015-0382
Henseler, J. (2018). Partial least squares path modeling: Quo vadis? Quality & Quantity, Vol. 52 No. 1, pp. 1-8, available at: https://doi.org/10.1007/s11135-018-0689-6
Hernández, J., Gallarzo, M., & Espinoza, J. (2011). Desarrollo Organizacional. Enfoque latinoamericano (Primera ed.). México:
PEARSON EDUCACIÓN. Hernández, R., Fernández Collado, C., & Baptista Lucio, M. D. (2010). Metodología de la investigación (Quinta ed.). Perú:
Mc. Graw Hill. Kerlinger, F. N. (1997).
Investigación del comportamiento. Mc Graw-Hill. Khan, R.S.; Grigor, J. V.; Win, A.G.; Boland, M. (2014). Differentiating aspects of product innovation processes in the food industry, British Food Journal, Vol.116 No. 8 pp.1346-1368
Khan, G.; Sarstedt, M.; Shiau, W.; Hair, J.; Ringle, C. & Fritze, M. (2019). Methodological research on PLS-SEM: An analysis based on social network approaches. Internet Research, 29(3), pp. 407-429. doi:https://doi.org/10.1108/IntR-12-2017-0509
Latan, H., & Noonan, R. (2017). Partial Least Squares Path Modeling. Basic concepts, methodological issues and applications. Switzerland: Springer International Publishing
AG Prahalad & Hamel (1995). Compitiendo por el futuro. Los 14 procesos clave.
Reinartz, W.J.; Haenlein, M. & Henseler, J. (2009). An empirical comparison of the efficacy of covariance-based and variance-based SEM, International Journal of Research in Marketing, Vol. 26 No. 4, pp. 332-344.
Rigdon, E. E. (2012). Rethinking partial least squares path modeling: In praise of simple methods. Long Range Planning, 45, pp. 341–358. https://doi.org/10.1016/j.lrp.2012.09. 010.
Rigdon, E.E. (2016). Choosing PLS path modeling as analytical method in European management research: a realist perspective, European Management Journal, Vol. 34 No. 6, pp. 598-605, available at: https://doi.org/10.1016/j.emj.2016.05.006
Rigdon, E.E., Sarstedt, M. & Ringle, C.M. (2017). On comparing results from CB-SEM and PLS-SEM: five perspectives and five recommendations, Marketing ZFP, Vol. 39 No. 3, pp. 4-16, available at: https:// doi.org/10.15358/0344-1369-2017-3-4
Rigdon, E. E., Sarstedt, M., & Becker, J.M. (2020). Quantify uncertainty in behavioral research. Nature Human Behavior, 4, pp. 329–331. https://doi.org/10.1038/s41562- 019-0806-0.
Ringle, C.M., Wende, S. & Becker, J.M. (2015). SmartPLS 3. Boenningstedt: SmartPLS GmbH, http://www.smartpls.com Ringle, C.M. (10-12 september 2020). Partial Least Squares Structural Equation Modeling (PLS-SEM) using
SmartPLS. Computational Data Analysis and Numerical Methods VII WCDANM, Portugal. Roldán, J.L. y Sánchez-Franco, M.J. (2012). Variance-based structural equation modeling: Guidelines for using partial least squares in information systems research. In M. Mora, O. Gelman, A. L. Steenkamp & M. Raisinghani (Eds.), Research methodologies, innovations, and philosophies in software systems engineering and information systems, pp. 193-221. Hershey, PA: IGI Global p. 204
Roldán, J. L., Real, J. C., & Sánchez Ceballos, S. (2018). Antecedents and consequences of knowledge management performance: The role of IT infrastructure. Intangible Capital, 14, pp. 518–535. https://doi.org/10.3926/ic.1074. Roldán, J., & Cepeda, G. (April 2020). Seminario PLS-SEM online. Quinta. (U. d. Sevilla, Ed.) Sevilla, España:
Departamento de Administración de Empresas y Marketing. Stone, M. (1974). Cross-validatory choice and assessment of statistical predictions, Journal of the Royal Statistical Society, Vol. 36 No. 2, pp. 111-147.
Sarstedt, C.M.; Ringle, J.; Henseler, J.F.; & Hair, J.F. (2014). On the emancipation of PLS-SEM: A commentary on Rigdon (2012) Long Range Planning, 47 (3) pp.154-160
Shmueli, G. and Koppius, O.R. (2011). Predictive analytics in information systems research, MIS Quarterly, Vol. 35 No. 3, pp. 553-572.
Shmueli, G.; Ray, S.; Velasquez, J.M. & Shatla, S.B. (2016). The elephant in the room: evaluating the predictive performance of PLS models. Journal of Business Research, Vol. 69 No. 10, pp. 4552-4564.
Shmueli, G.; Sarstedt, M.; Hair, J.F.; Cheah, J.H.; Ting, H.; Vaithilingam, S. & Ringle, C.M. (2019). Predictive model
Williams, L.J.; Vandenberg, R.J. & Edwards, J.R. (2009). Structural equation modeling in management research: a guide for improved analysis. The Academy of Management Annals, Vol. 3, No. 1, pp. 543-604. https://doi.org/10.1080/19416520903065683
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los contenidos publicados por la Revista Nicolaita de Estudios Económicos se difunden en acceso abierto bajo la licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0).
Esta licencia permite copiar, descargar, compartir y distribuir los contenidos con fines no comerciales, siempre que se reconozca adecuadamente la autoría, se cite la fuente original de publicación y no se modifique, transforme ni genere obra derivada a partir del material publicado. Las personas autoras conservan los derechos morales y patrimoniales sobre sus obras y autorizan a la revista, de manera no exclusiva, gratuita y sin fines comerciales, a publicar, preservar, indizar y difundir sus trabajos en formato impreso y digital.
