RamónÁlvarez-Vaz[]ElenaVernazzaMañ[]MargaritaRoldós[]MaurodelaVega
Discusión
Los resultados del relevamiento realizado ponen de manifiesto aspectos característicos de la administración financiera de empresas de menor tamaño relativo y que desarrollan sus negocios en el marco de economías emergentes, que son señalados por diversos autores y sobre los cuales se aprecia coincidencia.
Con respecto a la caracterización de los grupos
- Grupo 1 con un total de (n=45) empresas que se caracterizan por los siguiente: por un lado son las empresas que menos usan cualquiera de la HF y a la vez su comportamiento es que si usan algunas de éstas son mayoritariamente las de Indicadores financieros
- Grupo 2 con menos empresas (n=14), que se caracteriza por tener empresas que hacen mas uso de las HF, donde los proyectos de inversión son las HF mas usadas.
- Grupo 3 minoritario, con apenas 8 empresas, las que se distinguen por usar el PR toda ellas y el AS, mientras que las restantes HF son dejadas de lado.
- Grupo 4 que casi representa la tercera parte del total de empresas, las que usan intensamente la HF de ambos tipos, con proporciones cercanas al doble del valor total
Como todo problema de clustering, este no escapa a la situación donde no se sabe exactamente el número de clusters, sino mas bien aproximaciones a un nuúmero óptimo. Teniendo en cuenta a su vez que para el caso de la metodología que se usa el algoritmo k-modes ( homónimo del k-means ), no es de extrañar que los individuos una vez clasificados en los clusters muestren perfiles que se alejan de los centroides de los grupos (que son los perfiles modales) a pesar de estar más cerca de estos que si estuviesen en otros clusters. Esta situación puede mejorarse extendiendo el método a un método mixto mediante un proceso de difusión donde cada individuo puede extenderse a otros clusters con diferentes grados de membresía, donde cada individuo pertenece a más de un cluster con diferentes grados de participación, partiendo previamente de una clasificación previa, que en este caso es el algoritmo k-modes . Es importante advertir que el fenómeno de difusión que podría darse en los clusters creados con el algoritmo k-means puede verse acrecentada por la propia naturaleza de las variable binarias donde la variabilidad intracluster que surge al aplicar el algoritmo k-means está mucho más discretizada.