Diseño de instrumento de medición para analizar los factores que influyen en la productividad del sector automotriz de México

Loraine Gastell Piloto; Lourdes Fabiola  Espinoza Parada; Jesús Gerardo Cruz Álvarez

doi:10.29105/vtga7.2-58

Autores/as

Loraine Gastell Piloto Universidad Autónoma de Nuevo León
Lourdes Fabiola Espinoza Parada Universidad Autónoma de Nuevo León
Jesús Gerardo Cruz Álvarez Universidad Autónoma de Nuevo León

DOI:

https://doi.org/10.29105/vtga7.2-58

Palabras clave:

Productividad, Factores, Industria

Resumen

En la actualidad las organizaciones se enfrentan con el reto de promover la mejora de la productividad entre los empleados. Por lo tanto, la productividad juega un papel crucial en la competitividad de la organización. La productividad de las industrias automotrices en México ha sido muy variable a lo largo de los años. Del año 2005 al año 2009, la misma comenzó a descender considerablemente. Probablemente las industrias del sector tomaron medidas, y en el período transcurrido desde el año al 2009 comenzó a incrementarse año tras año. No obstante, en el año 2016 la misma volvió a disminuir, lo cual evidencia una inestabilidad en la productividad de las empresas automotrices. El objetivo de esta investigación es diseñar un instrumento de medición para el análisis de los factores determinantes para la variación de la productividad en el sector automotriz de México.

Descargas

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Citas

Abad, F. J., Olea, J., Ponsoda, V., & García, C. (2011). Measurement in Social and Educational Sciences.

Aghion, P. (2016). Competitiveness and growth policy design. Moving to the Innovation Frontier, 5.

Amodio, F., & Martinez-Carrasco, M. A. (2018). Input Allocation, Workforce Management, and Productivity Spillovers: Evidence from Personnel Data. The Review of Economic Studies, 85(4), 1937–1970. DOI: https://doi.org/10.1093/restud/rdy010

Anguita, J. C., Labrador, J. R., & Campos, J. D. (2003). La encuesta como tecnica de investigacion. Atención Primaria, 31 (8)(I), 527–538. DOI: https://doi.org/10.1016/S0212-6567(03)70728-8

Arcidiacono, P., Kinsler, J., & Price, J. (2017). Team, Productivity Spillovers in From, Production: Evidence Basketball, Professional. Journal of Labor Economics, 37(1), 191–225. DOI: https://doi.org/10.1086/687529

Bartz‑Zuccala, P., Mohnen, H., & Schweiger, W. (2018). The Role of Innovation and Management Practices in Determining Firm Productivity. Comparative Economic Studies. DOI: https://doi.org/10.1057/s41294-018-0075-3

Bloom, N., Brynjolfsson, E., Foster, L., Jarmin, R. S., Patnaik, M., Saporta-Eksten, I., & Reenen, J. Van. (2017). What Drives Differences in Management? National Bureau of Economic Research, w23300. DOI: https://doi.org/10.3386/w23300

Bloom, N., Sadun, R., & Reenen, J. Van. (2016). Management as a Technology? National Bureau of Economic Research. DOI: https://doi.org/10.3386/w22327

Castellani, D., Piva, M., Schubert, T., & Vivarelli, M. (2016). R&D and Productivity in the US and the EU: Sectoral Specificities and Differences in the Crisis. Papers in Innovation Studies, 15.

Card, D., Cardoso, A. R., Heining, J., & Kline, P. (2018). Firms and labor market inequality: Evidence and some theory. Journal of Labor Economics, 36(S1), S13–S70.estimates. International Journal of Production Research, 40(12), 2705–2720. DOI: https://doi.org/10.1086/694153

Chyung, S. Y., Roberts, K., Swanson, I., & Hankinson, A. (2017). EVIDENCE-BASED SURVEY DESIGN: THE USE OF A MIDPOINT ON THE LIKERT SCALE. Performance Improvement, 56(10), 15–23. https://doi.org/10.1002/pfi DOI: https://doi.org/10.1002/pfi.21727

Crotte, I. R. R. (2011). Elementos Para El Diseño De Técnicas De Investigación: Una Propuesta De Definiciones Y Procedimientos En La Investigación Científica. Tiempo de Educar, 12(24), 277–297.

Dai, X., Sun, Z., & Liu, Ha. (2018). Decomposing the contribution of firm innovation to aggregate productivity growth: the case of the Chinese manufacturing industry. Applied Economics Letters, 26(7), 543–548. DOI: https://doi.org/10.1080/13504851.2018.1488038

Fazlıoğlu, B., Dalgıç, B., & Yereli, A. (2018). The effect of innovation on productivity: evidence from Turkish manufacturing firms. Industry and Innovation, 26(4), 439–460. DOI: https://doi.org/10.1080/13662716.2018.1440196

González, J., Vila, M., & Guisado, M. (2019). Exploring the complementarity between foreign technology, embedded technology, and increase of productive capacity. Technological and Economic Development of Economy, 25(1), 39–58. DOI: https://doi.org/10.3846/tede.2019.7600

Hernández, S. R., Baptista, L. P., & Fernández, C. C. (2014). Metodología de la Investigación. McGraw-Hill Interamericana, 533.

Khandker, V., & Thakurata, I. (2018). Factors encouraging complete adoption of agricultural technologies: The case of hybrid rice cultivation in India. Journal of Agribusiness in Developing and Emerging Economies, 8(2), 270–287. DOI: https://doi.org/10.1108/JADEE-05-2016-0037

Lee, C., & Leem, C. (2016). An empirical analysis of issues and trends in manufacturing productivity through a 30-year literature review. South African Journal of Industrial Engineering, 27(2), 147–159. DOI: https://doi.org/10.7166/27-2-1363

Lee, H., & Li, C. (2018). Supplier quality management: Investment, inspection, and incentives. Production and Operations Management, 27(2), 304–322. DOI: https://doi.org/10.1111/poms.12802

Long, F., Zeiler, P., & Bertsche, B. (2018). Realistic modeling of flexibility and dependence in production systems in Industry 4.0 for analyzing their productivity and availability. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability, 232(2), 174–184. DOI: https://doi.org/10.1177/1748006X17731938

Mendoza, J., & Garza, J. B. (2009). La medicion en el proceso de investigacion cientifica: Evaluacion de validez de contenido y confiabilidad. Innovaciones de Negocios, 6(1), 17–32. DOI: https://doi.org/10.29105/rinn6.11-2

Menzel, A. (2015). Organizational Learning: Experimental Evidence from Bangladeshi Garment Factories.

Nikoofal, M., & Gümüş, M. (2018). Quality at the source or at the end? Managing supplier quality under information asymmetry. Manufacturing & Service Operations Management, 20(3), 498–516. DOI: https://doi.org/10.1287/msom.2017.0652

OICA. (2021). International Organization of Motor Vehicle Manufacturers.

Prat, R. S., & Doval, E. D. (2003). Construcción y análisis de escalas. Analisis Multivariable Para Las Ciencias Sociales, 43–89.

Preenen, P., Vergeer, R., Kraan, K., & Dhondt, S. (2017). Labour productivity and innovation performance: The importance of internal labor flexibility practices. Economic and Industrial Democracy, 38(2), 271–293. DOI: https://doi.org/10.1177/0143831X15572836

Purdey, B. (2013). Occupant stimulus-response workplace productivity and the vexed question of measurement. Facilities, 31(11–12), 505–520. https://doi.org/10.1108/F-03-2012-0021 DOI: https://doi.org/10.1108/F-03-2012-0021