BARRERAS FINANCIERAS DE LAS EMPRESAS INNOVADORAS ESPAÑOLAS

September 8, 2020 | Author: José Luis Quintana Gutiérrez | Category: N/A
Share Embed Donate


Short Description

1 Working Paper # 2013/09 BARRERAS FINANCIERAS DE LAS EMPRESAS INNOVADORAS ESPAÑOLAS Financial barriers of the Sp...

Description

Working Paper # 2013/09

BARRERAS FINANCIERAS DE LAS EMPRESAS INNOVADORAS ESPAÑOLAS Financial barriers of the Spanish innovative firms Méndez-Morales, E.A.1 Septiembre de 2012

UAM-Accenture Working Papers ISSN: 2172-8143

Edited by: UAM-Accenture Chair on the Economics and Management of Innovation, Autonomous University of Madrid, Faculty of Economics Editado por: Cátedra UAM-Accenture en Economía y Gestión de la Innovación E-mail: [email protected] URL: http://www.uam.es/docencia/degin/catedra/

1

Candidato a Ph.D por la Universidad Autónoma de Madrid. [email protected]

Palabras Clave: Innovación, barreras financieras, abandono, PITEC, Community innovation Survey Key Words: Innovation, financial barriers, abandonment, PITEC, Community innovation Survey. ABSTRACT Innovation investment faces high restrictions when looking for funding; market imperfections and innovation projects special needs creates barriers for companies to achieve the necessary funds for their R&D projects. Among the characteristics of those barriers and financial constraints, one can find that small and young firms in high technology industries faces higher barriers than bigger and oldest firms in other type of industries. Methodologies founded in literature to research innovation financial barriers are divided into two groups; the first one measures the cash flow sensibility against the investment in R&D, however, to apply this methodology is mandatory to have financial and innovation activities data at the firm level, but this data is not easy to obtain especially for SMEs. The second type of methodology uses perception data about financial barriers trying to relate, those barriers with control variables such size, age and firm industry. The results of these studies shown that lack of funding and innovation elevated costs are the most common problem faced by innovative firms and that those barriers are likely in small, young companies in high technology industries. For this research data from 2004 to 2009 of the Panel de Innovación Tecnológica has been used, in order to corroborate by Probit models if financial barriers are the most significant obstacles for innovative projects in SMEs in Spain, and if along with size, variables such as age, industry, technology intensity, been part of a business group and public support are important in determining the financial barriers for SMEs in Spain. This research presents two contributions to the state prior research; is the first research about the financial barriers for innovative SMEs in Spain, and is the first research using stable data in time to study this type of issues. The body of this research will be divided as follows: I first present the theoretical aspects related to market failures and innovation financial barriers; then the objectives and hypothesis for the research. In the next section I will present the methodology, a brief overview of probit models used in this research and the expected results of these models and finally I will present the results and their discussion. Finally I am going to close the research with its limitations and conclusions. INTRODUCCIÓN La inversión en innovación enfrenta altas restricciones al momento de su financiación; las imperfecciones del mercado y las características particulares de cada proyecto de innovación crean barreras para que las empresas consigan obtener los fondos necesarios para sus proyectos de I+D. Dentro de las características que tienen estas barreras o restricciones financieras se encuentra que las pequeñas y jóvenes empresas de sectores de alta tecnología se enfrentan a mayores restricciones que empresas más grandes, con mayor antigüedad y en otros sectores de actividad.

Las metodologías encontradas en la literatura para estudiar las barreras financieras a la innovación se dividen en dos grandes grupos, la primera mide la sensibilidad de la inversión de la I+D al flujo de caja de la empresa para determinar si ésta se encuentra restringida financieramente, sin embargo, para poder aplicar esta metodología es necesario poseer datos de resultados de innovación y de variables financieras que no son fáciles de obtener para un gran número de empresas, especialmente PYMES. El segundo tipo de metodología utiliza datos de percepción sobre las barreras financieras para tratar de relacionar las barreras financieras con variables de control como tamaño, antigüedad o sector de la empresa. Los resultados de estos estudios muestran que la falta de fondos y el alto costo de la innovación es el problema que más comúnmente enfrentan las empresas innovadoras y que dichas barreras son más probables en pequeñas y jóvenes empresas innovadoras de sectores de alta tecnología. Para esta investigación se utilizaron datos entre 2004 y 2009 del Panel de Innovación Tecnológica (PITEC), para corroborar mediante modelos Probit si las barreras financieras son los impedimentos más importantes para las pequeñas empresas españolas cuando de proyectos de innovación se trata, y si junto con el tamaño, variables como la antigüedad, el sector, la intensidad tecnológica, la pertenencia a un grupo empresarial y las ayudas públicas son importantes para determinar las barreras financieras la innovación de las PYMES españolas. Este trabajo plantea dos aportaciones al estado del arte previo, por un lado será el primer estudio directo de las barreras financieras para empresas españolas y por otro será el primer trabajo que utilizará datos estables en el tiempo para estudiar este tipo de variables. El resto de esta investigación mostrará en primer lugar los aspectos teóricos relacionados con las fallas de los mercados y las barreras financieras a la innovación, luego se presentarán los objetivos e hipótesis de la misma. En la siguiente sección se presentará la metodología, una breve reseña de los modelos probit utilizados y los resultados esperados y por último se presentarán los resultados y su discusión así como las conclusiones y limitaciones de la investigación. El cuerpo de esta investigación se dividirá así: en primer lugar se presentarán los aspectos teóricos relacionados con las fallas de los mercados y las barreras financieras a la innovación, luego se presentarán los objetivos e hipótesis de la misma. En la siguiente sección se presentará la metodología, una breve reseña de los modelos probit utilizados y los resultados esperados. Por último se presentarán los resultados y su discusión así como las conclusiones y limitaciones de la investigación.

ASPECTOS TEÓRICOS Fallas del mercado Las inversiones en I+D e innovación encuentran altas barreras financieras en la medida en que existen fallas en los mercados que hacen que este tipo de inversiones sean más riesgosas que las inversiones en activos fijos. La hipótesis de Modigliani-Miller (1958, citado en Hall 2010), supone que las empresas al momento de realizar una inversión, son indiferentes a la fuente de financiamiento y que la tasa marginal de retorno de las 3

diferentes fuentes de financiación debe ser la misma. Tal hipótesis sugiere que los costos de financiación de una empresa no deberían depender de su fuente y que por tanto una empresa sería indiferente entre invertir sus fondos, pedir préstamos del sistema bancario o recibir fondos de los inversionistas para un proyecto de innovación. Dicha hipótesis ha sido cuestionada arduamente y trabajos como el de Myers (1984, citado en Giudicci y Paleari 2004) muestran que las empresas, especialmente las pequeñas dependiendo de la fase del proyecto de innovación en que se encuentren, se enfrentarán a diferentes costos de financiación, de tal manera, entre más temprana sea la fase de innovación, mayor es el riesgo asumido por los inversionistas y por tanto mayor es el costo de capital que enfrentarán las empresas, lo anterior sugiere que las empresas deberían presentar mayores restricciones de capital en las fases iniciales de sus proyectos de innovación o lo que es lo mismo, que las empresas jóvenes deberían presentar mayores restricciones financieras que las empresas con mayor trayectoria en el mercado. En la literatura se identifican algunas fallas de mercado por las cuales los costos de financiación de los proyectos de innovación son más altos que para otro tipo de proyectos, estas fallas son la asimetría de información, el riesgo moral (Hall 2010) y la dificultad de apropiarse de los beneficios de los proyectos de innovación (Czarnitzki 2002). El problema de la asimetría de información se refiere fundamentalmente a que los empresarios poseen mayor información sobre la probabilidad de éxito de sus proyectos de innovación de la que tienen los posibles inversionistas externos. Dado que los empresarios no están dispuestos a revelar suficiente información sobre sus proyectos de I+D ya que dicha información es estratégica, los posibles inversionistas no están en capacidad de distinguir los proyectos que tienen mayor riesgo, por lo tanto, la prima de riesgo que necesitan cobrar dichos inversionistas será mayor para un proyecto de innovación que para un proyecto de otro tipo (Hall 2010). Los problemas de riesgo moral surgen entre los innovadores y los posibles inversionistas cuando los primeros, que poseen información más precisa sobre el posible éxito de sus proyectos no están en capacidad de revelar la información necesaria para que los inversionistas tomen una decisión minimizando el grado de incertidumbre; de tal manera, los inversionistas podrían terminar financiando proyectos que no habrían financiado de poseer información adicional. De igual manera, dado el nivel de novedad de algunos proyectos, especialmente cuando se trata de innovaciones radicales, es difícil que los inversionistas puedan controlar las acciones de los innovadores dada la falta de expertos externos que puedan asesorar a los inversionistas en el control del proyecto; esto junto con la inexistencia de datos históricos que permitan determinar el nivel de riesgo asociado a una nueva tecnología, incrementa la incertidumbre de dichas inversiones. Este nivel de incertidumbre está relacionado a su vez con los problemas de selección adversa, es decir, la inversión en proyectos de innovación que no son los de mayor rentabilidad. Dado el alto costo de obtención de información sobre la calidad real de los proyectos de innovación, los posibles inversionistas se ven motivados a incrementar el precio de los fondos necesarios para financiarlos, desalentando a aquellos agentes que ven que sus retornos variarían en demasía, sin embargo, es posible que algunos de los mejores proyectos se eliminen de esta manera por lo que el inversionista se queda con proyectos de calidad baja.

Por otro lado se espera que el desarrollo de proyectos de innovación genere retornos positivos para la sociedad. Sin importar si privadamente los proyectos son o no exitosos, se supone que los resultados del mismo generarán externalidades positivas que beneficiarán a la sociedad en su conjunto (Czarnitzki 2002), sin embargo, los inversionistas sólo pueden apropiarse de los beneficios privados de sus proyectos, por lo que éstos estarán dispuestos a financiar únicamente aquellos proyectos que demuestren tasas de retorno positivas, sin embargo, la gran mayoría de proyectos de I+D dada su incertidumbre no pueden demostrar que pueden cubrir la prima de riesgo frente a los proyectos de inversión en capital físico. Este diferencial de costos entre los proyectos de innovación y las inversiones tradicionales hace que el nivel de proyectos de innovación de una economía esté por debajo de su nivel óptimo social (Czarnitzki 2002). Según Bond (1998, citado en Czarnitzki 2002), la I+D+i tiene mayores costos financieros que otro tipo de inversión debido principalmente a que existe una alta proporción de costos hundidos como son la contratación de personal altamente calificado, costos de entrenamiento, costos de despido y costos de control a personal con conocimientos de punta, que hacen que este tipo de proyectos necesiten altos niveles de flujo de caja para pagar el personal de I+D. Igualmente este tipo de proyectos necesita altos niveles de inversión para la compra de equipos especializados que en caso de impago no cuentan con alta demanda en el mercado para recuperar parte de la inversión. Por estas razones la inversión en nuevas instalaciones de I+D tiene mayores restricciones financieras que las inversiones en activo fijo, dado que las inversiones iniciales, costos de obsolescencia de los equipos y costo hundidos son superiores en las inversiones de I+D. Lo anterior sugiere que las empresas con mayores restricciones financieras deben verse afectadas de mayor manera en el inicio de sus proyectos que durante la realización de los mismos. De igual manera, Hall (2010) remarca la existencia de evidencias basadas en teorías, encuestas y estimaciones empíricas que muestran que las pequeñas y jóvenes empresas de industrias intensivas en I+D se enfrentan a un costo de capital más alto que sus competidores mas grandes o que las empresas de otros sectores. Como conclusión, las asimetrías de información, los problemas de riesgo moral, la imposibilidad de apropiación privada de los retornos de los proyectos y la alta inversión en activos intangibles que no tienen colaterales, hacen que las inversiones en I+D+i, presenten mayores costos de capital debido al riesgo asociado a los mismos, esto hace que existan mayores restricciones de financiación en los proyectos de este tipo que en las inversiones de capital tradicional; estas restricciones son más severas para las jóvenes y pequeñas empresas de sectores de alta tecnología. Las barreras financieras en los proyectos de innovación Las fallas del mercado descritas en los pasajes anteriores, crean barreras para las empresas que necesitan financiación para sus proyectos de innovación, dichas barreras financieras se han investigado arduamente en los últimos años y las pesquisas sobre el tema generalmente presentan dos tipos de enfoque que varían en la fuente de datos y por tanto la metodología con la que se intenta demostrar dichas barreras, estas son el enfoque de la Sensibilidad de las Inversiones al Flujo de Caja (Investment Cash Flow Sensibility, ICFS ) y el enfoque desde las encuestas directas a las empresas. 5

El enfoque de la ICFS supone que una empresa que invierte una mayor proporción de recursos cuando su flujo de caja se hace más grande, se encuentra en presencia de restricciones financieras, ya que si esta empresa no tuviese restricciones, su inversión en I+D no sería sensible a su propio flujo de caja en la medida en que puede encontrar financiación externa para sus proyectos de innovación. El enfoque de ICFS fue planteado por Fazzari y Petersen (1993) para explicar las restricciones financieras para la inversión en activos fijos, pero ha sido utilizado para estudiar restricciones financieras para las inversiones en innovación utilizando principalmente compañías listadas en bolsa o bases de datos con variables financieras combinadas con algunas variables de innovación como gasto en I+D. Sin embargo, encontrar información para probar la hipótesis de la ICFS no es fácil, ya que requiere tener datos sobre los resultados financieros de las empresas y además datos sobre su desempeño innovador. Investigaciones como las de Cincera (2002) y Bougheas et al. (2001) utilizan este tipo de información mixta, lo cual no siempre es posible, especialmente para pequeñas empresas. Cincera (2002) encuentra que las grandes empresas, que cotizan en bolsa y que son subsidiarias de multinacionales parecen tener menores restricciones financieras que otro tipo de empresas y Bougheas et al. (2001) utilizando datos de empresas Irlandesas encuentra que las inversiones en I+D son financiadas con fondos propios y no con deuda, por lo que se puede decir que la I+D está restringida financieramente. El enfoque de ICFS ha sido criticado por Kaplan y Zingales (1997, citado en Czarnitzki 2002), quienes dudan de la utilidad del ICFS para determinar restricciones financieras. De igual manera, en la investigación de Savignac (2007) se hace referencia a las investigaciones de Kaplan y Zingales (1997) y se concluye que el enfoque de ICFS no es el más adecuado para estudiar las restricciones financieras, especialmente para las inversiones en I+D. Dadas las dificultades para la obtención de información para pequeñas empresas y las críticas que se tienen sobre esta metodología, se descartó el uso de la misma para responder las preguntas de investigación sobre las pequeñas empresas españolas. Por otro lado, el segundo enfoque para estudiar las barreras financieras es utilizar encuestas en donde se les pregunta a las empresas si creen que han sufrido restricciones financieras al momento de realizar sus inversiones en innovación. Este enfoque ha sido favorecido en la medida en que las encuestas de innovación en gran parte de los países de la OCDE, entregan datos a nivel de empresa con los que es posible probar una gran cantidad de hipótesis no sólo sobre las restricciones financieras sino sobre un gran número de factores relacionados con el ámbito de la innovación. Para este trabajo se dará relevancia a aquellas investigaciones en donde se han trabajado las barreras a la innovación del tipo financiero y no financiero por medio de encuestas de percepción a las empresas. Arundel (1997) estudia las barreras a la innovación2 de empresas canadienses mediante datos de la SIAT (Survey of Innovation and Advanced Technology) para 1990-1992 y encuentra que las empresas innovadoras perciben mayores barreras a la innovación que las empresas no innovadoras; el autor atribuye este resultado a un efecto de aprendizaje

2

Entre las barreras a la innovación generalmente incluidas en las encuestas están las barreras relacionadas con el ámbito financiero como altos costos de la innovación o falta de financiación externa; factores de conocimiento como falta de personal calificado o dificultades de cooperación y factores de mercado como alta dominación por parte de los competidores o demasiada incertidumbre en el mercado.

en donde las empresas que no innovan no se han enfrentado a barreras a la innovación mientras que las empresas innovadoras conocen el proceso más a fondo y por lo tanto perciben mayores barreras. Arundel encuentra también que las empresas de sectores con mayor desarrollo tecnológico perciben mayores barreras que empresas en otros sectores y que los altos costos de la innovación y la falta de financiación son los mayores problemas de las empresas al momento de innovar. En la misma línea de Arundel, Baldwin y Lin (2001) utilizan datos de la SIAT para 1993 y utilizando modelos LOGIT y PROBIT encuentran que las barreras a la innovación son más frecuentes para las empresas usuarias de alta tecnología y para las empresas innovadoras, y que las barreras financieras y de costos son las más frecuentemente reportadas por las empresas; de igual manera encuentran que la antigüedad de las empresas tiene una relación inversa con las barreras a la innovación. Galia y Legros (2004) en un estudio para empresas francesas buscan determinar cuáles son las principales barreras a la innovación, para esto subdividen las empresas por variables de control tales como tamaño, sector e intensidad tecnológica y corroboran el grado de complementariedad entre las distintas barreras a la innovación; utilizando un modelo PROBIT encuentran que al igual que en las investigaciones de Arundel (1997), y Baldwin y Lin (2001), las empresas innovadoras perciben mayores barreras que las empresas no innovadoras, que el abandono de proyectos de innovación es más común en sectores de alta tecnología y en empresas que no son subsidiarias de multinacionales, así mismo encuentran que las empresas que abandonan proyectos de innovación suelen estar más influenciadas por barreras económicas y financieras que por barreras tecnológicas y organizacionales. Por su parte Iammarino et.al (2007), trabajando con datos de la Community Innovation Survey (CIS) para Italia entre 1998-2000, encuentra que la localización y el tipo de propiedad de las empresas (subsidiaria o no) parece tener una relación con la percepción de las barreras a la innovación y que la falta de recursos financieros emerge como la barrera más grave para las empresas, en este caso para las innovadoras por encima de las no innovadoras. Se estima que este resultado es causado por la misma curva de aprendizaje descrita en Arundel (1997) y Baldwin y Lin (2001). En una investigación para empresas portuguesas utilizando modelos LOGIT con datos del CIS 1995-1997, Silva (2007) encuentra que las barreras financieras son el mayor impedimento para las empresas al momento de emprender proyectos de innovación, y Shiang et.al (2007) encuentra que las empresas malayas reportan en mayor proporción los obstáculos financieros y de costos y que existen dos grandes grupos de barreras, las económicas y las no económicas, siendo el primer grupo más importante en las pequeñas empresas. Algunos autores han estudiado las barreras a la innovación en España, por ejemplo Segarra et al (2007) estudia esta temática utilizando datos de la Encuesta Nacional de Innovación para Cataluña por medio de modelos LOGIT, encontrando que las pequeñas empresas innovadoras en sectores de alta tecnología presentan mayores barreras a la innovación y que el acceso a financiación es uno de los principales factores determinantes de las actividades innovadoras empresariales. Madrid et al (2009) utiliza encuestas a PYMES para la región de Murcia y por medio de un modelo CLAD (Censored Least Absolute Deviations Estimator) encuentra que las barreras financieras y de costos son las que mayor impacto tienen en las empresas y que estas barreras a su vez tienen un mayor impacto en las empresas pequeñas. García et al (2010) trabaja con los datos del PITEC (Panel de Innovación Tecnológica) para 2007 y utilizando un modelo PROBIT encuentra que las pequeñas y medianas empresas consideran que la 7

falta de financiación es una de las principales barreras que obstaculizan la innovación, sin embargo, no son la principal causa para que las empresas abandonen proyectos de I+D. Otros autores han estudiado directamente las barreras financieras a la innovación por medio de encuestas de percepción a las empresas. Czarnitzki (2002) utiliza un modelo LOGIT en el que los datos provienen tanto de encuestas de innovación como de bases de datos de crédito y resultados financieros de empresas alemanas. Concluye que las empresas de Alemania occidental al no tener un flujo constante de subsidios gubernamentales para la innovación, son sensibles a la falta de fondos internos y externos, mientras que las empresas de Alemania oriental dada la gran cantidad de subsidios otorgados presentan menores restricciones financieras externas que sus contrapartes occidentales, por lo que considera que los subsidios gubernamentales son un sustituto de la financiación tradicional para I+D. Giudici y Paleari (2004) estudian las barreras financieras para las pequeñas empresas de alta tecnología en Italia mediante encuestas directas a las empresas utilizando un modelo PROBIT y concluyen que las empresas más jóvenes suelen financiarse con recursos de sus socios en la medida en que el riesgo de tomar préstamos es muy alto y no existe un mercado bancario eficiente que les permita hacerlo. Cuando las empresas maduran y adquieren activos tangibles, estas pueden proveerse de capital externo pero aun así el sector bancario falla en determinar adecuadamente los riesgos asociados a sus proyectos de innovación; encuentran además que entre más pequeñas son las empresas, mayor es la propensión a quejarse de la falta de capacidad de los bancos para juzgar sus posibilidades de crecimiento y que el tamaño de la empresa y su antigüedad están relacionados negativamente con las barreras financieras, es decir que entre más pequeña y joven es una empresa, la probabilidad de enfrentar mayores barreras financieras se incrementa. Por su parte Savignac (2007) estudia las empresas francesas mediante datos de encuestas de financiación a la innovación y concluye mediante un modelo PROBIT que las empresas innovadoras tienen una mayor percepción de enfrentar barreras financieras, igualmente concluye que existe una relación inversa entre la profundidad de las barreras financieras y la capacidad innovadora de las empresas y que las compañías pertenecientes a un grupo empresarial tienen una menor probabilidad de presentar barreras financieras, sin embargo, encuentra que el tamaño no es significativo para determinar las barreras; para Savignac las restricciones financieras no tienen un impacto en la decisión de abandonar un proyecto de innovación en marcha, pero estas barreras hacen que las empresas abandonen sus proyectos en la fase de gestación. Mohnen et al. (2008) estudia las barreras financieras de las empresas holandesas entre 2000 y 2002 por medio de la CIS y utilizando un modelo PROBIT encuentra al igual que Saviganac (2007) que las restricciones financieras tienen una relación directa y significativa en las probabilidades de detener prematuramente, ralentizar, y no iniciar un proyecto, pero no son significativas al momento de abandonar un proyecto y encuentra que las barreras no financieras son relevantes solamente cuando las empresas presentan barreras financieras. Mancusi y Vezzulli (2010) utilizan datos de encuestas para empresas italianas e igualmente encuentran que las restricciones financieras apuntan a ejercer una mayor presión para no iniciar proyectos de innovación que para reducir las inversiones en proyectos en marcha y que dichas restricciones son superiores para las pequeñas y jóvenes empresas.

Los estudios sobre barreras a la innovación y restricciones financieras a la innovación, muestran que la falta de fondos y el alto costo de la innovación son los problemas que más comúnmente enfrentan las empresas innovadoras y que dichas barreras son más probables en pequeñas y jóvenes empresas innovadoras de sectores de alta tecnología que no pertenecen a un grupo empresarial. De igual manera puede concluirse de estos estudios que las barreras financieras son un impedimento para el inicio de los proyectos de innovación pero que tienen una menor influencia sobre los proyectos en marcha y que los subsidios gubernamentales son fundamentales para disminuir el impacto de las barreras financieras. OBJETIVOS DE LA INVESTIGACIÓN Con esta investigación se pretende corroborar los resultados de investigaciones mostradas en el apartado de aspectos teóricos mediante el estudio de la Encuesta Nacional de Innovación entre 2003 y 2009. Para esto se plantean los siguientes objetivos específicos:  

Determinar la importancia de las barreras financieras a la innovación frente a otras barreras percibidas por las empresas españolas como causa de abandono de los proyectos de innovación en etapa temprana. Establecer qué tipo de relación existe entre el tamaño de las empresas españolas y sus barreras de financiación percibidas al momento de innovar.

HIPÓTESIS Las hipótesis a contrastar por medio de análisis econométricos en esta investigación son:  Las barreras financieras son la principal causa para que las pequeñas empresas españolas abandonen sus proyectos de innovación en la fase de concepción.  Existe una relación inversa entre el tamaño de las empresas y las barreras financieras para la innovación. METODOLOGÍA Y RESULTADOS ESPERADOS Las preguntas de investigación contrastadas en este trabajo son las siguientes: i) ¿Las barreras financieras influyen en que las empresas abandonen proyectos de innovación en su etapa inicial? ¿Esta influencia es superior en las empresas grandes o pequeñas?, y ii) como se plantea en la revisión de la literatura, ¿el tamaño de las empresas es un factor crítico para determinar si existen o no barreras financieras? Para responder a las preguntas de investigación planteadas se utilizaron los datos de la Encuesta Nacional de Innovación reunidos en el Panel de Innovación Tecnológica (PITEC) entre los años 2004-2009. Esta base de datos entrega un panel de información desde 2003 y hasta 2009 con datos anonimizados de empresas españolas a las cuales se les ha realizado la encuesta de innovación tecnológica. La base de datos de PITEC presenta una característica particular y es que es posible identificar un gran número de empresas estables en todas las muestras, es decir, empresas que han respondido a la encuesta en todos los años, por lo que el primer paso para realizar este estudio fue identificar dichas empresas para trabajar con una base estable entre los años de 2003 y 2009; el total de empresas seleccionadas fue de 5.789 para cada año. La razón por la 9

cual se utilizarán datos a partir de 2004 es que las respuestas de la encuesta para las preguntas sobre estas barreras a la innovación no están disponibles para el año 2003. Dentro de los datos de PITEC existe un grupo de respuestas que brindaron las empresas que son de interés para responder a las preguntas de investigación planteadas, por un lado se les preguntó a las empresas si en los últimos dos años han abandonado un proyecto de innovación en su fase inicial. De igual manera se les preguntó si factores como la falta de fondos, los altos costos de la innovación o la falta de financiación de fuentes exteriores, dificultaron sus actividades o proyectos de innovación y en qué grado. También se incluyen otras preguntas sobre dificultades al momento de innovar como los factores de conocimiento (falta de personal cualificado), factores de mercado como la incertidumbre y de competencia y las razones para no innovar; las respuestas para todas estas preguntas también permiten a las empresas determinar el grado de importancia del efecto en sus proyectos y actividades. La manera en que se incluyó el efecto tiempo en la investigación, es mediante la regresión de los modelos para todos los años de la muestra. Dichos modelos son perfectamente comparables en la medida que las empresas incluidas en cada una de las muestras anuales son las mismas.3 Modelos Probit Dadas las características de los datos, es decir, las respuestas a las preguntas de interés en forma binaria o cualitativa, el análisis de datos se realizó mediante modelos Probit, ya que éstos son los indicados por la literatura (Liao, 1994; Borooah, 2003; Aldrich y Nelson, 1984; Greene 1999) para estimar la relación estadística entre una variable dependiente que admite solamente respuestas cualitativas y un conjunto de variables explicativas que bien pueden ser continuas o comprender también datos de tipo cualitativo. La razón para no utilizar un modelo de respuesta lineal por medio de la técnica de mínimos cuadrados ordinarios es que esta técnica no permite interpretar el valor esperado de la variable dependiente como una probabilidad de ocurrencia (puesto que este valor no estará necesariamente contenido entre el cero y el uno). Los modelos Logit y Probit son en general muy similares, sobretodo en casos en donde las observaciones son numerosas como es el caso de la base de datos de PITEC que cuenta con 5.879 empresas estables en las muestras 2004-2009, sin embargo, los primeros utilizan la función de distribución logística mientras que los segundos suponen que los datos se comportan según la función de probabilidad normal (Liao, 1994; Greene 1999), En un modelo Probit la función de distribución está dada por la Ecuación 1 (Liao, 1994, Greene 1999) Ecuación 1. Función de distribución para un modelo Probit

3

Inicialmente se planteó realizar un análisis de datos de panel para modelos probit, sin embargo el software comercial con el que se trabajó, Eviews 6.0 y StatGraphics Centurión 16, no permiten realizar análisis de datos de panel para modelos no lineales.



(∑

)







En donde Y puede tomar datos de 1 ó 04 y en donde la relación entre las variables explicativas Xk, y la variable explicada Y, está determinada por los coeficientes βk, que acompañan a las variables explicativas. Como se anticipó, la relación entre coeficientes y la variable explicada no es lineal, por lo que el resultado de la función de máxima verosimilitud aplicado a la ecuación 1 debe ser transformado como se muestra en la Ecuación 2, hallando los efectos marginales de las variables explicativas (Liao, 1994, Greene 1999). Ecuación 2. Efectos marginales de un modelo Probit

(∑

)

En donde la probabilidad de que la variable explicada sea igual a uno, depende de la función de distribución normal con media igual a cero y varianza igual a uno evaluada con los datos promedio de la muestra (Xk promedio), para un grupo de coeficientes estimados βk, multiplicados por el coeficiente estimado de la variable de interés (Liao, 1994, Greene 1999). De tal manera, si el valor calculado del efecto marginal para una variable es 5%, quiere decir que manteniendo las demás variables constantes, el incremento marginal de la variable explicativa (variables continuas) o bien que la variable explicativa sea igual a uno (Variables dummy), manteniendo todas las demás variables constantes, incrementa la probabilidad de que la variable explicada Y sea igual a uno en 5%. De igual manera, si el resultado del efecto marginal es -5% quiere decir que un incremento marginal de la variable explicativa (continua) o que la variable explicativa sea igual a uno (binaria), manteniendo todas las demás variables constantes, disminuye la probabilidad de que la variable explicada sea igual a uno en 5%. El abandono de proyectos de innovación en fase de concepción Para probar la hipótesis en la que se plantea que las barreras financieras influyen en el abandono de proyectos en etapa inicial se utilizó el siguiente modelo denominado Modelo 1:

∑ En donde las principales variables explicativas son las barreras financieras y no financieras (para ver la totalidad de barreras incluidas en los modelos ver anexo 3), así:

4 Puede tomar más de dos datos en el caso de modelos Probit ordenados

11

   

Consin1 (binaria): 1 si la empresa ha abandonado un proyecto de innovación en la fase inicial en los últimos dos años. βi: Parámetros que acompañan a las variables explicativas del modelo. Barrfin (binaria): la empresa reporta por lo menos una barrera financiera5 con grado de importancia elevado en los últimos dos años. Otrasbarr (binaria): La empresa reporta por lo menos una barrera no financiera 6 con grado de importancia elevado en los últimos dos años.

Al regresar este modelo se espera que el coeficiente de la variable barrfin sea significativo y positivo para todos los años de la muestra al igual que para la variable otrasbarr, sin embargo, se espera que el efecto marginal de las barreras financieras sea más alto que para las barreras no financieras, es decir, que la probabilidad de que una empresa abandone un proyecto en su fase de gestación se incremente en mayor medida cuando presenta barreras financieras que cuando presenta otro tipo de barreras (Galia y Legros, 2004; Mohnen et al. 2008; Mancusi y Vezzulli, 2010; Silva, 2007, Garcia et.al 2010). Las variables de control del modelo y algunos referentes teóricos para la inclusión de dichas variables son:  Lntam: Logaritmo natural del número de empleados (Galia y Legros, 2004, Mohnen et al. 2008)  Finpublica (binaria): La empresa recibió ayudas de al menos una entidad pública autonómica, nacional o europea en los últimos dos años  Grupo (binaria): la empresa pertenece a un grupo empresarial (Mohnen et al. 2008, Galia y Legros, 2004)  Antiq: antigüedad de la empresa (Mohnen et al. 2008)  Coopera (binaria): la empresa cooperó en los dos últimos años con otra institución para realizar innovación (Galia y Legros, 2004)  Idintern (binaria): la empresa realizó actividades de I+D interna en los dos últimos años (Galia y Legros, 2004)  Idex (binaria): la empresa realizó actividades de I+D externa en los dos últimos años (Galia y Legros, 2004)  Altamedtech (binaria): la empresa pertenece a uno de los sectores clasificados en la OCDE como de alta o media tecnología (Galia y Legros, 2004)  Gtinn: gasto total en innovación de la empresa en el último año  Cnae (binaria): Representa el sector de actividad de la empresa (Mohnen et al. 2008. Ver anexo 1) Este modelo se probó en dos fases, en la primera se incluyeron todas las empresas y en la segunda se dividió la muestra de empresas en dos, empresas de menos de 200 empleados y empresas de por lo menos 200 empleados. Para esta segunda fase, se suprime la variable de control de tamaño del modelo. Con esta subdivisión se espera

5

Falta de fondos de la empresa o grupo de empresas, falta de financiación de fuentes exteriores a la empresa o la innovación tiene un costo demasiado elevado. 6 Factores de conocimiento (Falta de personal cualificado, falta de información sobre tecnología, falta de información sobre los mercados y dificultades para encontrar socios de cooperación para la innovación), Factores de mercado (Mercado dominado por empresas establecidas, incertidumbre respecto a la demanda de bienes y servicios innovadores) y Motivos para no innovar (No es necesario debido a las innovaciones anteriores y no es necesario porque no hay demanda de innovaciones).

hacer más claro el efecto de las barreras financieras en el abandono de proyectos de innovación en fase inicial determinando las diferencias de dicho efecto controlando la muestra por tamaño. Una vez realizadas dichas estimaciones se procedió a dividir el efecto de las barreras financieras y no financieras dentro del modelo separando las variables Barrfin y OtrasBarr en sus componentes, con lo que se realiza un modelo en donde se determina la probabilidad de abandonar un proyecto de innovación en su fase inicial cuando una empresa presenta cada una de las barreras a la innovación preguntadas en la encuesta de innovación por separado (ver anexo 3), incluyendo además las variables de control presentadas anteriormente. Al igual que en el modelo con las barreras agrupadas, se procedió a realizar regresiones en dos fases, la primera para todas las empresas y la segunda dividiendo las empresas por tamaño para determinar el efecto puntual en cada subgrupo. Para cada uno de estos modelos y para cada uno de los años se calculó el efecto marginal que las variables explicativas tienen sobre la variable explicada. Las barreras financieras y su relación con el tamaño de la empresa Como se evidenció en el capítulo de revisión de la literatura, al parecer existe una relación negativa entre el tamaño de las empresas y su percepción de barreras financieras para realizar actividades y proyectos de innovación. Para este proyecto de investigación dicha hipótesis se corroboró mediante el siguiente modelo econométrico del tipo Probit denominado Modelo 2:

∑ En donde:  Barrfin (binaria): la empresa reporta por lo menos una barrera financiera7 con grado de importancia elevado en los últimos dos años.  βi: Parámetros que acompañan a las variables explicativas del modelo.  Lntam: Logaritmo natural del número de empleados Las variables de control del modelo y algunos referentes teóricos para la inclusión de las mismas son:  Antiq: antigüedad de la empresa (Giudicci y Paleari, 2004; Mohnen et.al 2008; Cincera, 2002)  Altamedtech (binaria): la empresa pertenece a uno de los sectores clasificados en la OCDE como de alta o media tecnología (Arundel, 1997; Baldwin y Lin, 2001, Galia y Legros 2004)  Grupo (binaria): la empresa pertenece a un grupo empresarial (Iammarino et. al, 2007; Segarra, 2007; Savignac, 2007)

7

Falta de fondos de la empresa o grupo de empresas, falta de financiación de fuentes exteriores a la empresa o la innovación tiene un costo demasiado elevado.

13

  

Finpublica (binaria): La empresa recibió ayudas de al menos una entidad pública autonómica, nacional o europea en los últimos dos años (Segarra, 2007; Czarnitzki, 2002) Gtinn: gasto total en innovación de la empresa en el último año (Segarra, 2007) Cnae (binaria): Representa el sector de actividad de la empresa (Segarra, 2007; Iammarino et. al, 2007; Segarra, 2007; Savignac, 2007; Ver anexo 1)

Al regresar este modelo se esperaba que el coeficiente de la variable tamaño fuese negativo y significativo para todos los años de la muestra, al igual que para las variables de antigüedad, grupo, financiación pública y pertenencia a sectores de alta y media tecnología. A su vez se esperaba que el gasto en innovación presentase una relación positiva, indicando que a mayores gastos en innovación, mayores restricciones financieras. En general se esperaba que las empresas pequeñas, jóvenes, de sectores de alta tecnología, que no pertenecían a un grupo empresarial, que tenían altos niveles de gasto en I+D y que no tenían acceso a financiación pública, presentasen mayores restricciones financieras que empresas que no cumplían estas características, como se evidenció en investigaciones previas (Arundel (1997), Baldwin y Lin (2001), Galia y Legros (2004), Shiang et. al (2007), Segarra (2007), Madrid (2009), Czarnitzki (2002), Giudici y Paleari (2004), Savignac (2007) y Mohnen et al. (2008)). Para determinar si este último era un buen modelo para describir las barreras financieras se tomaron las mismas variables explicativas que para un modelo en donde la variable explicada no es barreras financieras (barrfin) sino las demás barreras a la innovación (Otrasbarr), con este modelo se esperaba corroborar que el tamaño de la empresa era fundamental para definir las barreras financieras pero que el poder explicativo de dicho modelo para explicar las barreras no financieras era inferior. RESULTADOS Para probar el modelo 1 se regresaron 18 modelos (6 regresiones, una para cada año entre 2004 y 2009 para el modelo que incluía todas las empresas de la muestra, 6 regresiones para las empresas con menos de 200 empleados y 6 regresiones para las empresas con al menos 200 empleados) con las barreras financieras y no financieras agrupadas (ver anexo 3), es decir, en una sola variable binaria se reunían las empresas que como respuesta dijeron que presentaron al menos una barrera financiera que la afecto en gran medida en los dos años anteriores a la encuesta y se utilizó la misma metodología para las barreras no financieras; los resultados de dicho modelo pueden observarse en el anexo 2, en las tablas 1, 2 y 3. Cuando se regresó dicho modelo incluyendo a todas las empresas (tabla 1), se encontró que las barreras financieras resultan relevantes para todos los años, lo que indica que las barreras financieras fueron significativas para explicar que las empresas abandonaran proyectos de innovación en su fase inicial, los efectos marginales de las barreras financieras fueron en promedio de 3.7%. Las otras barreras también tuvieron una relación significativa con el abandono de proyectos de innovación pero con un efecto marginal menor al de las barreras financieras con 2.1% en promedio, la variable resultó significativa al 95% para todos los años excepto 2006 en el que fue significativa al 90%. Las empresas que cooperaron y que realizaron actividades de I+D interna presentaron una mayor probabilidad de abandonar proyectos de innovación, pero las empresas que realizaron I+D incrementaron la probabilidad de abandonar proyectos en etapa temprana en 13% mientras las que cooperaron lo hicieron sólo en 5.1%. Para 4 de los 6 años

estudiados la variable de pertenencia a un grupo empresarial resultó significativa y positiva indicando que es posible que las empresas pertenecientes a un grupo empresarial tengan mayor probabilidad de abandonar un proyecto en fase de gestación. El tamaño de la empresa resultó significativo en sólo 3 de los años estudiados, sin embargo el signo del coeficiente que acompaña esta variable es positivo para todos los años indicando que es posible que exista una mayor probabilidad de que las grandes empresas abandonen proyectos de innovación en etapa inicial, resultado acorde con lo encontrado en Galia y Legros (2004). Los sectores que resultaron relevantes en las regresiones para todos los años fueron el de alimentos, bebidas y tabaco con signo positivo, y con signo negativo los sectores de hostelería y de actividades sanitarias y servicios sociales. Al regresar este modelo únicamente para las empresas con menos de 200 empleados (tabla 2) se encontró que las barreras financieras resultan ser significativas en 4 de los 6 años estudiados con un nivel de significancia del 95% y para otro año con un nivel de significancia del 10%, el efecto marginal promedio para estos años fue 3.2%, es decir que si una empresa tiene barreras financieras, se incrementa la probabilidad de abandonar un proyecto de I+D. Las otras barreras fueron también significativas pero en este caso para todos los años de muestra, el efecto marginal es de 3.2% muy similar al de las barreras financieras, pero dado que esta última variable es significativa para todos los años, pareciera que el efecto de las barreras financieras en las pequeñas empresas es inferior al de las demás barreras. También para este modelo y como se encontró en Galia y Legros (2004) las empresas que cooperaron tienen una mayor probabilidad de abandonar un proyecto de innovación en la fase inicial, el efecto marginal de esta variable es alto con 5,7%. De igual manera, las empresas de menos de 200 empleados que realizaron I+D interna presentaron una mayor probabilidad de abandonar proyectos de I+D con un 13,41% de efecto marginal. Ninguno de los sectores CNAE estudiados resultó significativo en todos los años de la muestra, lo que indica que la pertenencia a un cierto sector no se relaciona con la probabilidad de abandonar un proyecto de innovación. Cando se realizó la regresión del modelo 1 para las empresas con más de 200 empleados (tabla 3) se encontró que las barreras financieras resultaron significativas en todos los años, al parecer en las grandes empresas cuando se perciben restricciones financieras, se incrementa la probabilidad de abandonar proyectos de innovación en fase de gestación en 3,8%. Las barreras no financieras no parecen tener relación con el abandono de proyectos en las grandes empresas ya que estas barreras no resultaron significativas. Las grandes empresas que recibieron financiación pública parecen tener una mayor probabilidad de abandonar un proyecto con un efecto marginal de 2.75%. Las empresas grandes pertenecientes a una grupo abandonan más proyectos al igual que las que cooperan y realizan actividades internas de I+D; estos resultados corroboran los encontrados por Galia y Legros 2004, según los cuales el abandono de proyectos de innovación debido a barreras financieras es más probable en grandes empresas. Las grandes empresas del sector de Alimentos y bebidas parecen tener una mayor probabilidad de abandono de proyectos de I+D. Es necesario notar que los niveles de ajuste fueron mucho más altos en los modelos en donde se incluyeron las grandes empresas únicamente (pseudo R2 de 26,3% para las grandes empresas versus 8,2% para las pequeñas empresas y 14.4% al incluirlas a 15

todas), esto indica que las variables incluidas explican mejor el abandono de proyectos por parte de las grandes empresas. Dado que era importante identificar directamente las barreras a la innovación que afectaban a las empresas, se tomó el modelo 1 y se utilizaron para la regresión todas las barreras financieras y no financieras desagrupadas, se realizaron 18 regresiones al igual que con el modelo de variables agrupadas; una para cada año de estudio y tomando la totalidad de empresas, las menores de 200 empleados y las de más de 200 empleados. Los resultados de dichas regresiones se muestran en las tablas 4, 5 y 6 y la descripción de las barreras financieras y no financieras incluidas en el modelo se incluye en el anexo 3. Al realizar las regresiones incluyendo todas las empresas entre 2004 y 2009 se encontró que la falta de fondos externos a la empresa resultó significativa para 5 de los 6 años estudiados, para 4 de ellos con 95% de significancia y para otro con 90% de significancia, para los años que esta variable fue significativa, el efecto marginal promedio fue de 3.3%. La incertidumbre respecto a la demanda de bienes y servicios innovadores resultó significativa y con signo positivo para todos los años estudiados, es decir que las empresas que creen que existe incertidumbre en el mercado presentan una mayor probabilidad de abandonar un proyecto en la fase de gestación. La variable Obarr, que está definida como la no realización de innovaciones debido a que no hay demanda por las mismas, fue significativa para todos los años estudiados y presentó un coeficiente con signo positivo; una explicación para este hecho es que esta variable mide la no realización de proyectos de innovación y al no realizar proyectos no es posible abandonar los mismos, lo que explicaría el signo negativo de la variable, en otras palabras, las empresas no pueden abandonar proyectos en la medida que no los realizan, de todas formas es importante resaltar que el poder explicativo de esta variable fue alto, con un efecto marginal promedio de 8.3%. Las empresas pertenecientes a un grupo empresarial presentaron una mayor probabilidad de abandonar proyectos de innovación, ya que la variable fue significativa para todos los años estudiados excepto en 2006. El mayor efecto marginal promedio para estas regresiones (11.9%) lo presentó la variable Idintern, que fue significativa y presentó signo positivo para todos los años estudiados, este resultado es acorde con el estudio de Galia y Legros (2004), esto puede deberse a que las empresas que realizan actividades de I+D interna tienen un mayor número de proyectos de innovación que empresas que no han realizado actividades de I+D, por lo que la posibilidad de abandonar proyectos se incrementa para las primeras. La variable de cooperación, al igual que en las regresiones anteriores, resultó significativa y relacionada positivamente, al parecer las empresas que cooperaron con otras empresas presentan una mayor probabilidad de abandonar proyectos de innovación, esto puede deberse también al hecho que estas empresas tienen un mayor conjunto de proyectos que otras empresas que no cooperan para innovar. Los sectores que resultaron significativos para todos los años en estas regresiones fueron, con signo positivo alimento bebidas y tabaco y, con signo negativo, hostelería, actividades administrativas y servicios auxiliares y actividades sanitarias y de servicios sociales. Al estudiar las regresiones para el modelo 1 con variables desagrupadas, únicamente para las empresas con menos de 200 empleados, se observó que la falta de financiación externa a la empresa resultó significativa para 4 de los 6 años al 95% (4.9% de efecto marginal promedio) y para otro al 90% (2.9% de efecto marginal), parece que existe una relación positiva entre la falta de financiación externa y el abandono de proyectos en

fase de gestación para pequeñas empresas pero los resultados no son concluyentes. Los altos costos de innovación resultaron significativos para 5 de los 6 años al 95%, con un efecto marginal promedio de 4,0%, sin embargo, este factor afecta negativamente el abandono de proyectos, al parecer entre más altos consideren las pequeñas empresas que son los costos de sus proyectos, menor probabilidad de abandonarlos. De igual manera la falta de información sobre tecnología resultó significativa para el abandono de proyectos de innovación en las pequeñas empresas para 5 de los 6 años investigados afectando positivamente la probabilidad de abandonar un proyecto (5,2% de efecto marginal promedio). Tal como en el modelo con todas las empresas, el hecho de que la empresa considere que no es necesaria la innovación reduce la posibilidad de abandonar proyectos, dado que las empresas que opinan esto al parecer no realizan proyectos de I+D. La dificultad de encontrar socios de innovación resulta relevante y afecta negativamente la probabilidad de que una pequeña empresa abandone un proyecto de innovación en su fase de gestación, es decir, una empresa para la cual es difícil encontrar socios para proyectos de I+D está menos dispuesta a abandonar un proyecto en fase de gestación; este resultado va de la mano con el resultado significativo para la variable cooperación ya que su relación positiva con el abandono de proyectos muestra que las empresas que cooperan con otras instituciones abandonan más proyectos de I+D. Al igual que para el modelo con todas las empresas, se encontró que las empresas que realizan actividades de I+D interna abandonan más proyectos de innovación, el efecto marginal de esta variable fue el más alto de todo el modelo con 12.6%. La variable gastos totales en innovación resultó significativa al 95% para 4 años y al 90% para otro año más, al parecer entre más altos sean los gastos de innovación, mayor es la probabilidad de abandonar un proyecto de I+D, este hecho puede estar relacionado con la posibilidad que una empresa con mayores gastos de I+D interna tenga un mayor número de proyectos de I+D en marcha a la vez, pero también puede estar relacionado con el hecho de que los proyectos de las empresas con más gastos en I+D pueden ser más costosos y ante una falta de fondos la empresa se vea avocada a abandonar el proyecto, sin embargo los resultados no son concluyentes. El único sector relevante para todos los años de regresiones fue el de alimentos bebidas y tabaco. Cuando se subdividió esta muestra para las empresas con mínimo 200 empleados, es decir, las empresas más grandes de la muestra, encontramos que las barreras financieras parecen no ser importantes para determinar la probabilidad de abandonar un proyecto de innovación, otro tipo de factores como la pertenencia a un grupo o la cooperación con otras instituciones parece afectar positivamente el abandono de proyectos en fase de gestación al igual que las empresas con financiación pública; todo parece indicar que para las grandes empresas el abandono de proyectos se da en la medida en que cuentan con una mayor cantidad de fondos para I+D y posibilidades de innovación dado que cuentan con un mayor portafolio de proyectos y pueden abandonar aquellos que no son buenos, rentables o importantes. Al igual que en las regresiones con barreras agrupadas, los niveles de ajuste fueron mucho más altos en los modelos en donde se incluyen las grandes empresas únicamente (pseudo R2 de 25,0% para las grandes empresas versus 7,0% para las pequeñas empresas y 13.3% al incluirlas a todas). Cuando se miraron por separado las barreras a la innovación, los modelos explicaron mejor el abandono de proyectos de I+D de las grandes empresas. 17

Para probar el modelo 2 se regresaron 12 modelos (6 regresiones para las barreras financieras y 6 regresiones, una para cada año entre 2004 y 2009, para el modelo que tiene como variable explicada las demás barreras a la innovación); los resultados de dichas regresiones pueden observarse en el anexo 2, en las tablas 8 y 9. Al realizar las regresiones para las barreras financieras se halló que el tamaño de la empresa es significativo y tiene una relación negativa con las barreras financieras; ser una empresa de menos de 200 empleados incrementa la probabilidad de sufrir barreras financieras en un 5.3% en promedio para las regresiones entre 2004 y 2009. Las empresas pertenecientes a un grupo empresarial tienen una probabilidad menor de sufrir de barreras financieras como era de esperarse, y la probabilidad para una empresa que pertenece a un grupo disminuye en 8% frente a las que no pertenecen a uno. La antigüedad de la empresa tiene una relación negativa con las barreras financieras, esta variable fue significativa en 4 de 6 años estudiados, indicando que es posible que las empresas más jóvenes perciban mayores barreras financieras que las empresas más antiguas. Un resultado interesante es que las empresas que recibieron financiación pública, al contrario de lo que se esperaba, tienen una mayor probabilidad de enfrentar barreras financieras, este hecho puede deberse a que son las empresas que sienten que tienen restricciones las que buscan mayores fuentes de financiación y esto incluye la financiación pública. La probabilidad de que una empresa estime que sufre de restricciones financieras se incrementa en 9.6% cuando ésta recibió financiación pública; este resultado es acorde con lo encontrado por Czarnitzki (2002). La variable que presentó un mayor efecto marginal fue la pertenencia a sectores de alta o media tecnología; esta variable fue significativa al 95% para 4 de 6 años y con 90% para un año más, el efecto marginal promedio de esta variable fue de 17%, indicando que es posible que las empresas consideradas de alta o media tecnología tengan una probabilidad 17% más alta de sufrir barreras financieras que aquellas empresas de otro tipo de sectores. Exceptuando el signo esperado de la variable de financiación pública, los resultados de esta investigación corroboraron los resultados de las investigaciones de Arundel (1997), Baldwin y Lin (2001), Galia y Legros (2004), Shiang et. al (2007), Segarra (2007), Madrid (2009), Czarnitzki (2002), Giudici y Paleari (2004), Savignac (2007) y Mohnen et al. (2008). Como se adelantó en párrafos anteriores, se quiso corroborar que los resultados de este modelo sobre barreras financieras no se repetían en un modelo en donde se estudiaran otro tipo de barreras a la innovación y que por lo tanto el tamaño, sector, antigüedad, pertenencia a un grupo empresarial y la utilización de financiación pública no están relacionadas con las barreras de conocimiento o de mercado sobre las cuales se pregunta en la base de datos de PITEC. Los resultados del modelo que incluía las mismas empresas y las mismas variables explicativas para los años 2004 a 2009, corroboraron dicha hipótesis. Se puede verificar en la tabla 8 que las empresas más pequeñas tienen una mayor probabilidad de sufrir de barreras no financieras, sin embargo, el efecto marginal fue inferior para este tipo de barreras (2%) que para las barreras financieras (5.3%). Al igual que con las barreras financieras, las empresas pertenecientes a un grupo empresarial presentaron menores barreras no financieras, sin embargo, el efecto marginal de esta variable fue inferior para las barreras no financieras que para las financieras. Variables como la antigüedad, la pertenencia a un sector de alta tecnología, la búsqueda de financiación pública, no resultaron relevantes en mayor medida, demostrándose que este tipo de factores afectan

a las empresas creando barreras financieras y en una medida menor, otro tipo de barreras a la innovación. DISCUSIÓN DE LOS RESULTADOS Se encontró en esta investigación que las barreras financieras incrementan la probabilidad de que las empresas abandonen sus proyectos de innovación en etapa inicial, es decir, la falta de fondos de la empresa o grupo empresarial, la falta de financiación externa y los altos costos de la innovación, tienen relación con el abandono de proyectos de innovación que están apenas iniciando en las empresas españolas. Otras barreras a la innovación como barreras de mercado, o barreras de conocimiento son también relevantes para determinar el abandono de proyectos en etapa inicial, pero la probabilidad de que una empresa abandone este tipo de proyectos debido a barreras financieras es mayor. Las pequeñas empresas parecen verse afectadas a su vez por estos dos grupos de barreras, pero las financieras las afectan en mayor medida incrementando la probabilidad de abandono de proyectos, es decir, las pequeñas empresas sufren por todo tipo de barreras a la innovación, pero son las barreras financieras las que las afecta en mayor medida. Las grandes empresas por otra parte, también se ven afectadas por las barreras financieras ya que les hacen abandonar proyectos de innovación en etapa inicial, las otras barreras parecen no causar este tipo de abandono para las grandes empresas. Se evidenció también que las causas del abandono de proyectos en las grandes empresas están mejor explicadas por las variables incluidas en los modelos usados en esta investigación. Al investigar una por una las barreras que causan abandono de proyectos en etapa inicial se encontró que la falta de fondos externos a la compañía afecta a las pequeñas empresas e incrementa la probabilidad de abandonar un proyecto, por otra parte las pequeñas empresas que consideran que los costos de innovación son altos tienen una menor probabilidad de abandonar un proyecto, esto puede deberse a que las empresas abandonan proyectos baratos pero continúan en los proyectos que mayores recursos consumen. No se encontraron barreras financieras específicas que afecten a las grandes empresas, pero si se encontró para todas las empresas, que aquellas que realizan actividades de I+D, que cooperan con otras instituciones para sus proyectos de I+D, que tienen mayores gastos en innovación, que pertenecen a grupos empresariales y que reciben financiación pública, tienen una mayor probabilidad de abandonar proyectos de innovación en su etapa inicial, esto puede deberse de igual manera a que estas empresas tienen una mayor portafolio de proyectos de I+D. Se comprueba que las barreras financieras causan abandonó de proyectos de innovación corroborando los resultados de investigaciones como las de Galia y Legros (2004), Mohnen et.al (2008), Mancusi y Vezzulli (2010), Silva (2007) y Garcia et.al (2010), sin embargo la evidencia no es suficiente para indicar que estas barreras son la principal causa de abandono de proyectos de innovación en etapa inicial. Al igual que en investigaciones como las de Arundel (1997), Baldwin y Lin (2001), Galia y Legros (2004), Shiang et. al (2007), Segarra (2007), Madrid (2009), Czarnitzki (2002), Giudici y Paleari (2004), Savignac (2007) y Mohnen et al. (2008) y como se propone en Hall (2010), las pequeñas y jóvenes empresas de sectores de alta y media tecnología que no pertenecen a un grupo empresarial, tienen una mayor probabilidad de presentar barreras financieras. La pertenencia a un sector de alta y media tecnología 19

resultó ser el principal factor para determinar las barreras financieras de las empresas españolas. El tamaño y la antigüedad de las empresas resultó incrementar la probabilidad de sufrir de otro tipo de barreras diferentes a las financieras pero con un efecto marginal inferior al de las barreras financieras. Un resultado que se destaca en esta investigación es el efecto positivo que mantuvo la variable de financiación pública frente a las barreras financieras, sugiriendo que existe una relación directa entre las dos; este efecto debe ser estudiado a fondo, pero inicialmente parecería que las empresas que dicen haber enfrentado barreras financieras buscan activamente fuentes de financiación, y el sector público parece ser una fuente fundamental de recursos. Este resultado muestra la importancia que tienen los fondos públicos para corregir las fallas del mercado en cuanto a financiación de I+D se trata y sugiere a su vez que las políticas de contracción del gasto público en I+D pueden crear mayores barreras financieras en las empresas españolas sumándose a las fallas del mercado. Para esta investigación se realizaron 48 regresiones de tipo Probit para probar las hipótesis planteadas para empresas estables de la muestra PITEC entre los años de 2004 y 2009.Por lo que se conoce hasta el momento, esta es la primera vez que este tipo de investigación se realiza incluyendo muestras para más de un año, con lo cual se aporta evidencia fundamental sobre las características de las empresas que sufren barreras financieras en las empresas españolas. Desde el punto de vista del fundamento teórico no se ha descubierto nada nuevo al decir que las pequeñas empresas suelen abandonar más proyectos de innovación que las grandes empresas a causa de las barreras financieras, o que las barreras financieras afectan en mayor medida a las pequeñas y jóvenes empresas de sectores de alta tecnología, sin embargo, que estos resultados permanezcan invariables en el tiempo muestra que las políticas españolas y europeas de fomento a la I+D, a pesar de conocer dichas características, no han logrado aliviar las restricciones que sufren este tipo de empresas en España. Es fundamental por tanto, encontrar medidas que propendan por el desarrollo de un sistema financiero estable que genere los flujos necesarios para que las empresas innovadoras estén en capacidad de comenzar y finalizar sus proyectos de innovación, las políticas de fomento al capital de riesgo y la creación de mercados de capitales para empresas de alto riesgo son parte de la solución que los creadores de políticas deberían plantear para solucionar estas brechas. LIMITACIONES Muchos de los fenómenos financieros que se estudiaron en este trabajo de investigación no son observables por variables que se miden en la encuesta de innovación, por ejemplo, inicialmente se consideró que el origen de los fondos de los gastos en I+D interna podría incluirse como variable explicativa para corroborar los resultados de investigaciones del enfoque ICFS, sin embargo, dado que la respuesta de la encuesta para esta pregunta no diferencia entre fondos propios y préstamos del sector financiero, no fue posible corroborar dichos resultados; en un futuro, sería importante incluir otras variables financieras en conjunción con los resultados de innovación, pero dado el carácter anónimo de los datos incluidos en PITEC esto es difícil. Así mismo, es posible que el efecto de las restricciones financieras se haya minimizado al realizar los modelos con las empresas estables de PITEC únicamente, ya que las empresas que cerraron definitivamente durante el periodo de estudio no son incluidas, estas empresas podrían haber enfrentado restricciones aún más significativas que las empresas de la muestra estable, sin embargo, dado que la metodología escogida para

este trabajo se basa en un análisis con empresas estables entre 2004 y 2009, incluir las empresas que cerraron definitivamente no era conveniente ya que de ellas no se tienen datos de encuesta para todos los años. Inicialmente se planteó realizar para este investigación modelos Probit de panel para corroborar las hipótesis planteadas, sin embargo, los paquetes de software utilizados para esta investigación no permitían realizar este tipo de análisis; de tal manera, se planteó también utilizar las metodologías de máxima verosimilitud por medio de hojas de cálculo, sin embargo, al contar con un panel con 34.734 filas (5.789 empresas para 6 años) y con cerca de 100 columnas de variables, el controlar por efectos fijos desbordaba la capacidad de cálculo del equipo de cómputo con el que se contaba en el momento de realizar esta investigación. Para el futuro y de cara a una investigación de doctorado se retomará esta investigación realizando un estudio de datos de panel en programas que permitan programar cálculos más complejos. CONCLUSIONES Las asimetrías de información, los problemas de riesgo moral, la imposibilidad de apropiación privada de los retornos de los proyectos y la alta inversión en activos intangibles que no tienen colaterales, hacen que las inversiones en I+D presenten mayores costos de capital debido al riesgo asociado a los mismos, esto hace que existan mayores restricciones de financiación en los proyectos de innovación que en las inversiones de capital tradicional; estas restricciones son más severas para las jóvenes y pequeñas empresas de sectores de alta tecnología. Los estudios sobre barreras a la innovación y sobre restricciones financieras a la innovación, muestran que la falta de fondos y el alto costo de la innovación son los problemas a los que más comúnmente se enfrentan las empresas innovadoras y que dichas barreras son más probables en pequeñas y jóvenes empresas innovadoras de sectores de alta tecnología que no pertenecen a un grupo empresarial. De igual manera puede concluirse de estos estudios que las barreras financieras son un impedimento para el inicio de los proyectos de innovación pero que tienen una menor influencia sobre los proyectos en marcha y que los subsidios gubernamentales son fundamentales para disminuir el impacto de las barreras financieras. Utilizando modelos Probit para 5789 empresas de muestra estable entre 2004 y 2009, se encontró que las barreras financieras causan abandono de proyectos en etapa inicial en pequeñas y grandes empresas, también se encontró que otro tipo de barreras a la innovación también son causantes de este tipo de abandono, pero que la probabilidad de abandonar proyectos es mayor cuando se sufre de las primeras que de las segundas. Variables como la cooperación, la financiación pública y la realización de actividades de I+D tienen una relación directa con el abandono de proyectos de I+D en fase de gestación, una posible causa de esto es que las empresas que tienen estas características tienen un portafolio de proyectos mayor que otro tipo de empresas y por lo tanto se incremente la probabilidad de abandonar un proyecto. Se comprobó que las pequeñas y jóvenes empresas que no pertenecen a un grupo empresarial y que pertenecen a sectores de alta tecnología, sufren de mayores restricciones financieras que otro tipo de empresas, corroborando lo evidenciado en la revisión de literatura; variables como el número de empleados y la antigüedad son significativas pero con menor poder explicativo para las barreras no financieras que para 21

las barreras financieras, evidenciando que el modelo planteado explica de mejor manera las barreras de tipo financiero. Se encontró por último que las empresas que enfrentan barreras financieras parecen financiarse más con fondos públicos, por lo que se evidencia la importancia de este tipo de fondos para las pequeñas y jóvenes empresas de alta tecnología.

BIBLIOGRAFÍA Aldrich, J. y Nelson, F. (1984). Linear Probability, Logit and Probit models. Sage University on quantitative applications in the social sciences. Series No. 07-001. Arundel, A. (1997) Enterprise strategies and barriers to innovation, en European Commission Directorate-General for the Information Society and Media Eurostat, Innovation measurement an policies. Pág. 101-108. Baldwin, J. y Lin, Z. (2001) Impediments to Advanced Technology Adoption for Canadian Manufacturers. Analytical Studies Branch – Research Paper Series. Statistics Canada No. 11F0019MPE No. 173. Borooah, K. (2003) Logit and Probit: Ordered and Multinomial Models, Journal of the American Statistical Association. Vol. 98. Pág. 775-776. Bougheas, S., Görg, H., Strobl, E. (2001) Is R&D financially restrained? theory and evidence from Irish manufacturing. Leverhulme Centre for research on globalization and economic policy. Cincera, M. (2002), Financing constraints, fixed capital and R&D investment decisions of Belgian firms. Working Papers Research Series. National Bank of Belgium. Czarnitzki, D. (2002) Financial constraints and the role of public funding for small and medium–sized enterprises. Zentrum für Europäische Wirtschaftsforschung. Discution paper No. 02-74. Fazzari, S. y Petersen, B. (1993) Working capital and fixed investment: new evidence on financing constraints. The RAND journal of economics, Vol. 24, No. 3, Pág 328-342. Galia, F. y Legros, D. (2004) Complementarities between obstacles to innovation: evidence from France. Research Policy. Vol. 33. Pág 1185-1199. García, M. y López, A. (2010) Determinants of abandoning innovative activities: evidence from Spanish firms. Cuadernos de economía y dirección de la empresa. Núm. 45. Pág. 69-91. Giudici, G. y Paleari, S. (2004) The provision of finance to innovation: a survey conducted among Italian technology-based small firms. Small business economics, Vol. 14, Pág 37-53. Greene, W., (1999) Modelos con variables dependientes discretas, capítulo 19. Análisis econométrico. Tercera edición. Prentice Hall Iberia, Madrid. Hall, B. y Lerner, J. (2010) The financing of R&D and innovation, en Hall, B. y Rosenberg, N. Handbook of the economics of innovation. Vol. 1, Cap 14. ElsevierNorth Holland.

23

Iammarino, S., Sanna-Randacio, F. y Savona M. (2007) The perception of obstacles to innovation. Multinational and domestic firms in Italy. Revue d'économie industrielle [en línea], 125, 1er trimestre 2009, documento No 4. Liao, T. (1994) Interpreting Probability Models Logit, Probit, and Other Generalized Linear Models. Sage Publications. Chicago, USA. Madrid, A., García, D. y Van Auken, H. (2009) Barriers to innovation among Spanish manufacturing SMEs. Journal of Small Business Management. Vol. 47(4). Pág 465– 488. Mancusi, M. y Vezzuli, A. (2010) R&D, innovation, and liquidity constraints. KITeS Working Papers 030. KITeS Centre for knowledge, internationalization and technology studies. Mohnen, P., Palm, F., Van der Loeff, C., Sybrand S. y Tiwari, A. (2008) Financial Constraints and Other Obstacles: Are They a Threat to Innovation Activity? CESifo Working Paper Series. Vol. No. 2204. Savignac, F. (2007) The impact of financial constraints on innovation: what can be learned from a direct measure? Banque de France, Direction générale des études et des relations internationals. NER - E # 169. Segarra, A., García, J. y Teruel, M. (2007) Barriers to innovation and public policy in Catalonia. International Entrepreneurship and Management Journal. Vol. 4, No 4. Pág 431-451. Shiang, L. y Nagaraj, S. (2007) Obstacles to innovation: evidence from Malaysian manufacturing firms. Munich Personal RePEc Archive. Paper No. 18077. Silva, M (2007) Barriers to innovation faced by manufacturing firms in Portugal: how to overcome it?. Int. J. of Bussines Excellence. Vol. 1. No. ½. Págs 92-105.

ANEXOS Anexo 1. Sectores de actividad ID Pitec

Sector

CNAE 2009

Desarrollo tecnológico del sector según la OCDE

0

Agricultura Ganadería Silvicultura Y Pesca

1

2

3

1

Industrias Extractivas

5

6

7

2

Industrias Del Petróleo

19

3

Alimentación Bebidas Y Tabaco

10

4

Textil

13

Baja tecnología

5

Confección

14

Baja tecnología

6

Cuero Y Calzado

15

Baja tecnología

7

Madera Y Corcho

16

Baja tecnología

8

Cartón Y Papel

17

Baja tecnología

9

Artes Gráficas Y Reproducción

18

Baja tecnología

10

Química

20

Media alta tecnología

11

Farmacia

21

Alta tecnología

12

Caucho Y Plásticos

22

Media alta tecnología

13

Productos Minerales No Metálicos Diversos

23

Media alta tecnología

14

Metalurgia

24

Media alta tecnología

15

Manufacturas Metálicas

25

Media alta tecnología

26

Alta Tecnología

27

Media alta tecnología

Baja tecnología 8

9

Baja tecnología Tecnología media Baja

11 12

Baja tecnología

17

Productos Informáticos Electrónicos Y Ópticos Material Y Equipo Eléctrico

18

Otra Maquinaria Y Equipo

28

Media alta tecnología

19

Vehículos De Motor

29

Media alta tecnología

20

Construcción Naval

301

Media alta tecnología

21

Construcción Aeronáutica Y Espacial

303

Alta Tecnología

22

Otro Equipo De Transporte (Exc. )

30

Media alta tecnología

23

Muebles

31

Baja tecnología

24

Otras Actividades De Fabricación

32

Media alta tecnología

33

Servicios de baja y media tecnología

16

25 26

Reparación E Instalación De Maquinaria Y Equipo Energía Y Agua

35

36

Servicios de baja y media tecnología

37

38 39

Servicios de baja y media tecnología

41

42 43

Servicios de baja y media tecnología

28

Saneamiento Gestión De Residuos Y Descontaminación Construcción

29

Comercio

45

46 47

Servicios de baja y media tecnología

30

Transportes Y Almacenamiento

49

50 51 52 53

Servicios de baja y media tecnología

31

Hostelería

55

56

Servicios de baja y media tecnología

32

Telecomunicaciones

61

Servicios de baja y media tecnología

33

Programación Consultoría Y Otras Actividades Inform

62

Servicios de baja y media tecnología

34

Otros Servicios De Información Y

58

27

59 60 63

Servicios de Alta tecnología

25

ID Pitec

Sector

CNAE 2009

Desarrollo tecnológico del sector según la OCDE

Comunicaciones 35

Actividades Financieras Y De Seguros

64

36

Actividades Inmobiliarias

68

Servicios de baja y media tecnología

37

Servicios De I+D

72

Servicios de Alta tecnología

38

Otras Actividades

69

70 71 73 74 75 Servicios de baja y media tecnología

77

78 79 80 81 82 Servicios de baja y media tecnología

85

Servicios de baja y media tecnología

39 40 41 42 43

Actividades Administrativas Y Servicios Auxiliares Educación (Exc.)

Actividades Sanitarias Y De Servicios 86 Sociales Actividades Artísticas Recreativas Y De 90 Entretenimiento Otros Servicios

Fuente: Instituto nacional de estadística

95

65 66

Servicios de baja y media tecnología

87 88

Servicios de baja y media tecnología

91 92 93

Servicios de baja y media tecnología

96

Servicios de baja y media tecnología

Anexo 2. Resultados de los modelos Tabla 1. Resultados de las regresiones para el modelo 1 entre 2004 y 2009 para todas las empresas de la muestra Hipótesis 1. Variable dependiente Consin1. Incluye todas las empresas.1 2004 Variables

2005 Pseudo R2

Coef

13.0%

2006

Prob

Efecto Marginal

Pseudo R2

Coef

-1.99

0.00

-35.1%

13.2%

2007

Prob

Efecto Marginal

Pseudo R2

Coef

-1.89

0.00

-36.7%

12.7%

2008

Prob

Efecto Marginal

Pseudo R2

Coef

-1.89

0.00

-39.8%

14.0%

2009

Coef

Prob

Efecto Marginal

Prob

Efecto Marginal

Pseudo R2

Prob

Efecto Marginal

Pseudo R2

Coef

C

-2.34

0.00

-35.5%

-1.79

0.00

-38.8%

13.0%

-1.95

0.00

-41.7%

BARRFIN

0.15

0.00

2.3%

0.17

0.00

3.0%

0.21

0.00

4.1%

0.19

0.00

4.1%

0.16

0.00

3.5%

0.25

0.00

5.4%

14.0%

OTRASBARR

0.11

0.02

1.7%

0.11

0.02

1.9%

0.08

0.08

1.5%

0.14

0.00

2.9%

0.11

0.01

2.3%

0.10

0.02

2.2%

LNTAM

0.04

0.04

0.6%

0.02

0.19

0.4%

0.02

0.28

0.4%

0.01

0.57

0.2%

0.03

0.04

0.7%

0.03

0.07

0.7%

FINPUBLICA

0.00

1.00

0.0%

-0.01

0.80

-0.2%

0.07

0.18

1.3%

0.13

0.01

2.7%

0.03

0.53

0.7%

0.11

0.04

2.3%

GRUPO

0.13

0.02

2.0%

0.10

0.05

1.8%

0.07

0.17

1.3%

0.17

0.00

3.6%

0.05

0.34

1.0%

0.10

0.03

2.2%

ANTIQ

0.00

0.19

0.0%

0.00

0.64

0.0%

0.00

0.69

0.0%

0.00

0.13

0.0%

0.00

0.49

0.0%

0.00

0.16

0.0%

COOPERA

0.28

0.00

4.3%

0.26

0.00

4.5%

0.27

0.00

5.3%

0.27

0.00

5.6%

0.26

0.00

5.7%

0.25

0.00

5.3%

IDINTERN

0.73

0.00

11.1%

0.76

0.00

13.4%

0.67

0.00

13.1%

0.63

0.00

13.2%

0.63

0.00

13.6%

0.61

0.00

12.9%

IDEX

0.15

0.01

2.2%

0.03

0.51

0.6%

0.06

0.25

1.1%

0.05

0.34

1.0%

0.07

0.20

1.4%

0.07

0.20

1.4%

ALTAMEDTECH

-0.21

0.47

-3.2%

-0.01

0.95

-0.3%

0.23

0.29

4.6%

-0.15

0.52

-3.2%

-0.10

0.67

-2.1%

-0.16

0.50

-3.3%

GTINN

0.00

0.37

0.0%

0.00

0.49

0.0%

0.00

0.20

0.0%

0.00

0.01

0.0%

0.00

0.00

0.0%

0.00

0.00

0.0%

Fuente: Cálculos propios basado en datos del PITEC. 1- Por brevedad se excluyen los sectores CNAE utilizados en la regresión. 2- Promedio para los años en que fue significativa la variable al menos al 90%.

Efecto marginal promedio2

-37.9% 3.7% 2.1% 0.7% 2.5% 2.4% NA 5.1% 12.9% 2.2% NA 0.0%

Tabla 2. Resultados de las regresiones para el modelo 1 entre 2004 y 2009 para las empresas con menos de 200 empleados. Hipótesis 1. Variable dependiente Consin1. Incluye empresas con menos de 200 empleados.1 2004 Variables

2005 Pseudo R2

Coef

5.6%

-1.64

2006

Prob

Efecto Marginal

Pseudo R2

Coef

0.00

-38.6%

6.5%

2007 Pseudo R2

Coef

-1.65

0.00

-42.3%

5.9%

-1.78

3.4%

0.11

0.04

2.9%

0.12

Prob

Efecto Marginal

Pseudo R2

Coef

0.00

-46.0%

7.7%

2009

Coef

Prob

Efecto Marginal

C

-1.77

0.00

-37.2%

BARRFIN

0.10

0.08

2.2%

0.14

OTRASBARR

0.14

0.02

3.0%

0.12

0.03

2.9%

0.12

0.03

3.1%

0.15

0.00

4.0%

0.13

0.02

3.3%

0.12

0.03

2.8%

FINPUBLICA

-0.11

0.10

-2.2%

-0.09

0.13

-2.2%

-0.01

0.90

-0.2%

0.05

0.41

1.3%

-0.10

0.13

-2.4%

0.06

0.32

1.5%

GRUPO

0.07

0.25

1.6%

0.08

0.18

1.9%

0.06

0.31

1.5%

0.12

0.03

3.2%

0.02

0.67

0.6%

0.04

0.43

1.1%

ANTIQ

0.00

0.30

0.0%

0.00

0.47

0.0%

0.00

0.75

0.0%

0.00

0.13

0.1%

0.00

0.35

0.0%

0.00

0.81

0.0%

COOPERA

0.26

0.00

5.4%

0.20

0.00

4.7%

0.26

0.00

6.8%

0.20

0.00

5.3%

0.26

0.00

6.5%

0.22

0.00

5.5%

IDINTERN

0.43

0.00

9.1%

0.63

0.00

14.8%

0.53

0.00

13.5%

0.53

0.00

13.6%

0.63

0.00

15.8%

0.55

0.00

13.5%

IDEX

0.09

0.17

1.9%

-0.03

0.62

-0.7%

0.02

0.79

0.4%

0.08

0.20

2.1%

0.04

0.55

1.0%

0.02

0.70

0.6%

ALTAMEDTECH

-0.10

0.79

-2.1%

-0.06

0.87

-1.4%

0.43

0.15

11.0%

-0.06

0.86

-1.5%

0.19

0.54

4.8%

0.12

0.69

3.0%

GTINN

0.00

0.08

0.0%

0.00

0.01

0.0%

0.00

0.03

0.0%

0.00

0.01

0.0%

0.00

0.20

0.0%

0.00

0.02

0.0%

0.01

Prob

Efecto Marginal

2008

0.03

Prob

Efecto Marginal

Pseudo R2

Prob

Efecto Marginal

Pseudo R2

Coef

-1.67

0.00

-42.1%

7.8%

-1.68

0.00

-41.3%

8.4%

3.2%

0.08

0.18

1.9%

0.18

0.00

4.5%

Fuente: Cálculos propios basado en datos del PITEC. 1- Por brevedad se excluyen los sectores CNAE utilizados en la regresión. 2- Promedio para los años en que fue significativa la variable al menos al 90%.

Efecto marginal promedio2

-41.3% 3.2% 3.2% NA 3.2% NA 5.7% 13.4% NA NA 0.0%

Tabla 3. Resultados de las regresiones para el modelo 1 entre 2004 y 2009 para las empresas con al menos 200 empleados. Hipótesis 1. Variable dependiente Consin1. Incluye las empresas con al menos 200 empleados.1 2004 Variables

2005 Pseudo R2

Coef

27.2%

2006

Prob

Efecto Marginal

Pseudo R2

Coef

-2.28

0.00

-21.8%

25.8%

2007

Prob

Efecto Marginal

Pseudo R2

Coef

-2.28

0.00

-26.4%

24.3%

2008

Prob

Efecto Marginal

Pseudo R2

Coef

-2.07

0.00

-29.7%

25.2%

2009

Prob

Efecto Marginal

Pseudo R2

Prob

Efecto Marginal

Pseudo R2

Coef

-1.73

0.00

-28.0%

22.4%

-2.20

0.00

-35.0%

24.8%

Efecto marginal promedio2

Coef

Prob

Efecto Marginal

C

-2.77

0.00

-22.6%

BARRFIN

0.19

0

1.6%

0.17

0.04

1.7%

0.40

0.00

4.6%

0.30

0.00

4.4%

0.29

0.00

4.8%

0.35

0.00

5.6%

3.8%

OTRASBARR

0.12

0.16

1.0%

0.12

0.16

1.1%

0.01

0.86

0.2%

0.13

0.08

1.9%

0.06

0.38

1.0%

0.07

0.3584

1.1%

1.9%

FINPUBLICA

0.20

0.04

1.7%

0.15

0.10

1.5%

0.21

0.02

2.5%

0.25

0.00

3.6%

0.26

0.00

4.2%

0.20

0.03

3.1%

3.0%

GRUPO

0.31

0.00

2.5%

0.21

0.03

2.0%

0.21

0.02

2.4%

0.32

0.00

4.7%

0.17

0.06

2.8%

0.34

0.00

5.5%

3.3%

ANTIQ

0.00

0.55

0.0%

0.00

0.95

0.0%

0.00

0.91

0.0%

0.00

0.31

0.0%

0.00

0.96

0.0%

0.00

0.01

0.1%

0.1%

COOPERA

0.35

0.00

2.9%

0.39

0.00

3.7%

0.30

0.00

3.4%

0.37

0.00

5.3%

0.30

0.00

4.8%

0.29

0.00

4.7%

4.1%

IDINTERN

0.79

0.00

6.4%

0.79

0.00

7.6%

0.79

0.00

9.1%

0.74

0.00

10.5%

0.57

0.00

9.2%

0.66

0.00

10.5%

8.9%

IDEX

0.28

0.00

2.3%

0.15

0.12

1.4%

0.15

0.09

1.8%

-0.01

0.89

-0.2%

0.10

0.23

1.7%

0.12

0.18

1.9%

2.0%

ALTAMEDTECH

-0.23

0.60

-1.8%

0.01

0.98

0.1%

-0.06

0.85

-0.7%

-0.81

0.00

-11.6%

-0.46

0.18

-7.4%

-0.65

0.08

-10.4%

-11.0%

GTINN

0.00

0.81

0.0%

0.00

0.75

0.0%

0.00

0.17

0.0%

0.00

0.02

0.0%

0.00

0.00

0.0%

0.00

0.01

0.0%

0.0%

-27.3%

Fuente: Cálculos propios basado en datos del PITEC. 1- Por brevedad se excluyen los sectores CNAE utilizados en la regresión. 2- Promedio para los años en que fue significativa la variable al menos al 90%.

29

Tabla 4. Resultados de las regresiones para el modelo 1 entre 2004 y 2009 para todas las empresas. Barreras financieras desagrupadas Hipótesis 1. Variable dependiente Consin1. Incluye todas las empresas.1 Barreras desagrupadas. 2004 Efecto Marginal

Pseudo R2

Coef

Prob

2005 Efecto Marginal

Pseudo R2

Coef

Prob

2007 Efecto Marginal

Pseudo R2

Coef

Prob

2008 Efecto Marginal

Pseudo R2

Coef

Prob

2009 Efecto Marginal

Pseudo R2

Efecto marginal promedio2

0.00

-30.2%

13.7%

-1.79

0.00

-29.9%

14.9%

-1.73

0.00

-32.9%

0.00

-35.7%

15.3%

-1.60

0.00

-34.0%

13.7%

-1.78

0.00

-36.9%

15.1%

-33.3%

0.12

0.06

1.8%

0.05

0.42

0.9%

0.06

0.34

0.05

0.39

1.0%

0.19

0.00

4.0%

0.19

0.00

3.9%

3.2%

BF2

0.10

0.10

1.5%

0.27

0.00

4.5%

0.19

3.7%

0.22

0.00

4.4%

0.01

0.85

0.2%

0.12

0.04

2.5%

3.3%

BF3

-0.08

0.19

-1.1%

-0.20

0.00

-3.3%

0.09

-1.8%

-0.14

0.01

-2.8%

-0.08

0.16

-1.6%

-0.11

0.04

-2.2%

-2.5%

BFACI1

0.24

0.00

3.5%

0.15

0.06

0.10

0.19

1.9%

0.13

0.06

2.7%

-0.10

0.19

-2.2%

0.19

0.01

3.9%

3.1%

BFACI2

-0.08

0.45

-1.2%

-0.26

-4.4%

-0.12

0.23

-2.2%

-0.07

0.46

-1.4%

0.12

0.20

2.6%

-0.12

0.23

-2.5%

-4.4%

BFACI3

0.08

0.39

1.2%

0.00

5.3%

0.24

0.01

4.6%

0.15

0.07

3.1%

0.01

0.90

0.2%

-0.05

0.63

-0.9%

4.4%

BFACI4

0.00

1.00

0.01

0.92

0.1%

-0.08

0.31

-1.5%

0.15

0.03

3.1%

0.00

0.98

0.0%

0.09

0.21

1.9%

3.1%

OBARR1

0.09

1.3%

0.10

0.11

1.6%

0.00

0.95

0.1%

0.02

0.73

0.4%

0.06

0.32

1.2%

0.09

0.11

1.9%

NA

OBARR2

0.05

1.8%

0.15

0.01

2.5%

0.20

0.00

3.8%

0.23

0.00

4.7%

0.25

0.00

5.3%

0.22

0.00

4.5%

3.8%

-0.10

0.52

-1.5%

-0.44

0.01

-7.4%

-0.27

0.07

-5.2%

-0.32

0.03

-6.6%

-0.09

0.51

-1.9%

-0.32

0.03

-6.6%

-6.5%

OBARR4

-0.45

0.00

-6.5%

-0.53

0.00

-8.9%

-0.40

0.00

-7.6%

-0.51

0.00

-10.4%

-0.38

0.00

-8.2%

-0.40

0.00

-8.2%

-8.3%

FINPUBLICA

-0.01

0.90

-0.1%

-0.04

0.40

-0.7%

0.05

0.31

1.0%

0.11

0.03

2.3%

0.02

0.69

0.4%

0.10

0.04

2.1%

2.2%

GRUPO

0.19

0.00

2.8%

0.13

0.01

2.2%

0.08

0.08

1.5%

0.18

0.00

3.6%

0.09

0.05

1.9%

0.15

0.00

3.1%

2.5%

ANTIQ

0.00

0.54

0.0%

0.00

0.94

0.0%

0.00

0.95

0.0%

0.00

0.08

0.0%

0.00

0.19

0.0%

0.00

0.05

0.0%

0.0%

COOPERA

0.28

0.00

4.0%

0.25

0.00

4.2%

0.27

0.00

5.1%

0.26

0.00

5.2%

0.26

0.00

5.6%

0.24

0.00

4.9%

4.9%

IDINTERN

0.64

0.00

9.3%

0.70

0.00

11.7%

0.63

0.00

11.9%

0.58

0.00

11.7%

0.60

0.00

12.7%

0.57

0.00

11.9%

11.6%

IDEX

0.14

0.01

2.1%

0.04

0.47

0.6%

0.06

0.22

1.2%

0.05

0.32

1.0%

0.08

0.14

1.6%

0.07

0.15

1.5%

2.1%

ALTAMEDTECH

-0.22

0.44

-3.3%

-0.03

0.91

-0.5%

0.24

0.28

4.6%

-0.12

0.61

-2.5%

-0.12

0.62

-2.5%

-0.16

0.49

-3.4%

NA

GTINN

0.00

0.18

0.0%

0.00

0.42

0.0%

0.00

0.15

0.0%

0.00

0.01

0.0%

0.00

0.00

0.0%

0.00

0.00

0.0%

0.0%

Variables

2006 Efecto Marginal

Pseudo R2

Coef

Prob

13.6%

-1.76

1.1%

0.00

-0.09

2.5%

0.01

0.32

0.0%

0.15

0.12

OBARR3

Coef

Prob

C

-2.07

BF1

Fuente: Cálculos propios basado en datos del PITEC. 1- Por brevedad se excluyen los sectores CNAE utilizados en la regresión. 2- Promedio para los años en que fue significativa la variable al menos al 90%.

Tabla 5. Resultados de las regresiones para el modelo 1 entre 2004 y 2009 para las empresas menos de 200 empleados. Barreras financieras desagrupadas. Hipótesis 1. Variable dependiente Consin1. Incluye las empresas con menos de 200 empleados.1 Barreras desagrupadas. 2004 Efecto Marginal

Pseudo R2

Coef

Prob

2005 Efecto Marginal

Pseudo R2

Coef

Prob

2006 Efecto Marginal

Pseudo R2

Coef

Prob

2007 Efecto Marginal

Pseudo R2

Coef

Prob

2008 Efecto Marginal

Pseudo R2

Coef

Prob

2009 Efecto Marginal

Pseudo R2

Efecto marginal promedio2

0.00

-34.8%

6.4%

-1.54

0.00

-35.4%

8.3%

-1.58

0.00

-40.0%

7.1%

-1.72

0.00

-43.7%

8.8%

-1.60

0.00

-39.9%

8.7%

-1.63

0.00

-39.3%

9.6%

-38.9%

0.14

0.06

2.9%

0.10

0.15

2.4%

0.10

0.14

2.6%

0.04

0.56

1.0%

0.13

0.06

3.2%

0.09

0.17

2.3%

3.1%

BF2

0.14

0.06

2.9%

0.22

0.00

5.1%

0.16

0.03

4.0%

0.23

0.00

5.7%

0.01

0.91

0.2%

0.20

0.00

4.8%

4.5%

BF3

-0.16

0.02

-3.4%

-0.20

0.00

-4.6%

-0.15

0.02

-3.8%

-0.17

0.01

-4.4%

-0.10

0.12

-2.5%

-0.16

0.01

-4.0%

-4.0%

BFACI1

0.23

0.02

4.7%

0.20

0.03

4.7%

0.10

0.24

2.6%

0.09

0.27

2.4%

-0.18

0.07

-4.4%

0.20

0.03

4.8%

2.5%

BFACI2

-0.15

0.23

-3.1%

-0.29

0.02

-6.8%

-0.10

0.37

-2.6%

-0.12

0.28

-3.1%

0.08

0.47

2.1%

-0.13

0.29

-3.0%

-6.8%

BFACI3

0.04

0.71

0.9%

0.40

0.00

9.2%

0.31

0.00

7.7%

0.13

0.20

3.2%

-0.03

0.78

-0.7%

-0.05

0.66

-1.1%

8.5%

BFACI4

0.03

0.77

0.5%

-0.09

0.31

-2.1%

-0.14

0.13

-3.4%

0.09

0.30

2.2%

-0.03

0.75

-0.7%

0.06

0.48

1.4%

NA

OBARR1

0.10

0.16

2.2%

0.05

0.46

1.2%

0.02

0.78

0.5%

0.04

0.52

1.1%

0.06

0.43

1.4%

0.12

0.09

2.9%

2.9%

OBARR2

0.11

0.15

2.2%

0.17

0.02

3.8%

0.18

0.01

4.6%

0.24

0.00

6.0%

0.28

0.00

7.0%

0.20

0.00

4.8%

5.2%

OBARR3

-0.12

0.60

-2.4%

-0.38

0.09

-8.7%

-0.31

0.12

-7.8%

-0.16

0.37

-4.2%

-0.27

0.18

-6.6%

-0.34

0.06

-8.2%

-8.4%

OBARR4

-0.34

0.08

-7.1%

-0.43

0.02

-10.0%

-0.28

0.09

-7.1%

-0.39

0.03

-10.0%

-0.28

0.07

-6.9%

-0.30

0.04

-7.3%

-8.1%

FINPUBLICA

-0.10

0.11

-2.1%

-0.12

0.06

-2.7%

-0.02

0.73

-0.5%

0.05

0.43

1.3%

-0.11

0.08

-2.8%

0.06

0.36

1.4%

-2.7%

GRUPO

0.09

0.19

1.8%

0.07

0.26

1.6%

0.05

0.42

1.2%

0.11

0.05

2.9%

0.02

0.68

0.6%

0.06

0.32

1.4%

2.9%

ANTIQ

0.00

0.38

0.0%

0.00

0.56

0.0%

0.00

0.80

0.0%

0.00

0.12

0.1%

0.00

0.33

0.0%

0.00

0.77

0.0%

NA

COOPERA

0.25

0.00

5.2%

0.18

0.00

4.2%

0.27

0.00

6.7%

0.19

0.00

4.9%

0.25

0.00

6.3%

0.20

0.00

4.9%

5.4%

IDINTERN

0.38

0.00

7.9%

0.60

0.00

13.7%

0.50

0.00

12.5%

0.49

0.00

12.4%

0.60

0.00

14.9%

0.52

0.00

12.6%

12.3%

IDEX

0.09

0.18

1.8%

-0.04

0.57

-0.8%

0.02

0.77

0.5%

0.08

0.20

2.1%

0.05

0.45

1.2%

0.03

0.65

0.7%

NA

ALTAMEDTECH

-0.15

0.70

-3.1%

-0.05

0.89

-1.1%

0.43

0.16

10.8%

-0.07

0.83

-1.9%

0.15

0.64

3.7%

0.04

0.89

1.0%

NA

GTINN

0.00

0.09

0.0%

0.00

0.01

0.0%

0.00

0.04

0.0%

0.00

0.01

0.0%

0.00

0.15

0.0%

0.00

0.03

0.0%

0.0%

Variables

Coef

Prob

C

-1.68

BF1

Fuente: Cálculos propios basado en datos del PITEC. 1- Por brevedad se excluyen los sectores CNAE utilizados en la regresión. 2- Promedio para los años en que fue significativa la variable al menos al 90%.

31

Tabla 6. Resultados de las regresiones para el modelo 1 entre 2004 y 2009 para las empresas con al menos 200 empleados. Barreras financieras desagrupadas Hipótesis 1. Variable dependiente Consin1. Incluye las empresas con al menos 200 empleados. 1 Barreras desagrupadas. 2004 Variables

2005

2006

2007

2008

2009 Efecto marginal promedio2

Coef

Prob

Efecto Marginal

Pseudo R2

Coef

Prob

Efecto Marginal

Pseudo R2

Coef

Prob

Efecto Marginal

Pseudo R2

Coef

Prob

Efecto Marginal

Pseudo R2

Coef

Prob

Efecto Marginal

Pseudo R2

Coef

Prob

Efecto Marginal

Pseudo R2

C

-2.69

0.00

-19.9%

28.2%

-2.20

0.00

-17.4%

28.3%

-2.15

0.00

-24.0%

24.6%

-1.95

0.00

-24.40%

27.1%

-1.67

0.00

-26.0%

23.5%

-2.13

0.00

-31.8%

26.0%

BF1

0.07

0.57

0.5%

-0.03

0.80

-0.3%

-0.03

0.79

-0.4%

0.09

0.46

1.11%

0.34

0.00

5.3%

0.41

0.00

6.2%

5.7%

BF2

-0.02

0.85

-0.2%

0.38

0.00

3.0%

0.26

0.03

2.9%

0.19

0.09

2.36%

0.02

0.85

0.3%

-0.09

0.39

-1.4%

2.7%

BF3

0.14

0.21

1.0%

-0.25

0.03

-2.0%

0.04

0.66

0.5%

-0.07

0.52

-0.84%

-0.05

0.63

-0.7%

0.02

0.88

0.2%

-2.0%

BFACI1

0.23

0.15

1.7%

0.01

0.94

0.1%

0.07

0.66

0.7%

0.21

0.12

2.65%

-0.01

0.97

-0.1%

0.13

0.34

2.0%

NA

BFACI2

0.06

0.77

0.5%

-0.30

0.19

-2.4%

-0.15

0.46

-1.6%

0.08

0.66

0.95%

0.20

0.25

3.2%

-0.10

0.61

-1.5%

NA

BFACI3

0.24

0.23

1.8%

0.12

0.57

1.0%

-0.01

0.97

-0.1%

0.24

0.16

3.05%

0.20

0.23

3.2%

0.03

0.89

0.4%

NA

BFACI4

-0.04

0.79

-0.3%

0.33

0.04

2.6%

0.09

0.54

1.0%

0.35

0.01

4.39%

0.09

0.50

1.4%

0.17

0.24

2.5%

3.5%

OBARR1

0.11

0.36

0.8%

0.32

0.01

2.5%

0.04

0.73

0.4%

-0.05

0.67

-0.61%

0.10

0.37

1.5%

0.06

0.63

0.8%

2.5%

OBARR2

0.14

0.27

1.0%

0.12

0.34

0.9%

0.24

0.03

2.6%

0.25

0.02

3.18%

0.16

0.11

2.6%

0.25

0.01

3.7%

3.2%

OBARR3

-0.18

0.48

-1.3%

-0.69

0.06

-5.5%

-0.28

0.26

-3.1%

-0.97

0.01

-12.11%

0.04

0.85

0.6%

-0.32

0.25

-4.8%

-8.8%

OBARR4

-0.44

0.03

-3.2%

-0.65

0.00

-5.2%

-0.52

0.01

-5.8%

-0.61

0.00

-7.57%

-0.47

0.01

-7.4%

-0.46

0.02

-6.9%

-6.0%

FINPUBLICA

0.20

0.05

1.4%

0.12

0.21

0.9%

0.19

0.04

2.2%

0.22

0.01

2.77%

0.24

0.00

3.7%

0.20

0.03

3.0%

2.6%

GRUPO

0.34

0.00

2.5%

0.23

0.02

1.8%

0.20

0.04

2.2%

0.34

0.00

4.27%

0.18

0.05

2.8%

0.36

0.00

5.3%

3.1%

ANTIQ

0.00

0.61

0.0%

0.00

0.97

0.0%

0.00

0.95

0.0%

0.00

0.30

0.02%

0.00

0.94

0.0%

0.00

0.01

0.0%

0.0%

COOPERA

0.34

0.00

2.5%

0.40

0.00

3.1%

0.28

0.00

3.2%

0.36

0.00

4.56%

0.31

0.00

4.8%

0.30

0.00

4.4%

3.8%

IDINTERN

0.74

0.00

5.5%

0.74

0.00

5.9%

0.76

0.00

8.5%

0.67

0.00

8.39%

0.54

0.00

8.4%

0.61

0.00

9.2%

7.6%

IDEX

0.27

0.01

2.0%

0.17

0.07

1.4%

0.14

0.12

1.6%

-0.01

0.94

-0.09%

0.10

0.26

1.5%

0.13

0.15

1.9%

1.7%

ALTAMEDTECH

-0.25

0.56

-1.8%

-0.03

0.92

-0.3%

-0.03

0.94

-0.3%

-0.75

0.01

-9.34%

-0.42

0.22

-6.6%

-0.48

0.21

-7.2%

-9.3%

GTINN

0.00

0.74

0.0%

0.00

1.00

0.0%

0.00

0.22

0.0%

0.00

0.02

0.00%

0.00

0.00

0.0%

0.00

0.01

0.0%

0.0%

-23.9%

Fuente: Cálculos propios basado en datos del PITEC. 1- Por brevedad se excluyen los sectores CNAE utilizados en la regresión. 2- Promedio para los años en que fue significativa la variable al menos al 90%. Tabla 7. Resultados de las regresiones para el modelo 2 entre 2004 y 2009 para las barreras financieras.

Hipótesis 2. Variable dependiente Barrfin.1 2004 Variables

2005

2006

2007

2008

2009 Efecto marginal promedio2

Coef

Prob

Efecto Marginal

Pseudo R2

Coef

Prob

Efecto Marginal

Pseudo R2

Coef

Prob

Efecto Marginal

Pseudo R2

Coef

Prob

Efecto Marginal

Pseudo R2

Coef

Prob

Efecto Marginal

Pseudo R2

Coef

Prob

Efecto Marginal

Pseudo R2

C

0.34

0.00

13.1%

6.6%

0.40

0.00

15.2%

7.9%

0.42

0.00

15.9%

7.9%

0.36

0.00

13.5%

8.3%

0.46

0.00

17.9%

8.3%

0.60

0.00

23.7%

8.5%

LNTAM

-0.14

0.00

-5.4%

-0.14

0.00

-5.4%

-0.15

0.00

-5.5%

-0.13

0.00

-5.1%

-0.13

0.00

-5.1%

-0.13

0.00

-5.3%

-5.3%

ANTIQ

0.00

0.01

-0.1%

0.00

0.00

-0.1%

0.00

0.02

-0.1%

0.00

0.02

-0.1%

0.00

0.22

0.0%

0.00

0.16

0.0%

-0.1%

ALTAMEDTECH

0.33

0.10

12.7%

0.28

0.17

10.6%

0.48

0.02

18.3%

0.56

0.01

21.4%

0.46

0.02

18.0%

0.37

0.06

14.7%

17.0%

GRUPO

-0.11

0.00

-4.3%

-0.15

0.00

-5.8%

-0.21

0.00

-7.9%

-0.24

0.00

-8.9%

-0.26

0.00

-10.2%

-0.27

0.00

-10.8%

-8.0%

FINPUBLICA

0.24

0.00

9.2%

0.26

0.00

9.9%

0.24

0.00

9.0%

0.26

0.00

9.8%

0.25

0.00

9.6%

0.26

0.00

10.3%

9.6%

GTINN

0.00

0.00

0.0%

0.00

0.02

0.0%

0.00

0.06

0.0%

0.00

0.15

0.0%

0.00

0.44

0.0%

0.00

0.06

0.0%

0.0%

16.6%

Fuente: Cálculos propios basado en datos del PITEC. 1- Por brevedad se excluyen los sectores CNAE utilizados en la regresión. 2- Promedio para los años en que fue significativa la variable al menos al 90%.

33

Tabla 8. Resultados de las regresiones para el modelo 2 entre 2004 y 2009 para las otras barreras a la innovación. Hipótesis 2. Variable dependiente Otrasbarr.1 2004 Variables

2005

Pseudo R2

Coef

2.1%

2006

Prob

Efecto Marginal

Pseudo R2

Coef

0.39

0.00

15.5%

2.1%

2007

Prob

Efecto Marginal

Pseudo R2

Coef

0.28

0.00

11.2%

2.1%

2008

Prob

Efecto Marginal

Pseudo R2

Coef

0.19

0.02

7.5%

2.2%

2009

Prob

Efecto Marginal

Pseudo R2

Prob

Efecto Marginal

Pseudo R2

Coef

0.25

0.00

10.1%

2.0%

0.24

0.00

9.6%

2.2%

Efecto marginal promedio2

Coef

Prob

Efecto Marginal

C

0.06

0.47

2.4%

LNTAM

0.00

0.96

0.0%

-0.05

0.00

-2.1%

-0.06

0.00

-2.4%

-0.06

0.00

-2.3%

-0.07

0.00

-2.7%

-0.06

0.00

-2.4%

-2.4%

ANTIQ

0.00

0.01

-0.1%

0.00

0.00

-0.1%

0.00

0.02

-0.1%

0.00

0.18

0.0%

0.00

0.48

0.0%

0.00

0.36

0.0%

-0.1%

ALTAMEDTECH

0.03

0.88

1.2%

0.04

0.84

1.6%

0.11

0.59

4.3%

0.10

0.60

4.1%

-0.10

0.61

-4.1%

0.29

0.14

11.7%

NA

GRUPO

-0.15

0.00

-5.9%

-0.14

0.00

-5.6%

-0.16

0.00

-6.5%

-0.18

0.00

-7.3%

-0.19

0.00

-7.6%

-0.21

0.00

-8.5%

-6.9%

FINPUBLICA

-0.02

0.65

-0.7%

-0.05

0.15

-2.1%

0.07

0.07

2.8%

0.10

0.01

4.1%

0.04

0.29

1.6%

0.04

0.34

1.4%

3.4%

GTINN

0.00

0.04

0.0%

0.00

0.77

0.0%

0.00

0.91

0.0%

0.00

0.52

0.0%

0.00

0.13

0.0%

0.00

0.28

0.0%

0.0%

Fuente: Cálculos propios basado en datos del PITEC. 1- Por brevedad se excluyen los sectores CNAE utilizados en la regresión. 2- Promedio para los años en que fue significativa la variable al menos al 90%

10.8%

ANEXO 3. Descripción de las barreras incluidas en los modelos Sigla utilizada Barrfin

Otrasbarr

BF1 BF2 BF3 BFACI1 BFACI2 BFACI3 BFACI4 OBARR1 OBARR2 OBARR3 OBARR4

Descripción La empresa presentó barreras financieras. Incluye la falta de fondos de la empresa o grupo empresarial, falta de fondos exteriores a la empresa y altos costos de la innovación La empresa presentó otros tipos de barreras a la innovación. Incluye falta de personal cualificado, falta de información tecnológica, falta de información sobre mercados, dificultades para encontrar socios para la cooperación en innovación, mercado dominado por empresas establecidas, demanda incierta de bienes y servicios innovadores, innovación no necesaria por innovaciones previas, innovación no necesitada por falta de demanda de innovaciones Falta de fondos de la empresa o grupo empresarial Falta de fondos externos a la empresa Altos costos de las innovaciones Falta de personal cualificado Falta de información sobre tecnología Falta de información sobre mercados Dificultades para encontrar socios de cooperación para la innovación Mercado dominado por empresas establecidas Demanda incierta de bienes y servicios innovadores Innovación no necesaria debido a innovaciones previas Innovación no necesaria debido a la falta de demanda de innovaciones

Fuente: Elaboración propia basado en datos de PITEC.

Tipo de Barrera NA

NA

Barreras financieras

Otras barreras

View more...

Comments

Copyright � 2017 SILO Inc.