Preliminar Pág. i - ICONO · 2019. 5. 24. · 46 Tabla A.1. Estimación de la tasa de retorno bruta de la inversión en innovación. 70 Tabla A.2. Estimación de la elasticidad de

Estudio sobre los efectos de la I+D en los resultados empresariales para España: Informe Preliminar Pág. i

Estudio sobre los efectos de la I+D en los resultados empresariales para España: Informe Preliminar Pág. ii

Edita: Fundación Española para la

Ciencia y la Tecnología, FECYT, 2012

Elaboración: Naider

Estudio sobre los efectos de la I+D en los resultados empresariales para España: Informe Preliminar Pág. iii

ÍNDICE DE CONTENIDOS

1 PRESENTACIÓN 1

2 INTRODUCCIÓN 4

3 EL GASTO EN INNOVACIÓN EN ESPAÑA Y EN EUROPA. 8

4 ANÁLISIS DE LOS DATOS DE PARTIDA 13 4.1 SELECCIÓN DE LA MUESTRA 15

4.2 DESCRIPCIÓN DE LA MUESTRA 16

4.3 EVOLUCIÓN TEMPORAL 19

5 MODELO EMPÍRICO 23 5.1 EFECTOS DE LA INNOVACIÓN EN LA PRODUCCIÓN DE LA

EMPRESA 23

5.2 EFECTOS DE LA INNOVACIÓN EN LAS EXPORTACIONES DE LAS EMPRESAS. 24

5.3 EFECTOS DE LA INNOVACIÓN EN LAS VENTAS INNOVADORAS DE LAS EMPRESAS. 25

6 RESULTADOS 27 6.1 EFECTOS DE LA INNOVACIÓN EN LA PRODUCCIÓN DE LA

EMPRESA 27

6.2 EFECTOS DE LA INNOVACIÓN SOBRE LAS EXPORTACIONES 34

6.3 EFECTOS DE LA INNOVACIÓN SOBRE LAS VENTAS INNOVADORAS. 39

7 CONCLUSIONES 47

8 CONSIDERACIONES SOBRE LOS MODELOS 51

Estudio sobre los efectos de la I+D en los resultados empresariales para España: Informe Preliminar Pág. iv

9 APÉNDICE METODOLÓGICO 53 9.1 EL IMPACTO DE LA INNOVACIÓN EN LA PRODUCCIÓN Y EN LA

PRODUCTIVIDAD DE LA EMPRESA 53

9.1.1 Marco teórico 53

9.1.2 Metodología empírica 57

9.2 LOS EFECTOS DE LA INNOVACIÓN SOBRE LAS EXPORTACIONES Y EN LA VENTA DE NUEVOS PRODUCTOS 58

9.2.1 Marco teórico 58

9.2.2 Metodología empírica 61

El efecto de la innovación sobre las exportaciones 61

El efecto de la innovación sobre la venta de productos nuevos 65

10 APÉNDICE DE RESULTADOS 68 10.1 EFECTOS DE LA INNOVACIÓN EN LA PRODUCCIÓN DE LA

EMPRESA 68

10.2 EFECTOS DE LA INNOVACIÓN SOBRE LAS EXPORTACIONES 72

10.2.1 Muestra total 72

10.2.2 Diferencias sectoriales. 74

10.3 EFECTOS DE LA INNOVACIÓN SOBRE LAS VENTAS INNOVADORAS. 75

10.3.1 Muestra total. 75

11 APÉNDICE DE REVISIÓN DE LA LITERATURA 78

12 BIBLIOGRAFÍA 82

Estudio sobre los efectos de la I+D en los resultados empresariales para España: Informe Preliminar Pág. v

ÍNDICE DE GRÁFICOS

Gráfico 1: Evolución la intensidad en I+D (gastos en I+D en % sobre el PIB) en

una selección de países europeos. 9

Gráfico 2: Intensidad en I+D española con respecto a la intensidad en la UE15 10

Gráfico 3: Tasa de crecimiento de la intensidad en I+D española y europea

(EU15) entre 2004-2008. 11

Gráfico 4. Porcentaje de ventas innovadoras sobre el total de ventas de las

empresas. 12

Gráfico 5. Distribución sectorial de la muestra. 18

Gráfico 6. Evolución de las ventas y el empleo. Tasas de crecimiento

ponderadas. 19

Gráfico 7. Productividad, porcentaje de exportadores y volumen de

exportaciones extracomunitarias. Tasas de crecimiento ponderadas. 20

Gráfico 8. Gastos en innovación. Tasa de crecimiento mediana (ponderada) 21

Gráfico 9. Intensidad en innovación. Tasa de crecimiento ponderado (valores

medianos) 22

Gráfico 10. Probabilidad estimada de introducir una innovación en producto. 40

Estudio sobre los efectos de la I+D en los resultados empresariales para España: Informe Preliminar Pág. vi

Gráfico A.1: Las decisiones de innovación y las ventas de nuevos productos y

las exportaciones. 59

Gráfico A.2. Impacto de la innovación en la propensión a exportar 61

Gráfico A.3. Impacto de la innovación en las exportaciones: variables 63

Gráfico A.4. Impacto de la innovación en la venta de productos nuevos 65

Estudio sobre los efectos de la I+D en los resultados empresariales para España: Informe Preliminar Pág. vii

ÍNDICE DE TABLAS

Tabla 1. Glosario de conceptos y definiciones de innovación e I+D 7

Tabla 2. Selección de la muestra. 15

Tabla 3. Descripción de las variables 17

Tabla 4. Estadísticos descriptivos 18

Tabla 5. Distribución de las empresas según la intensidad de la innovación 19

Tabla 6. Impacto estimado de la innovación en las ventas de las empresas 28

Tabla 7. Simulación del efecto de la innovación en las ventas de las empresas 30

Tabla 8: Principales resultados de los efectos del gasto en innovación en las

ventas de las empresas españolas. 33

Tabla 9: Efecto de la inversión en innovación en la probabilidad de exportar. 34

Tabla 10: Efecto de la inversión en innovación en el volumen de exportaciones

extracomunitarias. 37


exportaciones de las empresas españolas. 38

Tabla 12. Variables incluidas en el estudio de ventas innovadoras. 39

Tabla 13: Efecto estimado de las distintas variables en la probabilidad de

introducir una innovación en producto 41

Estudio sobre los efectos de la I+D en los resultados empresariales para España: Informe Preliminar Pág. viii

Tabla 14. Efecto de un cambio en la intensidad de la innovación en el porcentaje

de ventas innovadoras. 43


ventas innovadoras de las empresas españolas. 46

Tabla A.1. Estimación de la tasa de retorno bruta de la inversión en innovación. 70

Tabla A.2. Estimación de la elasticidad de las ventas con respecto al gasto en

innovación. 71

Tabla A.3. Estimación de la elasticidad y la tasa de retorno de la innovación:

diferencias sectoriales. 72

Tabla A.4: Efecto de la inversión en innovación en la probabilidad de exportar. 73

Tabla A.5: Efecto de la inversión en innovación en el volumen de exportaciones

extracomunitarias. 74

Tabla A.6: Efecto de la inversión en innovación en la probabilidad de exportar:

diferencias sectoriales. 75

Tabla A.7. Estimación de la probabilidad de conseguir una innovación exitosa

(Probit) 76

Tabla A.8. Efecto de la inversión en innovación en la proporción de ventas

innovadoras de la empresa. 77

Tabla B.1. Revisión de la literatura empírica sobre los efectos de la I+D en la

producción: países europeos. 78

Estudio sobre los efectos de la I+D en los resultados empresariales para España: Informe Preliminar Pág. ix

Tabla B.2. Revisión de la literatura empírica sobre los efectos de la I+D en la

producción: España. 79

Tabla B.3. Revisión de la literatura empírica sobre los efectos de la innovación

en las exportaciones. 80

Tabla B.4. Revisión de la literatura empírica sobre los efectos de la innovación

en el output innovador. 81

Estudio sobre los efectos de la I+D en los resultados empresariales para España: Informe Preliminar Pág. 1

1 PRESENTACIÓN

La Estrategia Estatal de Innovación (E2i) es el principal instrumento de política de impulso de

la innovación en España. En ella se recogen los objetivos del Gobierno de cara a los próxi-

mos años en esta materia y se establecen una serie de ejes de trabajo que refuerzan el proce-

so de incorporación de la variable innovación en la estrategia de la empresa española1.

La innovación es, de hecho, el gran reto al que se enfrenta las empresas y el Gobierno asu-

me el compromiso de redoblar los esfuerzos económicos e institucionales para incorporar

de una manera determinante ese vector en la estrategia general de las empresas. Y lo hace

con el convencimiento pleno de que es la mejor opción para la competitividad de España.

La literatura al respecto y los estudios de todo tipo de las principales instituciones académi-

cas y universitarias coinciden en señalar que la inversión en innovación tiene unas implica-

ciones positivas en la competitividad empresarial.

Todos los indicadores analizados parecen admitir que hay una relación causal entre los es-

fuerzos que se hacen en innovación y la capacidad de respuesta de las empresas a las de-

mandas de los clientes, lográndose de esta manera mayores cuotas en mercados existentes

y una introducción en nuevos entornos gracias a la mejora de los productos o la salida al

mercado de otros nuevos.

Una eficaz inversión en innovación consigue mejoras en la organización de la empresa, en

la forma de producir y en la eficiencia en la gestión, todo esto hace que las ventajas compe-

titivas de la empresa se consoliden en el mercado y en el tiempo. Invertir en innovación pa-

1 El denominado “pentágono de la innovación” es la piedra angular de la estrategia. Cada uno de sus cinco vértices recoge un vector estratégi-co de desarrollo de la política.


rece implicar necesariamente que la empresa va a ser capaz de anticiparse a la demanda y

de consolidar sus posiciones.

A pesar de estas ventajas potenciales, la innovación empresarial en España es todavía baja y

el esfuerzo que realizan las empresas está sustancialmente por debajo de la media europea.

Así, el esfuerzo empresarial en investigación y desarrollo (uno de los indicadores principa-

les para medir el esfuerzo de innovación) es aún algo menos del 60% del esfuerzo europeo.

¿A qué se debe este notable desfase? ¿Qué implicaciones tiene esta circunstancia a nivel

empresarial? ¿Y a nivel macroeconómico? ¿La inversión en España no resulta suficiente-

mente rentable desde el punto de vista competitivo?

Quizás la explicación a este fenómeno pase simplemente porque la complejidad de proceso

innovador, su elevado coste y la incertidumbre que trae intrínsecamente asociada la inno-

vación hagan que muchos empresarios se retraigan a la hora de reforzar su estrategia inno-

vadora (máxime en tiempos de desaceleración económica generalizada donde el corto pla-

zo es también una exigencia de futuro) por desconocimiento del alcance de tal decisión y a

veces también por incapacidad financiera o de otro tipo.

¿Qué papel puede jugar y juega, de hecho, el sector público español en toda esta dinámica?

¿Qué elementos deben reforzarse para orientar adecuadamente las políticas de promoción

de la innovación empresarial?

Para dar todos estos interrogantes y orientar con criterios técnicos las orientaciones de polí-

tica, la Fundación Española para la Ciencia y la Tecnología (FECYT) ha encargado al Servicio de

Estudios Económicos de Naider (www.naider.com), un exhaustivo análisis econométrico a

partir de los datos que la Fundación dispone sobre el comportamiento innovador de las

empresas españolas en el denominado Panel de Innovación Tecnológica (PITEC).

El objetivo del estudio ha sido el análisis del efecto real en términos de competitividad que

tiene en las empresas españolas la inversión en innovación. En particular el estudio se ha

dirigido a valorar el impacto de la innovación sobre las ventas de la empresa, las ventas de

nuevos productos y las exportaciones a mercados exteriores. Estas tres dimensiones del


análisis acometido permiten caracterizar la competitividad de las empresas, tanto en los

mercados interiores (cifra de ventas y productividad) como exteriores (exportaciones), así

como el éxito en la gestión de la innovación (ventas innovadoras) y los resultados del análi-

sis permitirán entender mejor los mecanismos que ligan esa competitividad empresarial

con las inversiones en innovación.


2 INTRODUCCIÓN

Cada vez es más patente que la innovación es el único camino en Europa para crear empleo

de calidad y sobrevivir a las presiones económicas consustanciales a la globalización y a la

necesidad de un crecimiento sostenible. Así se recoge en la Estrategia Europea 2020, acor-

dada por los estados miembros en Junio de 2010, y en particular en la recientemente lanza-

da “Innovation Union”, que se perfila como una estrategia de innovación global para Euro-

pa. Sus objetivos fundamentales son la mejora del acceso a la financiación de la innovación

y la mejora en los resultados de la innovación, en su éxito de forma que las ideas innovado-

ras puedan transformarse en productos y servicios que creen empleos y contribuyan al cre-

cimiento. El impulso de la inversión privada en actividades innovadoras es un elemento

clave de esta estrategia.

En esta línea, las políticas de innovación desarrolladas en muchos países, tienen como uno

de sus pilares básicos la involucración por parte de las empresas en su financiación. En par-

ticular la Estrategia Estatal de Innovación (E2i) entre sus objetivos para el año 2015, propo-

ne conseguir 6.000 millones de euros de financiación adicional procediendo gran parte de

ellos de las empresas particulares.

Pero para conseguir impulsar la inversión privada, es importante entender qué incentivos

que tienen las empresas para llevar a cabo inversiones en innovación. Y éstos van a venir a

su vez determinados por los retornos empresariales de las inversiones. Las inversiones en

innovación pueden ser de distinto tipo pero su objetivo es siempre incrementar el stock de

conocimiento de la empresa para encontrar nuevas aplicaciones o mejoras de las ya existen-

tes2. Así, la inversión en innovación acometida por una empresa puede mejorar la produc-

tividad de la misma mejorando la calidad de los bienes o servicios que produce, reduciendo

los costes de los mismos o simplemente ampliando el espectro de bienes o servicios que

ofrece. Por lo tanto, la innovación es una fuente de ventajas comparativas y de mercado pa-

ra las empresas.

2 Véanse definiciones en la Tabla 1.


Sin embargo, a pesar de las ganancias potenciales, los niveles de innovación empresarial en

España son relativamente bajos, comparados con el entorno. ¿Cuál es la razón que subyace

tras estas diferencias?

Una parte de las diferencias en la intensidad de la innovación puede tener su origen en po-

sibles diferencias de composición sectorial de las empresas españolas con respecto a otros

países: la estructura empresarial española puede estar concentrada en sectores que son me-

nos intensivos en innovación tecnológica (sectores de media y baja tecnología) y que por lo

tanto requieren un menor gasto.

Otra parte de las diferencias podría deberse a que los retornos obtenidos de la innovación

por las empresas españolas, es decir, la rentabilidad de la innovación, son menores que en

otros países, lo que desincentivaría a las empresas a acometer este tipo de gastos.

Existen además otra serie de posibles explicaciones que van desde restricciones externas

(acceso a financiación o a personal cualificado) que dificultan la inversión en innovación,

escasa cofinanciación por parte del sector público, una mala gestión de la innovación em-

presarial, una escasa colaboración entre los agentes científicos del sistema y las empresas,

etc.

Cualquier diseño de políticas de innovación que pretenda ser efectivo deberá por lo tanto

entender los mecanismos que determinan los niveles de gasto en innovación empresarial.

Por ello, en este estudio se abordará el análisis del segundo de los puntos mencionados, es

decir, de los retornos privados de los gastos en innovación desde tres perspectivas:

1. En primer lugar, analizaremos que efectos tiene el gasto en innovación en la producción de las empresas, medida a través de sus ventas;

2. En segundo lugar, se estudiará el impacto de las inversiones en innovación en el volumen de exportaciones de la empresa;

3. Por último en tercer lugar, se analizará el impacto de las inversiones en innovación en la cartera de nuevos productos o servicios de la empresa.

Adicionalmente se aportará de forma indirecta evidencia sobre la existencia de diferencias

sectoriales que pudieran estar en el origen de las diferencias en el gasto en innovación de


las empresas españolas. Se utilizarán para ello los datos disponibles en el Panel de innova-

ción Tecnológica (PITEC).

Estas tres dimensiones del análisis acometido permiten caracterizar la competitividad de

las empresas, tanto en los mercados interiores (cifra de ventas) como exteriores (exporta-

ciones), así como el éxito en la gestión de la innovación (ventas innovadoras) y los resulta-

dos del análisis permitirán entender mejor los mecanismos que ligan esa competitividad

empresarial con las inversiones en innovación.

La estructura del estudio que se presenta a continuación es la siguiente: en la Sección 2 se

presenta una comparación del gasto en innovación en España con el de otros países euro-

peos; la sección 3 recoge una descripción de los datos de partida; la Sección 4 brevemente

recoge el modelo empírico, que se describe en detalle en un Apéndice Metodológico (Sec-

ción 7); la Sección 5 presenta un resumen de los resultados, que se describen de forma más

técnica en un Apéndice de Resultados (Sección 8); la Sección 6 discute las principales con-

clusiones del estudio y finalmente en la Sección 9 se presentan las referencias bibliográficas.


Tabla 1. Glosario de conceptos y definiciones de innovación e I+D

DEFINICIONES

De acuerdo a la definición recogida en el Manual de Frascati (2002) se consideran actividades de I+D

los trabajos creativos, que se emprenden de modo sistemático con el fin de aumentar el volumen de

conocimientos para concebir nuevas aplicaciones, como productos (bienes/ servicios) y procesos nue-

vos o sensiblemente mejorados.

Según el Manual de Oslo (2005) las actividades sobre innovación incluyen el conjunto de actuaciones

científicas, tecnológicas, organizativas, financieras y comerciales que realmente, o pretendidamente,

conducen a la introducción de innovación.

De acuerdo a ambos manuales, la inversión en innovación tecnológica se define como el gasto en

actividades que tengan el objetivo de conseguir productos (bienes o servicios) o procesos nuevos o

sensiblemente mejorados, basados en la ciencia, la tecnología y otras áreas de conocimiento. Se inclu-

yen las siguientes partidas de gasto:

• Gasto en I+D interna. • Adquisición de I+D externa. • Adquisición de maquinarias, equipos y hardware o software avanzados destinados a la

producción de productos o procesos nuevos o mejorados de manera significativa. • Adquisición de otros conocimientos externos para la innovación (compra o uso, bajo licen-

cia, de patentes o de inversiones no patentadas y conocimientos técnicos o de otro tipo, de otras empresas u organizaciones para utilizar en las innovaciones de su empresa).

• Gasto en formación, interna o externa, de su personal, destinado específicamente al desarro-llo o introducción de productos o procesos nuevos o mejorados de manera significativa.

• Gasto en actividades de introducción en el mercado de sus bienes o servicios nuevos o mejo-rados de manera significativa, incluidas la prospección del mercado y la publicidad de lan-zamiento.

• Gasto en procedimientos y preparativos técnicos para realizar productos o procesos nuevos o mejorados de manera significativa, no incluidos en otros apartados.

Según estas definiciones, a lo largo del texto se usa indistintamente el término inversión o gasto en

innovación (y correspondientemente, inversión o gasto en I+D), y aunque no se mencione explícita-

mente, siempre se hará referencia a la innovación tecnológica.


3 EL GASTO EN INNOVACIÓN EN ESPAÑA Y EN EUROPA.

Los estudios teóricos y empíricos sobre el efecto de la innovación en los resultados empre-

sariales apuntan a que, en general, existe una relación causal entre los esfuerzos en innova-

ción y el comportamiento de las empresas tanto en los mercados interiores como exteriores.

Una eficaz inversión en innovación permite a las empresas ampliar sus mercados, mejorar

sus procesos productivos, organizarse más eficientemente o responder mejor a las deman-

das de sus clientes, consolidando y mejorando sus posiciones en los mercados en los que

desarrollan su actividad.

Sin embargo, a pesar de las ventajas potenciales, el esfuerzo de innovación empresarial en

España está sustancialmente por debajo de la media europea. Un punto de partida impor-

tante para entender el gasto en innovación en las empresas españolas es su comparación

con el gasto en innovación en el que incurren otras empresas del entorno, en particular

otras empresas europeas.

Los datos sobre gastos en innovación son difíciles de medir y la tradición de hacerlo en Eu-

ropa de una forma homogénea es relativamente reciente3. Por ello, en esta sección compara-

remos fundamentalmente datos en I+D, cuya recogida y análisis cuenta con mucha más

tradición en las empresas de los diferentes países4. La evolución de los gastos en I+D es de

cualquier modo un buen indicador de la evolución de la actividad innovadora ya que cons-

tituyen la mayor partida de los gastos de innovación: por ejemplo, en 2008, el 53,2% de los

gastos de innovación fueron dedicados a la realización de I+D interna o compra de I+D ex-

terna; el 31,1% de los gastos se destinaron a la compra de maquinaria, equipos y hardware

o software avanzado; el restante 15,8% del total del gasto fue destinado a otras partidas.

3 La primera edición del Manual de Oslo, la guía para la recogida e interpretación de datos de innovación, se publicó en 1992. De acuerdo a esta publicación y a sus subsiguientes actualizaciones se realiza cada cuatro años en Europa la “Community In-novation Survey” (CIS), con una versión reducida de la misma cada dos años desde 2004. En España, la encuesta se realiza anualmente desde el año 2002 (“Encuesta sobre innovación tecnológica en las empresas”). 4 La primera edición del Manual de Frascati, que propone una guía para las encuestas sobre I+D, data de 1963. Eurostat pro-porciona datos homogéneos para los distintos países desde 1994.


Observando los datos sobre esfuerzo (intensidad) de la I+D, medido como el gasto en I+D

en proporción del PIB, que se desprenden de las Estadísticas de I+D (gráficos 1 y 2), se

aprecia una clara convergencia entre España y el resto de países de la UE15: España gastaba

en I+D el 0,81% de su PIB en 1994 mientras que en promedio, los países de la UE15 gasta-

ban 1,85%; en 2008, último año para el que hay datos disponibles, los porcentajes corres-

pondientes eran del 1,35% en España frente al 1,99% de la UE15. Es decir, el esfuerzo en

I+D en España ha crecido en este periodo cerca de un 67% frente a un crecimiento del 7,6%

europeo.

94 95 96 97 98 99 00 01 02 03 04 05 06 07 08

España 0,8 0,8 0,8 0,8 0,9 0,9 0,9 0,9 1,0 1,1 1,1 1,1 1,2 1,3 1,4

UE15 1,9 1,9 1,8 1,8 1,8 1,9 1,9 1,9 1,9 1,9 1,9 1,9 1,9 1,9 2,0

RU 2,0 1,9 1,8 1,8 1,8 1,8 1,8 1,8 1,8 1,8 1,7 1,7 1,8 1,8 1,9

Suecia 3,3 3,3 3,3 3,5 3,5 3,6 3,6 4,2 4,2 3,9 3,6 3,8 3,7 3,6 3,8

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

4,0

4,5Total

94 95 96 97 98 99 00 01 02 03 04 05 06 07 08

España 0,4 0,4 0,4 0,4 0,5 0,5 0,5 0,5 0,5 0,6 0,6 0,6 0,7 0,7 0,7

UE15 1,2 1,2 1,1 1,2 1,2 1,2 1,2 1,3 1,3 1,2 1,2 1,2 1,2 1,3 1,3

RU 1,2 1,2 1,2 1,2 1,2 1,2 1,2 1,2 1,2 1,1 1,1 1,1 1,1 1,2 1,2

Suecia 2,4 2,4 2,4 2,6 2,6 2,7 2,7 3,2 3,2 2,9 2,7 2,8 2,8 2,7 2,8

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5Empresas

94 95 96 97 98 99 00 01 02 03 04 05 06 07 08

España 0,2 0,2 0,2 0,1 0,1 0,2 0,1 0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,3

UE15 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,2 0,3 0,3 0,3 0,3 0,2 0,2

RU 0,3 0,3 0,3 0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,2 0,2

Suecia 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,1 0,2 0,2 0,2 0,2

0,0

0,1

0,1

0,2

0,2

0,3

0,3

0,4Administración Pública

94 95 96 97 98 99 00 01 02 03 04 05 06 07 08

España 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,3 0,4

UE15 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4

RU 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,4 0,5 0,5 0,5 0,5

Suecia 0,7 0,7 0,7 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8 0,8

0,0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9 Enseñanza Universitaria

Fuente: Elaboración propia a partir de los datos de la “Estadística de I+D” (Eurostat).

Gráfico 1: Evolución la intensidad en I+D (gastos en I+D en % sobre el PIB) en una selección de países europeos.

Así, en 1994 la intensidad de la I+D en España alcanzaba sólo el 43,8% de la intensidad en

I+D media de Europa, pasando a alcanzar el 67,8% de la misma en 2008 (gráfico 2). La con-


vergencia con los países considerados individualmente es también clara (véase el gráfico 1)

aunque las distancias con alguno de ellos, por ejemplo Suecia, siguen siendo considerables.

Un análisis más desagregado del esfuerzo en I+D nos permite comprobar que esa conver-

gencia ha sido desigual: el sector de mayor peso en términos de intensidad de la I+D, las

empresas, aunque también ha convergido hacia los datos europeos todavía se halla muy

alejado de su media. La intensidad en I+D de las empresas alcanzó en 1994 un 32,8% de la

europea llegando en 2008 al 57,8%. Su crecimiento en los últimos cinco años, muy superior

al crecimiento medio de la UE15, se situó en una tasa anual del 5,4%, superior a la tasa de

crecimiento de la intensidad de la I+D en las Universidades, que mostraron un crecimiento

del 2,5%, pero muy inferior al crecimiento del esfuerzo de I+D realizado por las Adminis-

traciones Públicas, que durante los mismos cinco años creció a una tasa del 9,4%.

1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008

Total 43,8 42,7 45,0 43,7 47,3 45,5 47,6 47,4 51,3 54,7 56,1 59,3 62,5 65,8 67,8

Empresas 32,8 32,8 34,5 33,6 39,3 36,6 39,5 38,4 43,2 46,3 47,9 50,0 54,5 56,8 57,8

Administración Pública 56,7 50,0 53,6 51,9 51,9 55,6 53,8 60,0 62,5 64,0 68,0 76,0 80,0 91,7 104,2

Enseñanza Universitaria 68,4 65,8 70,3 68,4 71,1 68,4 69,2 68,3 69,0 74,4 73,8 78,6 78,6 80,5 83,7

0,0

20,0

40,0

60,0

80,0

100,0

120,0

%

(Intensidad de la I+D española/Intensidad de la I+D en la UE15) x 100, para cada uno de los sectores)


Gráfico 2: Intensidad en I+D española con respecto a la intensidad en la UE15

De hecho, la tasa de crecimiento de la intensidad de la I+D realizada por las empresas dis-

minuye de forma marcada a partir de 2006 (véase gráfico 3): este efecto podría verse expli-

cado por las expectativas de crisis existían en 2007 y que probablemente tendieron a cance-


lar o posponer algunas inversiones en I+D. Como se aprecia en el mismo gráfico, la caída en

la tasa de crecimiento de la intensidad de la I+D en las empresas se ha visto compensada

durante los dos últimos años por la intensidad de la I+D de las Administraciones Públicas y

de la Enseñanza Universitaria, de modo que la intensidad en el conjunto de la economía ha

seguido creciendo a tasas constantes. El mismo tipo de evolución, aunque suavizado por

ser una media, puede apreciarse para el conjunto de la UE15.

-1,6-0,8

2,51,6

2,41,83,4

11,7

6,0

4,2

-4,0

-2,0

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

%

Empresas: UE15 Empresas: España

-1,60,0

1,60,5

3,1

1,0

5,77,1

5,8 6,3

-4,0

-2,0

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

%

Total: UE15 Total:España

0,0 0,0 0,0

-4,0

0,0

6,3

11,8

5,3

10,0

13,6

-4,0

-2,0

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

%

Admon. Pública: UE15 Admon. Pública: España

-2,3

0,0 0,0

-2,4

4,9

-3,1

6,5

0,0 0,0

9,1

-4,0

-2,0

0,0

2,0

4,0

6,0

8,0

10,0

12,0

14,0

%

Enseñanza Universitaria: UE15

Enseñanza Universitaria: España


Gráfico 3: Tasa de crecimiento de la intensidad en I+D española y europea (EU15) entre 2004‐2008.

Aunque como se ha mencionado anteriormente la información homogénea para los países

europeos es más abundante sobre I+D que sobre innovación, un dato que Eurostat propor-

ciona sobre innovación es el porcentaje de ventas innovadoras sobre el total de ventas de

las empresas. Este dato está elaborado a partir de la “Community Innovation Survey” (CIS)

que realiza cada país y el gráfico 4 muestra las cifras correspondientes a los años disponi-

bles, 2004 y 2006. De acuerdo a estas cifras, el porcentaje de ventas innovadoras sobre el to-

tal de ventas de las empresas españolas fue del 13,8% en 2004 elevándose al 15,9% en 2006.


Esta cifra es claramente superior a la media europea y está incluso por encima de la de los

países más avanzados en materia de innovación.

UE27 España Suecia Reino Unido

2004 13,7 13,8 13,4 13,9

2006 13,4 15,9 15,0 8,5

02468

1012141618

%

Fuente Eurostat en base a las respuestas a la Community Innovation Survey.

Gráfico 4. Porcentaje de ventas innovadoras sobre el total de ventas de las empresas.

Dos conclusiones emergen de esta comparación con datos europeos:

1. El esfuerzo innovador de las empresas españolas está todavía muy por debajo del de sus homólogas europeas;

2. Las ventas innovadoras de las empresas españolas están por encima de las del resto de países europeos.

En el análisis que se desarrolla en los siguientes capítulos se analizará, entre otros aspectos,

hasta qué punto el éxito de la innovación está relacionado con el esfuerzo innovador de las

empresas. Por otro lado, se intentará dar respuesta a la pregunta inicial sobre si las diferen-

cias en el esfuerzo innovador de las empresas se deben a diferencias en los retornos de la

innovación.


4 ANÁLISIS DE LOS DATOS DE PARTIDA

El estudio de los efectos de la innovación en los resultados de las empresas españolas re-

quiere de una base de datos que recoja la información relevante sobre las empresas, tanto

en términos de resultados como de inversiones de innovación. Para poder realmente esti-

mar el efecto causal de la innovación es de especial ayuda el disponer de esta información

para las mismas empresas a lo largo del tiempo.

Por ello, el análisis se llevará a cabo con datos procedentes del Panel de innovación Tec-

nológica (PITEC). El PITEC es un panel de datos que sigue a un conjunto de empresas a lo

largo del tiempo convirtiéndose así en un instrumento estadístico perfecto para estudiar la

innovación en las empresas españolas. La base de datos la construye el INE con el patroci-

nio de la FECYT y la Fundación COTEC y cuenta con el asesoramiento de un grupo de in-

vestigadores especializados. Los datos disponibles abarcan desde el año 2003 hasta el 2008.

Una descripción detallada de los mismos puede encontrarse en los informes anuales que

regularmente edita FECYT junto a los datos5.

El PITEC incluye cuatro muestras distintas de empresas:

• Una muestra representativa de empresas grandes (de más de 200 trabajadores) hagan I+D o no.

• Una muestra de empresas con I+D interna (grandes o pequeñas) • Una muestra de empresas con menos de 200 trabajadores que tienen gastos

por compra de servicios de I+D (I+D externa) pero sin I+D interna. • Una muestra representativa de empresas con menos de 200 trabajadores sin

gastos en innovación.

Las dos primeras muestras son las que constituyen el núcleo del panel, contando la primera

con la participación de 3178 empresas y la segunda con 7921 empresas en 2008. Las dos

últimas son de tamaño más limitado (396 y 872 empresas respectivamente en 2008).

En el informe de la OCDE “The OECD Innovation Strategy: Getting a Head Start on Tomo-

rrow” se resalta la importancia que juega el sector público en la innovación, proponiendo

5 http://sise.fecyt.es/


como claves de acción, entre otras, la inversión en bases de datos exhaustivas y de calidad

que permitan medir los determinantes y el impacto de la innovación. También Mairesse y

Mohnen en un reciente artículo (2010) preparado para el “Handbook of Innovation Econo-

mics” apuntaban al tipo de bases de datos que los distintos países deberían intentar construir

para avanzar en el conocimiento de la innovación.

En este sentido, el panel PITEC tiene ya mucho camino recorrido y se adelanta a alguna de

estas recomendaciones. Sus ventajas con respecto a otras bases de datos disponibles para

España e incluso para el resto de Europa son múltiples:

• la dimensión de panel de la base de datos por un lado permite analizar la dinámica de la innovación teniendo en cuenta efectos a lo largo del tiempo de las variables estudiadas y por otro lado permite controlar por posibles efectos idiosincráticos de las empresas y que no son observables para los investigadores;

• la base de datos se basa en el mismo cuestionario de la “Encuesta sobre innovación Tecnológica en las Empresas” que desde 2002 se realiza de forma coordinada con la “Estadística sobre actividades en Investigación Científica y Desarrollo Tecnológico (I+D)”. Es por lo tanto una encuesta comparable con las principales encuestas de la OCDE.

• la base de datos anonimizados es de fácil acceso a través de la página de la FECYT http://icono.fecyt.es/ lo que permite replicar y contrastar los estudios que se generen.

• la base de datos se realiza en estrecha colaboración entre investigadores en innovación y estadísticos especializados, enriqueciendo su evolución a lo largo del tiempo.

• la base de datos no se limita sólo a las empresas manufactureras, como otras bases longitudinales disponibles para España y otros países, lo que permite analizar también la innovación en otros sectores.

A continuación pasaremos a describir la muestra seleccionada para realizar el análisis.


4.1 SELECCIÓN DE LA MUESTRA

Para realizar el presente estudio se ha seleccionado una muestra con las siguientes carac-

terísticas (la Tabla 2 resume esta selección):

• Las empresas seleccionadas han tenido que ser entrevistadas de forma continua durante los años 2005-20086 y pertenecen a la muestra de empresas que realizan I+D7. Esto da una muestra inicial de 7677 empresas observadas a lo largo de los 4 años considerados (30708) observaciones.

• Las empresas seleccionadas tienen que tener valores válidos de las variables de interés. Se eliminan así aquellas empresas que declaran tener una cifra de negocios menor que 6000€ en alguno de los años considerados o una intensidad de la innovación (gastos en innovación/cifra de negocios) mayor que 48. De esta forma pasamos a una muestra de 7469 empresas (29984 observaciones) perdiendo un 2,4% de la muestra inicial.

• Por último, se seleccionan empresas que además de pertenecer a la muestra de empresas con I+D interna realizan gastos positivos en innovación en todos los años considerados en el estudio, obteniendo así una cifra final de 4776 empresas y 19104 observaciones.

Número de Observaciones

% sobre la muestra inicial

Número de empresas

Entrevistadas 2005-2008 30708 100,0 7677Cifra de negocio>6000€ 30520 99,4 7630Tamaño > 0 30508 99,3 7627Intensidad < 4 29984 97,6 7469Gastos innovación>0 19104 62,2 4776

Tabla 2. Selección de la muestra. Una característica de la muestra seleccionada es por lo tanto que se concentra en aquellas

empresas cuya actividad de innovación no es esporádica, sino que forma parte de sus acti-

vidades habituales.

6 Se construye un panel balanceado de empresas para posteriormente poder aplicar los métodos econométricos de análisis. 7 Hall et al (2010) apuntan a que la tasa de rendimiento de la I+D no es fundamentalmente diferente para empresas con I+D o sin I+D. Las diferencias están en el stock de capital intelectual que acumulan, no en los rendimientos del mismo. 8 Los datos de la encuesta están anonimizados por lo que en ocasiones pueden surgir valores muy elevados de la intensidad o de otras variables que se construyen en forma de ratio. Limitar el estudio a aquellas empresas que tienen una intensidad me-nor que 1 no cambia sustancialmente los resultados aunque reduce bastante el tamaño de la muestra.


4.2 DESCRIPCIÓN DE LA MUESTRA

En esta sección pasaremos a describir las características de la muestra seleccionada. La tabla

3 describe las variables utilizadas en el estudio y la tabla 4 por su parte recoge sus principa-

les estadísticos. Se recoge la media, la desviación estándar y la mediana9, esta última para

dar una idea de la dispersión de las variables en la muestra.

De la muestra seleccionada, se observa que un 17,4% de las empresas tienen más de 200

trabajadores. Además el 22,8% de ellas opera en sectores de Alta Tecnología10. Un 72,8% de

las empresas vendieron bien a la UE bien a otros países extracomunitarios durante el pe-

riodo considerado. En cuanto a la cifra de ventas y cifra de ventas exportadoras, los gastos

en innovación y los gastos en inversión en capital físico se observa una gran dispersión en-

tre las empresas de la muestra: por ejemplo, aunque los gastos de innovación medios anua-

les por empresa son de 1,81 millones de euros, sólo el 50% de las empresas tiene unos gas-

tos superiores a 258.085 euros (valor de la mediana).

9 Ninguno de estos estadísticos está ponderado. No existen ponderaciones en la base de datos que reflejen la importancia rela-tiva de cada observación. Por lo tanto, los estadísticos se deben interpretar dentro de la muestra y no como medias nacionales. 10 Los sectores de Alta Tecnología (y sus correspondientes códigos CNAE) son: Farmacia (244), Material de oficina y material informático (30), Componentes electrónicos (321), Aparatos de radio, TV y comunicaciones (32 menos 321), Instrumentos médicos de precisión óptica y relojería (33) y Construcción aeronáutica y espacial (35.3) dentro de las manufacturas; Correos y telecomunicaciones (64), Actividades informáticas (72) e I+D (73) dentro de los servicios.


Cifra de Ventas: en miles de euros; periodo 2005-2008.

Empleo: número medio de empleados; periodo 2005-2008.

Gastos en Inversión, capital físico: inversión bruta en euros en bienes mate-

riales; periodo 2005-2008.

Gastos en innovación: gasto en euros en actividades para la innovación tec-

nológica; periodo 2005-2008.

Intensidad de la innovación: gastos en I+D+i entre la cifra de ventas.

Cifra de exportaciones extracomunitarias: en miles de euros; disponible sólo

a partir de 2006; periodo 2006-2008.

Exportadores: empresas que vendieron en los últimos tres años en mercados

europeos o extracomunitarios; periodo 2005-2008.

Innovación exitosa: variable que toma valor 1 si las ventas innovadoras (ven-

ta de productos nuevos o sensiblemente mejorados para la empresa o para el

mercado) de la empresa son mayores que 0 y cero en caso contrario.

Volumen de ventas innovadoras: porcentaje de ventas innovadoras de la

empresa sobre el total de ventas.

Todas las variables monetarias están expresadas en términos reales (€ 2008)

Tabla 3. Descripción de las variables


Tabla 4. Estadísticos descriptivos El gráfico 5 recoge la distribución sectorial de la muestra: un 63,4% de las empresas perte-

necen al sector manufacturero, un 31,9% al sector servicios y el restante 4,7% se distribuye

entre empresas agrícolas, de petróleo y extractivas, de construcción y de energía y agua.

Manufacturas; 63,4

Servicios; 31,9

Agricultura; 1,6

Petroleo y extractiv;

0,5

Energia y Agua; 0,6

Construcción; 2,0

Gráfico 5. Distribución sectorial de la muestra.

Una mención especial merece la intensidad de los gastos de innovación. La intensidad me-

dia para la muestra es de 14,5% aunque, de nuevo, se observa una gran dispersión. El 50%

de las empresas realiza un esfuerzo de innovación en torno al 3,3% de su cifra de ventas

(valor mediano). La tabla 5 recoge en mayor detalle la distribución de las empresas depen-

diendo de la intensidad del gasto en innovación. Un 38% de la muestra tuvo una intensidad

de la innovación menor que 2% mientras que un 30,1% realizaron una intensidad mayor

que el 8%. Como cabría esperar una mayor proporción (el 57,1%) de las empresas que des-

arrollan su actividad en sectores de alta tecnología realizaron esfuerzos en innovación más

Media Desv. Estándar MedianaCifra Ventas (Miles de €) 82545,5 486962,7 7535,5Empleo (número) 248,3 1128,7 48Gastos en Inversión: capital físico (€) 6453306,0 6,77E+07 157641,5Gastos en innovación (€) 1817469,0 1,26E+07 258085,5Intensidad en innovación (%) 14,5 34,3 3,3Cifra exportaciones extracomunitarias (Miles de €) 19653,6 228118,3 1333,4% Exportadores 72,8% Sectores de Alta Tecnología 22,8%Empresas con más de 200 empleados 17,4


elevados (mayores que el 8%). También las empresas de servicios realizaron un mayor es-

fuerzo en innovación con respecto a sus ventas que las empresas manufactureras.

Tabla 5. Distribución de las empresas según la intensidad de la innovación

4.3 EVOLUCIÓN TEMPORAL

En esta sección se describe la evolución temporal de las principales variables de estudio. El

gráfico 6 ilustra las tasas de crecimiento de las ventas y el empleo para la muestra de em-

presas seleccionadas entre los años 2005 y 2008. Se observa el claro efecto de la crisis en

2008 pasando de cifras de crecimiento del 5,3% y 5,6% en 2007 para las ventas y para el em-

pleo respectivamente a cifras de -3,3% y 0,3% en 2008.

2,2

5,3

‐3,3

1,9

5,6

0,3

‐4,0

‐3,0

‐2,0

‐1,0

0,0

1,0

2,0

3,0

4,0

5,0

6,0Cifra de ventas Empleo

AñoCifra de ventas Empleo

2006 2,2 1,92007 5,3 5,62008 -3,3 0,3

Gráfico 6. Evolución de las ventas y el empleo. Tasas de crecimiento ponderadas.


Se observa que la caída de las ventas ha sido mayor que la del empleo. De hecho, el empleo

creció ligeramente durante 2008, aunque a una tasa mucho menor que en el periodo ante-

rior. Estos datos muestran una mejor evolución que los datos de la economía en su conjunto

e incluso que los datos presentados en el último informe sobre la base de datos PITEC. Hay

que tener en cuenta que la muestra aquí seleccionada corresponde a empresas que realizan

continuamente durante los años 2005-2008 gastos en innovación. Por lo tanto, esta primera

evidencia sugiere que la inversión en innovación ha servido a las empresas para mitigar

en parte los efectos de la crisis.

En cuanto a otras variables, el gráfico 7 recoge las tasas de crecimiento de la productividad,

del porcentaje de exportadores y del volumen de exportaciones extracomunitarias.

3,6

1,4

-3,3-4,0

-3,0

-2,0

-1,0

0,0

1,0

2,0

3,0

4,0

2006 2007 2008

Producitividad

2,3

1,4

0,8

0,0

0,5

1,0

1,5

2,0

2,5

2006 2007 2008

% de exportadores

4,0

-27,6-30,0

-25,0

-20,0

-15,0

-10,0

-5,0

0,0

5,0

10,0

2007 2008

Volúmen exportacionesextracomunitarias

2006 2007 2008

Producitividad 3,6 1,4 -3,3Porcentaje de exportadores 2,3 1,4 0,8Exportaciones Extracomun --- 4,0 -27,6

Gráfico 7. Productividad, porcentaje de exportadores y volumen de exportaciones extracomuni‐tarias. Tasas de crecimiento ponderadas.


Se aprecia un claro desplome de las exportaciones extracomunitarias cuyo volúmen cae

más de un 25% con respecto al periodo anterior. Esta caída está muy ligada al contexto de

crisis global y con la consiguiente caída de la producción y las importaciones del resto del

mundo. También se aprecia una moderada caída de la productividad (ventas/nº trabajado-

res) provocada por la caída de las ventas y el mantenimiento más o menos estable del em-

pleo. Por último, el porcentaje de empresas que venden su producción fuera de España cre-

ce ligeramente: en 2005 el 71% de las empresas declaró vender productos en mercados

europeos o extracomunitarios; en 2008 la cifra se elevó al 74%.

La evolución de los gastos en innovación aparece recogida en el gráfico 8. Se observa una

caída especialmente importante en el sector de los servicios, mientras que los gastos me-

dianos en las manufacturas han experimentados tasas de crecimiento positivas.

Total Manufacturas Servicios2006 -0,6 -6,6 9,12007 3,3 3,2 10,42008 1,1 1,5 -5,1

‐0,6

‐6,6

9,1

3,3 3,2

10,4

1,1 1,5

‐5,1

-8,0

-6,0

-4,0

-2,0

0,0

2,0

4,0

6,0

8,0

10,0

12,0

Total Manufacturas Servicios

2006

2007

2008

Gráfico 8. Gastos en innovación. Tasa de crecimiento mediana (ponderada)

Por último, con respecto a la intensidad de la innovación, se observa que la intensidad me-

diana (la realizada por el 50% de las empresas) ha pasado de tener unas tasas de crecimien-

to negativas durante el periodo expansivo de la economía a presentar una tasa de creci-

miento positiva (Gráfico 9). Este crecimiento se ha producido fundamentalmente en el


sector manufacturero, que de tasas de crecimiento negativas ha mostrado incrementado su

esfuerzo en innovación en los últimos años.

‐11,3‐10,0

‐3,8‐3,8‐4,9

2,74,1

8,4

‐8,7

-15,0

-10,0

-5,0

0,0

5,0

10,0

Total Manufacturas Servicios

2006

2007

2008

Total Manufacturas Servicios2006 -11,3 -10,0 -3,82007 -3,8 -4,9 2,72008 4,1 8,4 -8,7

Gráfico 9. Intensidad en innovación. Tasa de crecimiento ponderado (valores medianos)

El sector servicios sin embargo ha mostrado la tendencia contraria, con una contracción de

la intensidad en innovación por la mayor parte de las empresas.


5 MODELO EMPÍRICO

El marco teórico de referencia y la metodología empírica para el análisis de cada una de las

variables de interés aparece recogido en detalle en el apéndice metodológico.

En esta sección simplemente recogemos las ecuaciones que finalmente se han estimado y

cuyos resultados se discutirán en la sección siguiente.

5.1 EFECTOS DE LA INNOVACIÓN EN LA PRODUCCIÓN DE LA EMPRESA

Como se discute en el apéndice metodológico, partiendo de la tradicional función de pro-

ducción Cobb-Douglas se proponen dos ecuaciones a estimar

(4)

(7)

Donde y es la cifra de ventas, l es el número de trabajadores, c es la inversión en capital físi-

co, ir es la intensidad del gasto en innovación, r es el gasto en innovación, λ es un conjunto

de dummies temporales y u es un error que puede o no tener cierto grado de persistencia.

Los subíndices i y t denotan empresa y periodo de tiempo. Todas las variables se conside-

ran en logaritmos salvo la de intensidad del gasto.

Además de estas dos ecuaciones se estimarán dos ecuaciones adicionales que tienen en

cuenta la posible dinámica de la evolución de las ventas.

(4’)

(7’)


Los parámetros de interés son los retornos de la innovación que vienen representados por

los parámetros ϕ y γ. El primero representa la tasa de retorno bruta de la inversión en in-

novación y el segundo la elasticidad de las ventas a la inversión en innovación (el cambio

porcentual en las ventas ante un cambio porcentual en la inversión).

5.2 EFECTOS DE LA INNOVACIÓN EN LAS EXPORTACIONES DE LAS EMPRESAS.

Tanto la innovación en producto como la innovación en proceso permiten a las empresas

abrirse a nuevos mercados aumentando su competitividad, lo que facilita su apertura al ex-

terior. Sin embargo, como se menciona en el apéndice metodológico, el análisis de la inno-

vación sobre las exportaciones se ve limitado por la escasez de datos existentes.

Por ello, en un primer análisis consideramos las exportaciones como una variable dummy,

de tal forma que toma el valor 1 si en los últimos 3 años la empresa realizó ventas en mer-

cados internacionales y 0 si su único mercado fue el nacional. El modelo empírico a estimar

queda representado en la ecuación (11).

(11)

Donde es una variable binaria equivalente a 1 si la empresa exporta en t y 0 en cualquier

otro caso. R es la variable que mide el esfuerzo de innovación de las empresas, mientras

que Z es un vector que recoge otras características de la empresa (por ejemplo, el tamaño de

la empresa, antigüedad en el mercado, etc.). La variable representa los efectos fijos en

cada industria. Cabe resaltar que dado que la variable dependiente, exportaciones, hace re-

ferencia a lo que las empresas realizaron en los últimos tres años, es necesario retrasar las

variables explicativas en tres años, con lo que la estimación se realiza con las empresas en

2008. Siguiendo a la literatura se utilizarán distintas variables para aproximar el esfuerzo en

innovación de las empresas: la intensidad de la innovación, el gasto en innovación (en loga-

ritmos), una variable binaria que toma valor 1 si la empresa realiza algún gasto en innova-

ción, una variable binaria que toma valor 1 si la empresa obtiene alguna innovación en pro-

ceso y otra paralela para innovaciones en producto.


Es importante destacar que las estimaciones están realizadas para las empresas de la mues-

tra sin incluir la restricción de que tengan un gasto efectivo en innovación todos los años

positivos, es decir, con una muestra de 7499 empresas.

Por otro lado, para el volumen de exportaciones extracomunitarias, el modelo a estimar

queda representado en la ecuación (14) (las variables están expresadas en logaritmos):

(14)

donde son las exportaciones fuera de la UE de la empresa i en el periodo t, es la varia-

ble que representa el gasto en innovación de la empresa, es un vector que recoge otras

características de la empresa (por ejemplo, el tamaño de la empresa y la inversión en capi-

tal), y la variable captura los efectos temporales en el periodo t que pueden afectar a las

exportaciones de las empresas.

5.3 EFECTOS DE LA INNOVACIÓN EN LAS VENTAS INNOVADORAS DE LAS EMPRESAS.

Como se discute en el apéndice metodológico, el efecto de los gastos de innovación en las

ventas innovadoras de las empresas queda descrito por dos ecuaciones, (15) y (16) y dos

condiciones de observabilidad descritas por las ecuaciones (17) y (18):

(15)

(16)

(17)

(18)


Donde es el porcentaje de ventas innovadoras de la empresa en logaritmos, que sólo se

observa cuando se consigue una innovación exitosa ( =1). La principal variable de estu-

dio es la intensidad de la innovación ( , también en logaritmos, que se retarda tres pe-

riodos para evitar problemas de endogeneidad, al igual que el resto de variables explicati-

vas del modelo y .

Al igual que en el caso de las exportaciones, la estimación por lo tanto se realizará con las

empresas entrevistadas en 2008, al tener que utilizar los datos del 2005 para construir las

variables explicativas.


6 RESULTADOS

En esta sección se presentan los resultados de las estimaciones de las ecuaciones propuestas

en la sección anterior. Se discuten tanto los resultados obtenidos para el total de la muestra

como para diferentes submuestras para poder arrojar alguna luz sobre posibles diferencias

a nivel global que vengan enmascaradas por diferencias en la estructura sectorial. Así se

considerará la estimación separada para empresas de nivel tecnológico alto, para empresas

en el sector manufacturero y en el sector servicios y para PYMES y empresas grandes.

Se discuten en primer lugar los resultados obtenidos para la producción de las empresas

para pasar a discutir a continuación los resultados sobre la probabilidad de exportar y las

exportaciones extracomunitarias y concluir con la discusión de los resultados para el volu-

men de ventas innovadoras. En las secciones siguientes sólo se discuten los resultados refe-

rentes a la innovación, dejando la parte más técnica en el Apéndice de resultados.


Los resultados de la estimación de los modelos propuestos en la sección 4.1 son concluyen-

tes: la inversión en innovación incrementa las ventas de las empresas.

Como se observa en la tabla 6 (primera línea), cuando se estima el retorno bruto del gasto

en innovación este se sitúa entre el 9,9% y el 10,7%. Por su parte, la estimación de la elas‐

ticidad, el cambio en puntos porcentuales de la cifra de ventas debido a un cambio del 1%

en el gasto en innovación, arroja un valor de 0,037 (un incremento del gasto en innovación

del 1% implica un cambio en las ventas del 0,037%).


Tasa Bruta de Retorno del gasto en innovación

Elasticidad de las ventas al gasto en innovación

Total entre 9,9% y 10,7% 0,037Manufacturas ente 18,2% y 25,6% 0,033Servicios entre 4,8% y 5,9% 0,048Alta Tecnología entre 3,8% y 8,4% 0,079Media-Baja Tecnología entre 19,1% y 16,4% 0,024Grandes entre 16,3% y 37,6% 0,024Pequeñas entre 8,9% y 13,4% 0,035

Tabla 6. Impacto estimado de la innovación en las ventas de las empresas

¿Qué significan estas cifras? En el caso de la tasa bruta de retorno la interpretación es dire-

cta: si se incrementa el gasto en innovación en 1€ las ventas de la empresa aumentarán en-

tre 1,099€ y 1,107€. En la tabla 6 se aprecia también que la rentabilidad bruta es más alta en

el caso de las manufacturas (entre el 18,2% y el 25,6%), entre las empresas de media y baja

tecnología (entre el 16,4% y el 19,1%) y entre las empresas con más de 200 trabajadores (en-

tre el 16,3% y el 37,6%). Las cifras obtenidas en la estimación están en línea con las estima-

ciones obtenidas en otras investigaciones, tanto para España como para otros países. Una

muestra de los resultados más recientes se recoge en las tablas B.1 y B.2 en el Apéndice de

revisión de la literatura11. En general en la mayoría de los estudios se encuentran tasas de

retorno superiores al 15%, limitándose a empresas grandes y empresas manufactureras12.

Los resultados de la tabla 6 muestran que tasas similares para este tipo de empresas. Sin

embargo, hay que destacar que la tasa bruta de retorno es bastante menor en las PYMES

(casi tres veces menor que en las grandes) y en las empresas de servicios (no se puede re-

chazar la hipótesis de que los retornos en este sector sean cero). En el tejido empresarial es-

pañol las PYMES tienen una gran importancia. Por ello, en promedio cuando se consideran

conjuntamente todas las empresas la rentabilidad media es menor. Este resultado podría

11 Para comparar los resultados del presente estudio con resultados de estudios anteriores véase Mairesse y Sassenou (1991) o Hall et al (2010) que contienen sendas revisiones de la literatura empírica y teórica existente. 12 Por ejemplo, los estudios españoles están basados en su mayor parte en la Encuesta sobre Estrategias Empresariales patro-cinada por el Ministerio de Industria y que sólo encuesta a empresas manufactureras. En particular se obtiene una estimación muy similar a la obtenida por Maté-García y Rodríguez-Fernández (2008) utilizando la Encuesta sobre Estrategias Empresa-riales y métodos de estimación similares.


estar indicando algún problema de gestión de la innovación entre las pequeñas y medianas

empresas, como por ejemplo la falta de recursos para explotar sus innovaciones, la ausencia

de canales de comercialización adecuada para las mismas, las barreras a las que se pueden

enfrentar a la hora de patentar, etc.

Con respecto a la estimación de la elasticidad de las ventas a cambios en el gasto en inno‐

vación, la tabla 7 recoge dos ejemplos para clarificar la magnitud del efecto de la innova-

ción en las ventas de las empresas. El supuesto subyacente aquí es que los retornos brutos

varían conforme varía la intensidad de la innovación: en particular esperamos que los re-

tornos marginales sean negativos y que, para una elasticidad dada, a mayor nivel de inten-

sidad de la innovación, menor sea el retorno bruto. En la tabla 7, utilizando una empresa

tipo13, se simula el efecto en la cifra de ventas que tendría un cambio en el gasto en innova-

ción. Se consideran dos casos: el caso 1 en que la empresa tipo poco intensiva en innovación

que pasa de invertir un 1% de su cifra de negocios a invertir el 3% y el caso 2 en el que la

empresa tipo es intensiva en innovación y pasa de invertir el 3% de su cifra de ventas en

innovación a invertir el 9%. En ambos casos, el incremento en los gastos de innovación es el

mismo, un 200%: en el caso 1 esto supone pasar de invertir 825.000 € a invertir 2.475.000 €;

en el caso 2 supone pasar de invertir 2.475.000 € a invertir 7.425.000 €. El efecto porcentual

en las ventas es el mismo: si la empresa pasa de invertir el 1% de sus ventas en innovación a

invertir el 3%, o si pasa de invertir el 3% a invertir el 9%, el incremento de la cifra de ventas

será de 6,2 millones de € (un 7,4%14, de su cifra inicial). Por lo tanto, el mismo incremento

en las ventas será más costoso para empresas que ya hacen un esfuerzo de innovación im-

portante que para empresas que hacen un menor esfuerzo de innovación, o dicho de otro

modo, la inversión en innovación tiene rendimientos marginales decrecientes.

13 Se toma en la simulación una empresa con una cifra de negocios en la media de la muestra. Algo menos del 25% de las em-presas tiene una intensidad de la innovación menor o igual que el 1% (valor cercano al percentil 25), algo menos del 50% de las empresas tiene una intensidad de innovación menor o igual al 3% (valor cercano a la mediana) y algo menos del 75% de las empresas tiene una intensidad de innovación menor o igual al 9% (valor cercano al percentil 75). 14 7,4%=200%X0,037


CASO 1 Cifra de negocio Intensidad de la innovación Gasto en innovación

Situación inicial 82,5 M€ 1% 825000Situación final 88,7 M€ 3% 2475000

ResultadoIncremento en la cifra de negocio

Incremento porcentual en el gasto de innovación

Incremento en el gasto de innovación

6,2 M€ 200% 1,65 M€

CASO 2 Cifra de negocio Intensidad de la innovación Gasto en innovación

Situación inicial 82,5 M€ 3% 2475000Situación final 88,7 M€ 9% 7425000

ResultadoIncremento en la cifra de negocio

Incremento porcentual en el gasto de innovación

Incremento en el gasto de innovación

6,2 M€ 200% 4,95 M€

(Utiliza la estimación de la elasticidad recogida en la Tabla 6 igual a 0,037)

Tabla 7. Simulación del efecto de la innovación en las ventas de las empresas

La conclusión principal que se puede derivar de los resultados obtenidos es que el gasto en

innovación es rentable para las empresas, y más aún para aquellas empresas que parten de

niveles bajos de innovación. Políticas públicas que fomenten de inversión tendrán efectos

beneficiosos en el crecimiento de la economía (rentabilidad social de la innovación) y con-

siguientemente en el empleo, puntos de especial interés en el momento actual de salida de

crisis económica; el impulso a la innovación en empresas que parten de niveles bajos parece

ser más coste-eficaz, ya que con menos recursos adicionales se pueden obtener los mismos

resultados en términos de crecimiento. Dada la rentabilidad privada de la innovación, la

participación de las empresas en los costes que supone la innovación debe de ser consi‐

derable. Facilitar el acceso a una financiación adecuada se convierte así en uno de los pun-

tos centrales de la política pública.

La tabla 6 también recoge diferencias sectoriales en términos de elasticidad. El resultado

más relevante es que las ventas de las empresas que operan en sectores de alta tecnología

muestran una mayor sensibilidad a los cambios en el gasto de innovación que las ventas

del resto de empresas. La elasticidad estimada para este grupo de empresas es de 0,07915, el

15 Este resultado es muy similar a los obtenidos para el Reino Unido (por ejemplo, véase Greenhalgh y Longland, 2002)


doble que la elasticidad estimada para el total de empresas (de 0,037) y el triple que la elas-

ticidad estimada únicamente para las empresas que operan en sectores de media y baja tec-

nología (de 0,024). Este resultado, conjugado con el anterior de que la tasa de retorno inter-

na es más alta para las empresas de media y baja tecnología (16,4% frente al 8,4% para

empresas de alta tecnología), corroboraría el supuesto de que las tasas de retorno son de‐

crecientes y disminuyen con el stock acumulado de capital intelectual. Para las empresas

de alta tecnología, que cuentan con un stock de capital intelectual elevado un incremento

marginal del gasto en innovación implica un menor incremento en las ventas que para las

empresas de media y baja tecnología que parten de un menor nivel de capital intelectual.

La mayor elasticidad que muestran las empresas que operan en sectores de alta tecnología

junto con la constatación de que los rendimientos marginales son decrecientes tiene claras

implicaciones para el diseño de políticas públicas. La estrategia pública con menor coste y

más eficaz consistiría en impulsar la innovación en las empresas de sectores de alta tecno‐

logía que están dedicando pocos recursos a la innovación. Además el impulso de la inno-

vación en los sectores de media/baja tecnología para que se conviertan en sectores de tecno-

logía alta (por ejemplo, pasando de ser meros compradores de tecnología exterior a generar

nuevas tecnologías) también tendría importantes efectos agregados en el crecimiento

económico.

Para concluir es importante mencionar que la estimación obtenida de la elasticidad, aunque

en línea con las encontradas en otros estudios, parece ser ligeramente menor que en otros

países: para el Reino Unido las estimaciones más recientes con datos individuales de em-

presas oscilan entre el 0,026 y el 0,065, para Alemania en torno al 0,079, para Francia alre-

dedor de 0,05, para Suecia en torno al 0,061 y para Taiwán en torno al 0,02. Sí se obtienen

resultados similares en otros países para las empresas de Alta Tecnología. Por lo tanto, la

estructura y composición del tejido empresarial español, con menor importancia relativa


de los sectores de alta tecnología16, explica en buena parte la menor sensibilidad de las

ventas a la innovación encontrada para España con respecto a otros países europeos.

Finalmente, la tabla 8 presenta un resumen de los principales resultados e implicaciones de

política económica del capítulo.

16 Según el informe “Science, Technology and Innovation in Europe”, publicado por Eurostat en 2010 el porcentaje del empleo ocupado en sectores de alta tecnología en España fue del 3,4%, frente al 5,2% en el Reino Unido, el 6% en Suecia, el 4,7% en Francia o el 5% en Alemania.


RESULTADOS DEL ANÁLISIS IMPLICACIONES DE POLÍTICA

• La inversión en innovación incrementa las ventas de las empresas.

• La elasticidad estimada es del 0,037; el doble para las empresas de alta tecnología.

• Evidencia de rendimientos marginales de los gastos de innovación que decrecen con el stock de conocimiento acumulado.

• La rentabilidad bruta estimada se sitúa entre el 9,9% y el 10,7% y es mayor en el sector manufacturero, en las actividades de media y baja tecnología y en las empresas de mayor tamaño.

• Resultados en línea con las rentabilidades obtenidas para otros países: las diferencias se deben en buena medida a la diferente estructura empresarial española, caracterizada por una proporción elevada de PYMES y de empresas de media y baja tecnología

• El fomento de la innovación es beneficioso para el crecimiento y el empleo en España.

• El esfuerzo público debe reforzarse en aquellas empresas que aún no realizan gastos en innovación porque son la mayoría del tejido empresarial español y porque es en ellas donde los rendimientos de la inversión son mayores.

• La rentabilidad privada es considerable por lo que se debe impulsar la cofinanciación por parte de las empresas. Es misión del sector público asegurar que el sector empresarial dispone de acceso a una financiación que facilite su esfuerzo.

• El impulso de la innovación tiene mayores retornos en aquellas empresas de alta tecnología que invierten relativamente poco en innovación.

• El impulso en la innovación en empresas de media y baja tecnología tiene que ir encaminado a mejorar su componente tecnológico.

Tabla 8: Principales resultados de los efectos del gasto en innovación en las ventas de las empresas españolas.


6.2 EFECTOS DE LA INNOVACIÓN SOBRE LAS EXPORTACIONES

En esta sección se describen los resultados de la estimación de los efectos del gasto de in-

novación en el carácter exportador de las empresas. Este carácter exportador se mide en el

estudio bien como la propensión a exportar de las empresas (ecuación 11) bien como el vo-

lumen de ventas a países extracomunitarios (ecuación 14). Se discutirán en primer lugar los

resultados para la propensión a estimar17.

La principal conclusión que se puede extraer de los resultados es que la innovación, se mi‐

da como se mida, aumenta la propensión a estimar de las empresas. La tabla 9 resume los

principales resultados referentes a estas variables de innovación, tanto para la muestra total

como para los distintos subgrupos de empresas considerados, y para las distintas medidas

de innovación consideradas.

TOTAL MUESTA

Alta Tecnología

Media/Baja Tecnología

Manufacturas ServiciosEmpresas grandes

PYMES

Intensidad: +1 punto porcentual 0,04 puntos 0,09 puntos 0 puntos 0 puntos 0,04 puntos 0,12 puntos 0 puntosGasto: incremento 10% 0,14 puntosHacer gasto en innovación/no hacer gasto en innovación 11,9 puntos 19,3 puntos 10,4 puntos 10,1 puntos 9,8 puntos 11,2 puntos 11,1 puntos

Hacer gasto de innovación en producto/no hacer gasto de innovación en producto 7,6 puntos 10 puntos 6,5 puntos 5,5 puntos 7,9 puntos 6 puntos 7,4 puntos

Hacer gasto en innovación en proceso/no hacer gasto en innovación en proceso 0 puntos 0 puntos 0 puntos 0 puntos 0 puntos 0 puntos 0 puntos

Variables de innovación utilizadasMedidas de input del gasto en innovación Intensidad de la innovaciónGasto en innovaciónHacer gasto en innovaciónMedidas de output del gasto en innovación

Hacer gasto en innovación en producto

Hacer gasto en innovación en proceso

variable que toma valor 1 si la empresa introdujo exitosamente alguna innovación en producto durante el periodo de referencia y cero en caso contrariovariable que toma valor 1 si la empresa introdujo exitosamente alguna innovación en proceso durante el periodo de referencia y cero en caso contrario

Incremento en la propensión de exportarMedida de innovación

ratio entre el gasto en innovación y la cifra de ventasgasto total en innovación en logaritmosvariable que toma valor 1 si la empresa realiza algún gasto en innovación y cero en caso contrario

(Los efectos son igual a cero cuando los coeficientes significativas en la estimación)

Tabla 9: Efecto de la inversión en innovación en la probabilidad de exportar.

La primera columna muestra los resultados obtenidos para el conjunto de empresas de la

muestra. Al estimar el modelo cuando la innovación se mide como intensidad, un incre-

17 La discusión detallada de los resultados desde un punto de vista técnico se recoge en el Apéndice de resultados, tablas A4, A.5 y A.6.


mento de 1 punto porcentual en la intensidad de la innovación aumenta la propensión a

exportar en 0,04 puntos porcentuales. Un incremento del gasto en innovación total de un

10% conducirá a un incremento de la propensión a exportar de 0,14 puntos porcentuales.

Como se observa, el efecto es mucho mayor cuando consideramos las diferencias entre las

empresas que incurren en algún gasto de innovación o las que tienen durante el año del

análisis un gasto en innovación igual a cero: la propensión a exportar de las empresas con

gastos en innovación positivos es 12 puntos superior a la propensión a exportar de las que

no realizan gastos.

De estos primeros resultados se puede sacar una primera conclusión importante. Incremen-

tar el gasto y la intensidad en innovación hace aumentar la probabilidad de exportar, aun-

que los efectos son muy pequeños. Los mayores efectos sobre las exportaciones surgen

cuando una empresa que no dedica recursos a la innovación decide innovar. Políticas

públicas dirigidas al fomento de la innovación por lo tanto serían las adecuadas para des-

arrollar la capacidad exportadora de las empresas españolas.

En las estimaciones se han considerado medidas de la innovación como un “output”, es de-

cir, se considera si las innovaciones exitosas en producto y en proceso tienen algún efecto

sobre las exportaciones. Como muestra la tabla 9, la innovación exitosa en producto tiene

efectos positivos y significativos sobre las exportaciones. La propensión a exportar aumen‐

ta en 7,6 puntos cuando se introduce exitosamente un nuevo producto. Por el contrario la

innovación exitosa en proceso no tiene ningún efecto significativo en la propensión expor-

tadora. Una explicación a este resultado sería que cuando se desarrolla un nuevo producto

el mercado interior es limitado y por lo tanto las empresas tienden a abrirse a la exporta-

ción para poder así aprovechar el poder de mercado que pueden tener sobre el producto

desarrollado18. Una importante implicación para el diseño de política económica de este

último resultado es que una forma de favorecer la internacionalización de las empresas es

18 Véase el artículo clásico de Vernon (1966) al respecto o para una discusión más reciente en la misma línea Cassiman, Golov-ko y Martínez-Ros (2010).


impulsar la innovación, especialmente la innovación exitosa en producto. Este tipo de polí-

ticas podría tener mejores resultados que otras directamente dirigidas a la exportación.

El efecto de la innovación sobre las exportaciones varía en función de las características

propias de cada empresa. Los resultados obtenidos se ven modificados cuando analizamos

las empresas en función de su nivel tecnológico, sector y tamaño, como puede verse en la

tabla 9. Como en el caso de la cifra de ventas, el efecto de la innovación en la propensión a

exportar es mucho más elevado para las empresas de alta tecnología que para el resto. El

incremento de la propensión exportadora de las empresas ante un incremento en la innova-

ción, se mida como se mida, es aproximadamente el doble para las empresas de alta tecno-

logía que para el total de la muestra. La única excepción ocurre con la variable que mide

innovación en proceso y no tiene efectos sobre las exportaciones ni en las empresas de alta

tecnología ni en las de media-baja.

La comparación de los resultados presentados con los existentes para otros países o de

otros estudios es complicada porque la literatura empírica que ha estudiado los efectos de

la innovación sobre las exportaciones no es muy abundante y además la existente abarca

distintas aproximaciones. Sin embargo, parece que todos los autores encuentran que la in-

novación afecta positivamente a las exportaciones. En el Apéndice de revisión de la litera-

tura, la tabla B.3 recoge una muestra de los resultados encontrados en los estudios recientes

más relacionados. En general se observa que los resultados aquí presentados van en la

misma línea que la de la literatura previa existente. Nuestros resultados también siguen la

misma dirección que los obtenidos por la CDTI en el estudio “Impacto de la I+D+i en el sec-

tor productivo español”. Sus resultados muestran que el efecto marginal del gasto en inno-

vación en la probabilidad de exportar es de 0,015, prácticamente el mismo que obtenemos

nosotros, 0,014. Más aún, para empresas manufactureras españolas se ha encontrado repe-

tidamente un efecto positivo en la propensión a exportar de la innovación exitosa en pro-

ducto pero no en proceso.

Con respecto al análisis del efecto de la inversión en innovación en el volumen de expor‐

taciones extracomunitarias un resumen de los resultados referentes a la innovación apare-


ce recogido en la tabla 10 (los resultados detallados pueden verse en la tabla A.5 del Apén-

dice de Resultados). La tabla recoge las elasticidades del volumen de exportaciones extra-

comunitarias al gasto total en innovación: muestra como de sensibles son estas exportacio-

nes a los cambios en el dinero invertido en innovación.

ElasticidadTOTAL 0,66Alta Tecnol. 0,00Media y Baja Tecnol. 0,63Manufacturas 0,67Servicios 0,00Grandes 0,00PYMES 0,55

(Las elasticidades son igual a cero cuando no son significativas en la estimación)

Tabla 10: Efecto de la inversión en innovación en el volumen de exportaciones extracomunitarias.

Tomando el total de la muestra, los resultados indican que existe un efecto positivo del

gasto en innovación sobre las exportaciones fuera de la UE. El resultado implica que un

incremento en el gasto en innovación de un 1% hace aumentar las exportaciones extraco-

munitarias en un 0,66%. Estos resultados, aunque limitados a las exportaciones extracomu-

nitarias, corroboran el efecto positivo de los gastos de innovación en la internacionalización

de las empresas.

En cuanto a las diferencias sectoriales para el efecto en la cifra de ventas de exportaciones

extracomunitarias, se ha realizado también el mismo análisis diferenciando las empresas

por su nivel tecnológico, sector y tamaño (número de empleados). Los resultados muestran

que el gasto en innovación tiene efectos positivos y significativos para las empresas de

nivel tecnológico medio‐bajo, las manufactureras y las PYMES. En este tipo de empresas,

la elasticidad de las exportaciones al gasto en innovación es similar al obtenido con el con-

junto entero de la muestra, es decir, alrededor de 0,6. El impulso de la innovación en estos

sectores por lo tanto contribuiría a diversificar sus mercados abriéndolos más al exterior.

Para las empresas que operan en sectores de alta tecnología la innovación influye en su


propensión a exportar como ya hemos visto, pero no parece influir en el volumen de expor-

taciones una vez que ya han decidido abrirse al exterior, al menos a nivel extracomunitario.

La siguiente tabla recoge un resumen de los principales resultados y las principales impli-

caciones de política económica que se han discutido en esta sección.


• La propensión a exportar aumenta si las empresas realizan actividades innovadoras.

• Las empresas que realizan gastos en innovación tienen una probabilidad de exportar 12 puntos superior a la que no realizan estos gastos.

• Las innovaciones exitosas en producto tienen un claro efecto positivo en la propensión a exportar (de 7,6 puntos).

• Las innovaciones exitosas en proceso no afectan a la propensión a exportar.

• El efecto de la innovación en la propensión a exportar para las empresas de Alta Tecnología es el doble que para las empresas en otros sectores.

• El volumen de ventas extracomunitarias aumenta con el gasto en innovación: un incremento de un 1% en el gasto aumenta las ventas en 0,66%.

Este efecto está presente en las empresas ma-

nufactureras, PYMES y empresas en sectores

de media y baja tecnología.

• Impulsar la innovación contribuye a la internacionalización de las empresas españolas.

• El impulso de la innovación debe reforzarse entre las empresas que no realizan ningún tipo de actividad porque tiene un efecto mayor en la internacionalización que el incremento en el gasto.

• El efecto de cualquier medida de impulso es mayor entre las empresas de alta tecnología, lo que refuerza la necesidad de transitar hacia un sistema productivo más tecnológico y basado en el conocimiento.

• La competitividad española en el mundo globalizado en el que se mueve la empresa hoy día pasa claramente por invertir en nuevo producto. Las inversiones en mejora de procesos no resultan tan significativas a la hora de avanzar hacia la internacionalización que es un indicador de nuestra competitividad y también el mercado por excelencia al que debe poco a poco ir tendiendo la producción en España

Tabla 11: Principales resultados de los efectos del gasto en innovación en las exportaciones de las empresas españolas.


6.3 EFECTOS DE LA INNOVACIÓN SOBRE LAS VENTAS INNOVADORAS.

El análisis de las ventas innovadoras incluye una serie de variables explicativas diferentes

de las del resto del estudio y que son las que aparecen recogidas en la tabla 13. Las varia-

bles consideradas son similares a las utilizadas en otros estudios empíricos sobre el tema

(véase la tabla B.4 en el Apéndice de revisión de la literatura con una relación de los estu-

dios empíricos más recientes y similares al presente).

Tabla 12. Variables incluidas en el estudio de ventas innovadoras.

• Una variable que toma valor 1 si la empresa ha realizado actividades de innovación de forma discontinua durante desde el año 2005.

• El logaritmo de la intensidad de la innovación • Una variable que toma valor 1 si la empresa realizó alguna innovación en

proceso. • El logaritmo del tamaño • Una variable cualitativa que recoge efectos de presión por el lado de la

demanda (“demand pull”): toma valor 1 si las empresas dan una importancia elevada (en un rango de 1 a 4) a los efectos de la innovación para los productos.

• Una variable cualitativa que recoge efectos de impulso tecnológico (“technological push”): toma valor 1 si las empresas dan importancia elevada a la información proveniente de universidades, organismos públicos de investigación y centros tecnológicos o a fuentes como conferencias, revistas científicas, etc.

• Una variable que toma valor 1 si la empresa ha cooperado con algún agente en sus actividades de innovación.

• Una variable que toma valor 1 si la empresa pertenece a un grupo empresarial.

• Una variable que toma valor 1 si la empresa es de nueva creación. • Variables sectoriales • Una variable que toma valor 1 si la empresa ha recibido financiación

pública. • Dos variables sobre el mercado en el que venden sus productos las

empresas: en Europa o fuera de la Unión Europea. • Una variable que toma valor 1 si la empresa es de carácter público.

Todas las variables están datadas en el periodo t-3


Las tablas A.7 y A.8 del Apéndice de Resultados recogen los resultados de la estimación

que se discuten a continuación, en primer lugar para la muestra total y para las distintas

muestras consideradas.

Aunque la estimación de la probabilidad de introducir una innovación en producto

(nueva para la empresa o para el mercado) funciona en este análisis como una estimación

auxiliar para evitar incurrir en sesgos en la estimación de la ecuación de ventas innovado-

ras, arroja algún resultado interesante que merece ser comentado.

En primer lugar, la probabilidad de obtener una innovación exitosa en producto varía con

el tipo de empresa. El gráfico 10 recoge esta probabilidad para el total de la muestra y para

los distintos grupos de empresas que se consideran en el estudio.

65,8%

74,1%63,7%

70,9%59,7% 64,1%

76,3%

0,0%

10,0%

20,0%

30,0%

40,0%

50,0%

60,0%

70,0%

80,0%

90,0%

Gráfico 10. Probabilidad estimada de introducir una innovación en producto.


La probabilidad estimada de introducir una innovación en producto para una empresa

media en la muestra es de 65,8%. Este valor sin embargo enmascara importantes diferencias

sectoriales: es más probable que las empresas que operan en sectores de alta tecnología, las

grandes empresas y, en menor medida, las empresas manufactureras introduzcan una in-

novación en producto. Por otro lado, para las empresas de servicios se estima una probabi-

lidad considerablemente menor de introducir innovaciones en producto (un 59,7%).

Con respecto al efecto de las distintas variables en la probabilidad de introducir una inno-

vación en producto, la tabla 13 recoge un resumen de los principales efectos.

El efecto de mayor magnitud es el que tiene el hecho de realizar innovación de forma dis-

continua: la probabilidad de obtener una innovación de producto se reduce entre 33,7 y 39

puntos para aquellas empresas que realizan actividades de innovación de forma disconti-

nua. Este resultado resulta de gran relevancia desde el punto de vista de política económica

ya que el impulso de la innovación de una forma sostenida se convierte así en un elemento

clave para asegurar el éxito del gasto en innovación.

(Las probabilidades son igual a cero cuando no son significativas en la estimación; los números son

puntos porcentuales)

Muestra TotalAlta

Tecnología Manufacturas Servicios PYMES GrandesEmpresas que realizan innovación discontinua -34,9 -35,3 -33,7 -37,8 -34,3 -39,0Intensidad de la innovación 2,3 0,0 3,1 1,4 2,5 1,7Empresas que introdujeron una innovación exitosa en proceso 0,0 0,0 0,0 0,0 0,0 8,1Presencia de factores de presiones de demanda -21,3 -20,2 -24,8 -17,3 -19,1 -41,9En presas que recibieron financiación Pública 3,5 4,3 3,8 0,0 3,2 0,0Empresas que cooperan con otros agentes en la innovación 4,5 3,2 5,0 0,0 4,0 0,0

Tabla 13: Efecto estimado de las distintas variables en la probabilidad de introducir una innovación en producto

Fuera del alcance de las empresas se encuentra el efecto de que existan presiones de de-

manda en el mercado en el que operan. Este hecho reduce la probabilidad de obtener una

innovación en producto en 21,3 puntos para la muestra total, aunque como se puede obser-

var el efecto es mayor para el sector manufacturero (-24,8 puntos) y para las empresas


grandes (-41,9 puntos). Este efecto puede reflejar que las empresas operan en mercados

muy competitivos donde es difícil conseguir innovaciones de producto.

Otras variables que afectan a la probabilidad de obtener una innovación en producto, aun-

que de forma desigual según el tipo de empresa considerada, son la intensidad de la inno-

vación, la cooperación con otros agentes, la financiación pública de la innovación o la in-

troducción de innovaciones en proceso en el periodo anterior.

La intensidad de la innovación aumenta la probabilidad de obtener una innovación en pro-

ducto, aunque este efecto no se aprecia en las empresas de alta tecnología: en promedio, un

incremento de un 1% en la intensidad de la innovación aumenta la probabilidad de obtener

un nuevo producto en 2,3 puntos.

La financiación pública tiene también un claro efecto positivo en la probabilidad de obtener

nuevos productos: esta aumenta en 3,5 puntos para el total de la muestra y su efecto es ma-

yor entre las empresas de alta tecnología donde la financiación pública aumenta la probabi-

lidad de obtener una innovación en producto en 4,3 puntos. El efecto de la financiación

pública no se observa en el sector servicios ni entre las empresas grandes. Este efecto es es-

pecialmente interesante ya que conjugado con los resultados de la sección anterior se puede

concluir que la financiación pública tiene un doble dividendo: por un lado sirve para me-

jorar los resultados de la innovación en producto; por otro, la innovación exitosa en pro-

ducto tiene efectos positivos en la internacionalización de las empresas (aumentando su

propensión a exportar).

La cooperación en la innovación con otros agentes también aumenta la probabilidad de in-

novar exitosamente en producto (en 4,5 puntos en promedio). El efecto más fuerte se en-

cuentra en las PYMES (4 puntos) y en el sector manufacturero (5 puntos) y de nuevo no se

observa este efecto en el sector servicios ni entre las empresas grandes.

Por último, en general no se encuentran efectos complementarios entre introducir una in-

novación en proceso e introducir una innovación en producto salvo en el caso de las gran-


des empresas donde el haber introducido una innovación en proceso aumenta la probabili-

dad de obtener una innovación en producto en 8,8 puntos.

Pasando ahora a discutir los resultados principales de esta sección, es decir, la estimación

del efecto de la intensidad de la innovación en las ventas innovadoras (% de ventas inno-

vadoras sobre ventas totales), se observa que, una vez que la empresa ha innovado exito-

samente, la intensidad de la innovación tiene un efecto positivo y significativo en el por‐

centaje de ventas innovadoras de la empresa. Un incremento de la intensidad de la

innovación de un 10% implica un 0,9% de incremento en el porcentaje de ventas innovado-

ras. Aunque estos números parezcan pequeños hay que interpretarlos correctamente para

entender su importancia. Así por ejemplo, si una empresa pasa de tener una intensidad del

1%19 a una intensidad del 3%20, sus ventas innovadoras se verán incrementadas en 18 pun-

tos porcentuales como puede apreciarse en la tabla 14.

Incremento en las ventas innovadoras

(puntos porcentuales)

Total 18,0Alta Tecnología 28,0Media/Baja Tecnología 14,0PYMES 16,0Grandes 38,0Manufacturas 10,0Servicios 30,0Cambio en la intensidad de la innovación: de 1% a 3%Nivel de ventas innovadoras inicial: 26%

Tabla 14. Efecto de un cambio en la intensidad de la innovación en el porcentaje de ventas innovadoras.

En la tabla 14 también se aprecia que la sensibilidad de las ventas innovadoras a cambios a

la intensidad de la innovación, es mucho mayor (el doble) para las empresas de alta tecno-

19El valor para por debajo del cual se encuentran el 25% de las empresas, el percentil 25 20 El valor por debajo del cual se encuentran el 50% de las empresas, la mediana


logía que para las de media-baja tecnología. Un incremento de un 10% en la intensidad de

la innovación implica para los sectores de alta tecnología un incremento del 1,4% en el por-

centaje de ventas innovadoras, mientras que esta cifra es del 0,7% para las empresas de

media-baja tecnología. Con respecto a las empresas grandes y pequeñas, también se obser-

va que la elasticidad de las ventas innovadoras a la intensidad de la innovación es mayor

para las grandes que para las PYMES. Por último, las ventas innovadoras reaccionan de

una forma mucho más pronunciada a cambios en la intensidad de la innovación en las em-

presas de servicios que en las empresas manufactureras.

Existen otras variables cuyo efecto puede resultar de interés. Así, el tamaño de la empresa,

tiene un efecto negativo para las empresas innovadoras: aunque su efecto es positivo en

términos de obtener alguna innovación, parece que las empresas más pequeñas son capa‐

ces de obtener mejores resultados de esas innovaciones, en términos de mayor porcentaje

de ventas innovadoras. Estos resultados son consistentes con los de otros estudios empíri-

cos como Janz et al (2004) o Raymond et al (2006).

Los factores de presión de la demanda tienen un efecto también claramente positivo en el

volumen de ventas exportadoras, como en la mayoría de los estudios más recientes. Aun-

que como ya hemos visto su efecto en la probabilidad de introducir una innovación son ne-

gativos, una vez que se introduce (es decir, que la empresa es exitosamente innovadora), la

intensidad de las ventas innovadoras aumenta. Este efecto positivo no se observa para las

empresas de alta tecnología ni en las grandes empresas ni en el sector servicios, pero apare-

ce claramente para las empresas de nivel tecnológico medio/bajo, para las PYMES y para el

sector manufacturero.

No encontramos el mismo efecto en el caso de los factores de impulso tecnológico, tam-

bién como en muchos otros estudios empíricos. Crépon et al (2006) argumentan que esta

ausencia de un efecto de impulso tecnológico que sigue la tradición de Shumpeter, puede

explicarse cuando se controla por otros factores tecnológicos y de demanda, como son las

variables sectoriales incluidas en el estudio.


La financiación pública tiene un efecto marginalmente significativo pero negativo, aunque

como puede verse en la desagregación sectorial proviene únicamente de las empresas de

media y baja tecnología. Este efecto se puede producir si la financiación pública tiene un

efecto positivo en las ventas totales de la empresa mayor que el efecto en las ventas inno-

vadoras, con lo que el porcentaje de ventas innovadoras disminuiría.

La cooperación con otros agentes no parece influir en el porcentaje de ventas innovadoras

de las empresas salvo entre las empresas de media y baja tecnología. Recordemos que co-

operar aumentaba la probabilidad de conseguir una innovación, pero comparando a las

empresas con innovaciones exitosas que no cooperan con las que cooperan las que no co-

operan parecen tener una mayor habilidad para apropiarse de los beneficios de la innova-

ción conseguida en términos de ventas innovadoras, que no tienen que compartir con los

otros agentes.

Para concluir el capítulo, la tabla 15 recoge un resumen de los principales resultados y las

principales implicaciones para el diseño de política económica.



• La intensidad de la innovación incrementa la probabilidad de innovar exitosamente en producto.

• La intensidad de la innovación incrementa el porcentaje de ventas de productos innovadores de las empresas españolas, especialmente en las empresas de Alta Tecnología, empresas grandes y empresas en el sector servicios.

• El éxito de la actividad innovadora es mayor para las empresas que se implican en el proceso de forma continua.

• La financiación pública incrementa la probabilidad de éxito del proceso innovador, especialmente para las empresas de Alta Tecnología, manufactureras y PYMES.

• La cooperación en el proceso innovador incrementa la probabilidad de éxito, especialmente para las empresas de Alta Tecnología, manufactureras y PYMES.

• Los factores de presión de la demanda dificultan el obtener innovaciones (competencia) pero, una vez obtenidas, permiten rentabilizarlas mejor (en términos de ventas innovadoras).

• Impulsar la innovación en las empresas españolas contribuye a la diversificación de su cartera de productos.

• El apoyo sostenido a la innovación para conseguir una involucración continua de las empresas en el proceso innovador es crucial para aumentar el éxito de la innovación en producto.

• La financiación pública es un instrumento importante para mejorar los resultados de la innovación en producto, especialmente en las empresas de media y baja tecnología donde la adicionalidad de la ayuda pública parece más significativa. Es, además, en el estrato empresarial de las pymes donde deben pivotarse los esfuerzos.

• De manera indirecta, dado que la financiación pública aumenta la probabilidad de obtener una innovación en producto exitosa, y ésta aumenta la propensión de la empresa a exportar, se puede concluir que la financiación pública a la innovación ayuda a las empresas a internacionalizarse.

• El fomento de la cooperación entre agentes mejora de forma significativa los resultados de la innovación en producto.

Tabla 15: Principales resultados de los efectos del gasto en innovación en las ventas innovadoras de las empresas españolas.


7 CONCLUSIONES

El esfuerzo realizado por las Administraciones Públicas para aumentar el gasto en innova-

ción en los últimos años, contrasta con los bajos índices de innovación que presentan las

empresas españolas. Este hecho plantea distintos interrogantes sobre los efectos de la inno-

vación sobre las empresas privadas. En este estudio se han querido dar respuesta a alguna

de estas preguntas. Para ello, se ha dividido el trabajo en tres apartados distintos. En primer

lugar, se ha analizado que efectos tiene el gasto en innovación en la producción de las em-

presas (ventas). Luego, se ha analizado el impacto de la innovación sobre las exportaciones.

Finalmente, el estudio presenta los efectos de la innovación en la venta de nuevos produc-

tos y servicios.

En una primera valoración general, podemos decir que existe un efecto positivo del gasto

en innovación sobre las empresas españolas. Este efecto positivo se observa en todas las

dimensiones analizadas: producción, exportaciones y venta de nuevos productos y servi-

cios. Sin embargo, el impacto de la innovación varía en función de las características pro-

pias de cada empresa. De tal forma que aumentar el gasto en innovación afecta a una em-

presa en mayor o menor medida dependiendo de su tamaño, nivel tecnológico y sector en

el que trabaja.

En la primera parte del estudio hemos analizado cómo se ve afectada la producción de las

empresas cuando estas aumentan su gasto en innovación. Para ello, utilizando distintas

técnicas econométricas, se observa que el retorno bruto del gasto en innovación para las

empresas españolas está en torno al 10%. Además del retorno bruto, también se ha estima-

do la elasticidad del gasto en innovación. En este caso, los resultados obtenidos dicen que

un aumento del 1% en el gasto en I+D hace aumentar las ventas de las empresas en un

0,037%. Estos resultados están en línea con los obtenidos en la literatura para España y

otros países europeos, lo que sustenta su fiabilidad.

El efecto de la innovación sobre la producción varía dependiendo del tamaño, nivel tec-

nológico y sector al que pertenece la empresa. Los resultados muestran que la tasa de re-

torno es mayor para las empresas grandes, manufactureras y de nivel tecnológico medio-


bajo. Este último resultado podría parecer ilógico, sin embargo, hay que tener en cuenta

que la tasa de retorno depende de la posición de partida de las empresas. Las empresas de

media y baja tecnología parten de un stock de capital intelectual menor, y por tanto, un

aumento del gasto en innovación tendrá mayores efectos que en una empresa de nivel tec-

nológico alto.

La elasticidad de la producción ante aumentos en el gasto en innovación también varía en

función del nivel tecnológico de las empresas. Las empresas de mayor nivel tecnológico son

las que más incrementan sus ventas cuando aumenta el gasto en innovación (porcentual-

mente). La elasticidad de las grandes y pequeñas empresas, así como de las empresas ma-

nufactureras y de servicios, no es significativamente distinta.

Dados estos resultados, las políticas públicas de fomento de la innovación tendrán efectos

positivos en el crecimiento de la economía, en tanto en cuanto lo tienen en el crecimiento de

las empresas. Serán más coste efectivas aquellas políticas que impulsen la innovación en

sectores más sensibles a la misma (alta tecnología) y en empresas que partan de un nivel de

gasto en innovación relativamente bajo. El beneficio privado que se genera para las empre-

sas a través de la innovación apoya también el hecho de que los costes no pueden ser sufra-

gados únicamente por el sector público, sino que las empresas tienen que co-participar en el

esfuerzo innovador.

Por otro lado, la estructura productiva española, es decir, el efecto composición de la eco-

nomía española, con poco peso de las empresas de alta tecnología explica la menor rentabi-

lidad que en promedio se encuentra para la innovación comparada con la de otros países.

Un punto crucial es promover mecanismos que permitan transitar de esa estructura pro-

ductiva a una basada en el conocimiento, de forma que se puedan maximizar los beneficios

de la innovación.

En la segunda parte del estudio, hemos analizado los efectos de la innovación sobre las ex-

portaciones. Dada la escasez de datos, nuestro análisis principal se ha centrado en estimar

cómo varía la probabilidad de exportar en función de la innovación. En la estimación se

han utilizado distintas formas de medir la innovación como variables explicativas. La prin-


cipal conclusión es que el gasto en innovación hace aumentar la probabilidad de que una

empresa venda sus productos y servicios en el exterior. Los resultados son positivos y sig-

nificativos para las distintas medidas de la innovación, a excepción de la relacionada con la

innovación en proceso, que parece no influir en la propensión a exportar de las empresas,

mientras que sí tiene un claro efecto la introducción de innovaciones en producto.

Otra de las conclusiones importantes de este apartado es que el efecto más importante se

produce cuando una empresa se inicia en la innovación, es decir, cuando el gasto pasa de

ser cero a ser positivo. Los incrementos posteriores tienen efectos positivos, aunque meno-

res. Los resultados muestran que cuando una empresa se inicia en la innovación aumenta la

probabilidad de exportar casi un 12%. Sin embargo, incrementar la intensidad en un punto

porcentual apenas hace aumentar la probabilidad de exportar en un 0,04%.

Al igual que en el primer apartado, el estudio también analiza los efectos de la innovación

diferenciando las empresas por tamaño, nivel tecnológico y sector al que pertenecen. La

principal conclusión es que la innovación afecta prácticamente igual a las exportaciones de

las grandes y pequeñas empresas, así como las empresas manufactureras y de servicios. La

mayor diferencia se encuentra en las empresas con distintos niveles tecnológicos. En este

caso, la innovación tiene efectos mayores en las empresas con un nivel tecnológico alto.

El apartado de las exportaciones se complementa con un análisis de los efectos de la inno-

vación sobre las exportaciones extracomunitarias. Los resultados también muestran un

efecto positivo de la innovación sobre las exportaciones extracomunitarias. Más concreta-

mente, nuestro análisis dice que incrementar el gasto en innovación en un 1% hace aumen-

tar las exportaciones un 0,66%.

La última parte del estudio muestra los efectos que tiene el gasto en innovación sobre las

ventas innovadoras.

Los resultados muestran que un incremento de la intensidad de la innovación de un 10%

implica un aumento del 0,9% en el porcentaje de ventas innovadoras. Estos resultados son

mayores para las empresas de alta tecnología que para las de media y baja. Del mismo mo-


do, tanto las empresas grandes como las de servicios muestran una elasticidad mayor que

las pequeñas y manufactureras, respectivamente.

Otro resultado importante que se obtiene en este análisis es que la cooperación con otros

agentes en las actividades de innovación y el hecho de que la empresa tenga financiación

pública, tienen efectos positivos y significativos sobre la probabilidad de obtener una inno-

vación. Este hecho es especialmente cierto en las empresas de sectores de tecnología media-

baja, en las PYMES y en las manufacturas. En particular la probabilidad de obtener una in-

novación exitosa es 4,5 puntos superior entre aquellas empresas que cooperan en la innova-

ción que entre las que no cooperan y 3,5 puntos superior entre las empresas que reciben fi-

nanciación pública frente a las que no la reciben. Estos resultados confirman la importancia

de la financiación pública y de las políticas de apoyo a la cooperación entre agentes para

asegurar el éxito innovador.

Los resultados del estudio, además de mostrar el efecto positivo del gasto en innovación en

los resultados empresariales, sugieren líneas de acción sobre las que el sector público debe

y puede incidir. Por un lado, es importante generalizar el apoyo a la inversión en innova-

ción de las empresas, especialmente de la innovación en producto. Es especialmente impor-

tante propiciar el salto de la base empresarial española que no realiza ningún esfuerzo en

innovación o que lo hace de una forma discontinua. Por otro lado, es importante propiciar

una migración de la base empresarial española a sectores de mayor contenido tecnológico,

donde la innovación presenta aún mayores rendimientos.


8 CONSIDERACIONES SOBRE LOS MODELOS

El objetivo de este estudio ha sido el análisis del efecto real en términos de competitividad

que tienen en las empresas españolas la inversión en innovación. Se analizó el impacto de la

inversión en innovación en las siguientes variables:

o Ventas

o Volumen de las exportaciones

o Cartera de nuevos productos y servicios

La realización de este estudio se ha llevado a cabo con los datos procedes de Panel de Inno-

vación Tecnológica (PITEC)21, el cual dispone de información con periodicidad anual desde

el año 2003 y cuenta con un total de 12.000 empresas. Sin embargo para este estudio, la

muestra seleccionada es de 4.776 empresas (19.104 observaciones) debido a que sólo se se-

leccionaron empresas para las que:

• Su gasto en innovación > 0 • Cifra de Negocio > 6.000 euros • Intensidad < 4 • Realizan I+D continua • Entrevistadas continuamente desde el periodo 2005-2008

Esto indica que la selección de la muestra no es aleatoria, sino que se pre-condicionan por

varias variables a la hora de seleccionarla, reduciendo el número de empresas de casi 12.000

a 4.776. Esto puede causar sesgo en la muestra.

Lo anterior se puede apreciar en un análisis descriptivo presentado en el informe en rela-

ción a la muestra seleccionada: el número de empleados, la cifra de exportación y la inten-

sidad varían mucho en relación a la media, mediana y desviación estándar22.

21 PITEC es un instrumento estadístico para el seguimiento de las actividades de innovación tecnológica de las empresas es-pañolas, fruto del esfuerzo conjunto de FECYT, el INE y la Fundación COTEC. 22 La desviación estándar es una medida del grado de dispersión de los datos con respecto al valor promedio; en el caso del empleo por ejemplo, la mediana es 48 la media 248,3 y su desviación estándar de 1.128,7. Lo que indicaría la posible existencia de sesgo en la muestra.


Asimismo, tal y como se presenta el modelo, el análisis del grado de significación de las va-

riables explicativas así como los p-valores presentados en la sección 9 están basados en una

hipótesis de normalidad sobre los residuos de estimación. Esta hipótesis no es plausible

dada la posible heteroscedasticidad23 de la muestra.

La metodología empírica utilizada en este estudio está basada en un análisis de regresión

donde las variables explicativas se utilizan bajo forma de diferencia de logaritmos con obje-

to de obtener estacionalidad y evitar resultados espurios. La regresión es estándar en el ca-

so del estudio de la producción empresarial y logística en el caso del estudio sobre el im-

pacto en las exportaciones. Es importante tener en cuenta que la existencia de coeficientes

no nulos en estos modelos de regresión garantiza la correlación pero no la causalidad.

Finalmente, este estudio tiene como finalidad dar iniciativas a informes y análisis parecidos

que midan el impacto de la inversión en innovación en las empresas españolas, así como

del sector productivo español, permitiendo abrir nuevos campos de conocimiento a partir

de una base estadística ya existente.

23 En estadística se dice que un modelo de regresión lineal presenta heteroscedasticidad cuando la varianza de las perturba-ciones no es constante a lo largo de las observaciones.


9 APÉNDICE METODOLÓGICO

9.1 EL IMPACTO DE LA INNOVACIÓN EN LA PRODUCCIÓN Y EN LA PRODUCTIVIDAD DE LA EMPRESA

9.1.1 Marco teórico

Como la mayoría de los artículos existentes en la literatura sobre el tema, el marco teórico

general se deriva de la función de producción de la empresa, donde el punto de partida es

una función de producción Cobb-Douglas aumentada con capital intelectual:

(1)

donde el subíndice i es un indicador de empresa y t es un indicador de tiempo; Y es una

medida de la producción de la empresa (las ventas o el valor añadido), L es trabajo, C es el

stock de capital físico, K es el stock de capital intelectual, A es un término que refleja el

progreso técnico, representa otros factores y β, δ, y γ son las elasticidades de la pro-

ducción con respecto al factor trabajo, al capital físico y al capital intelectual respectivamen-

te24.

Tomando logaritmos en la ecuación anterior:

(2)

Donde las letras minúsculas son los logaritmos de sus correspondientes mayúsculas y se ha

supuesto que el progreso técnico (A) puede expresarse como la suma de un efecto fijo de

empresa (ηi) y un efecto de tiempo (λt).

24 No se incluyen los materiales en la función de producción dado que no existe información al respecto en la base de datos. Esto implica asumir que la proporción de materiales con respecto a las ventas es constante para cada empresa y que por lo tanto su efecto queda recogido en el término específico de empresa, ηi (véase Jaumandreu, 2009, para una aproximación simi-lar).


Tomando diferencias en la ecuación (2) obtendríamos una ecuación típica con la siguiente

forma:

(3)

Para poder estimar la ecuación anterior es necesario hacer unos supuestos adicionales ya

que el stock de capital intelectual, y en nuestro caso, el stock de capital físico no son obser-

vables.

Con respecto al capital físico, la aproximación tradicional es construir una variable de stock

de capital físico utilizando un modelo de inventario permanente, a partir de las inversiones

anuales en este tipo de capital. En nuestro caso, no disponemos de una serie de datos lo su-

ficientemente larga para adoptar esta aproximación, por lo que aproximaremos la tasa de

crecimiento del stock de capital físico a través de la tasa de crecimiento en las inversiones

en capital físico. En un estado estacionario, cambios proporcionales en el stock de capital

pueden ser aproximados por cambios proporcionales en las inversiones en capital (véase

Jones, 2002, o Lokshin y otros, 2008)25.

Con respecto al capital intelectual, dos son los supuestos que tradicionalmente se han veni-

do realizando en la literatura:

• Que la tasa de depreciación del capital intelectual es cercana a cero: en ese caso el cambio en el stock de capital intelectual se puede aproximar por la siguiente expresión: siendo la tasa de retorno bruta de la producción

con respecto al capital intelectual; en este caso por lo tanto, la tasa de crecimiento del capital intelectual se puede aproximar como una función de la intensidad de la inversión pasada en innovación, , así (véase Lokshin y otros, 2008):

(4)

25 Nótese que para construir el stock de capital físico mediante el modelo de inventario permanente, el stock de capital inicial se aproxima tradicionalmente suponiendo que la empresa ha invertido a una tasa igual a la tasa media de la empresa o de la industria, dada una depreciación de capital constante. Si la tasa de crecimiento anual del capital para cada empresa no es muy diferente de la media que se toma en esta construcción, ambos supuestos serían equivalentes y la constante especifica de em-presa recogería todo el cambio en el stock de capital que no aparece recogido por la inversión bruta.


• en la que f(.) puede ser una función lineal o cuadrática de la intensidad de la inversión en capital intelectual. El supuesto latente para realizar esta estimación es que la tasa de retorno de la inversión en innovación es constante para todas las empresas (la elasticidad, sin embargo, variará entre empresas). Para una revisión de los problemas que tiene la interpretación de esta medida, vease Mairesse y Sassenou (1991).

• Partiendo de un modelo de inventario permanente, y si suponemos que la inversión en innovación crece a una tasa relativamente constante, aunque específica de cada empresa, así como que la tasa de depreciación es también constante para la empresa, se obtiene la siguiente expresión (véase Hall y otros, 2010, y las referencias allí contenidas):

(5)

(6)

donde Rit es la inversión en innovación, es la tasa de depreciación del capital

intelectual y es la tasa de crecimiento del stock de capital intelectual.

Así el cambio en la tasa de crecimiento del capital intelectual puede aproximarse por el

cambio en el logaritmo de la inversión en innovación más una constante fija para cada

empresa, que desaparece al tomar diferencias:

(7)

siendo rit el logaritmo de la inversión en innovación.

En la expresión (7), γ puede interpretarse como la elasticidad del output de la empresa

a los cambios en el capital intelectual. Es decir, el cambio porcentual en el output que

implica un cambio de un 1% en el gasto (stock) en innovación. El supuesto latente en

esta especificación es que la elasticidad es constante para las empresas, pudiendo

variar el retorno que cada una obtenga de sus inversiones en innovación.


En el presente estudio se analizarán ambas especificaciones seleccionando la que mejor se

adapte a los datos disponibles y comparando los resultados con otros existentes para Espa-

ña u otros países.

Es importante mencionar que el impacto del gasto en innovación en la producción de la

empresa (ventas) puede también interpretarse como el efecto en la productividad aparente

de la misma, es decir, en las ventas por empleado.

Para ver esto, vale con transformar la ecuación (1) dividiendo ambos lados de la igualdad

por el nivel de empleo de forma que en el lado izquierdo de la igualdad tendríamos una

medida de la productividad aparente: . Tomando logaritmos como en el caso anterior nos

quedaría la siguiente expresión:

(8)

donde . A partir de la ecuación (8) se pueden obtener dos ecuaciones

estimables utilizando los mismos supuestos que en el caso de la producción y que

serían el equivalente a las ecuaciones (4) y (7):

(9)

(10)

Nótese que los parámetros de interés a identificar ϕ y γ son exactamente los mismos que en

el caso de las estimaciones con las ventas. Por lo tanto el presente estudio se limita a las es-

timaciones de las ecuaciones (4) y (7).

Además de estas dos ecuaciones se estimarán dos ecuaciones adicionales que tienen en

cuenta la posible dinámica de la evolución de las ventas.

(4’)


(7’)

Los parámetros de interés siguen siendo aquí los retornos de la innovación que vienen re-

presentados por los parámetros ϕ y γ.

9.1.2 Metodología empírica

La estimación de las ecuaciones (4) o (7) Mínimos Cuadrados Ordinarios (MCO). Sin em-

bargo, es más que probable que este tipo de metodología produjera una estimación de los

parámetros de interés, y en particular de γ sesgada debido a que es probable que las varia-

bles explicativas estén correlacionadas contemporáneamente con el error: existen factores

que no observamos y que influyen tanto en las decisiones sobre los factores como en la

producción final.

Por ello, se utilizarán en la estimación otros métodos que permitan garantizar la consisten-

cia de las estimaciones. Así, y siguiendo la literatura empírica existente al respecto, se utili-

zará el Método Generalizado de Momentos (GMM). Este método explota las condiciones de

ortogonalidad determinadas por el modelo teórico para identificar los parámetros de in-

terés. Por un lado, aunque las variables explicativas estén correlacionadas contemporánea-

mente con el error en cada ecuación, el supuesto identificador es que están predetermina-

das y por lo tanto valores pasados de las mismas no presentarán esa correlación. Dicho de

otro modo, las variables pasadas en niveles sirven de instrumento a las diferencias de las

variables en el presente (véase Arellano y Bond, 1991). GMM combina estas condiciones de

ortogonalidad de forma óptima (es decir, ponderándolas) para obtener estimaciones de los

parámetros de interés. Lo lejos en el pasado que tengan que ir los instrumentos para deter-

minar las condiciones de ortogonalidad dependerá de la estructura temporal de los errores.

Cuanta más persistencia presenten éstos mayor será el retardo de los instrumentos. En

principio en la estimación dejaremos que los datos determinen esa persistencia, permitien-

do y contrastando el grado de autocorrelación de los errores.

Tradicionalmente, GMM se comporta bien, es decir, produce buenos estimadores, si los ins-

trumentos son “buenos”. La bondad de los instrumentos se determina por su grado de co-


rrelación con las variables que instrumentan y por su incorrelación con los errores. En

muestras finitas, con una dimensión temporal pequeña, se ha comprobado que a veces las

variables en niveles pasadas no aproximan bien a los cambios en las variables futuras.

Blundell y Bond (1998) mostraron que en este caso se pueden explotar condiciones de orto-

gonalidad adicionales que mejoran la eficiencia de los estimadores GMM tradicionales. Así

si consideramos la ecuación a estimar en niveles, bajo supuestos bastante generales, existen

condiciones adicionales sobre la no correlación entre las variables en diferencias retardadas

y los errores en niveles. De nuevo, el tipo de retardo depende de la estructura temporal de

los errores (véase Arellano y Bover, 1995, o Bludell y Bond, 1998). Por lo tanto, además de la

estimación utilizando GMM en primeras diferencias se utilizarán estas condiciones adicio-

nales combinándolas en lo que se viene conociendo como System GMM.

Por último, se tendrá en cuenta en las estimaciones la posible existencia de dinámica, en-

tendiendo que la producción de las empresas depende de la producción de de periodos pa-

sados.

9.2 LOS EFECTOS DE LA INNOVACIÓN SOBRE LAS EXPORTACIONES Y EN LA VENTA DE NUEVOS PRODUCTOS

9.2.1 Marco teórico

Para fundamentar nuestro modelo empírico, presentamos la base teórica que sustenta los

efectos positivos de la innovación en las exportaciones y en la venta de nuevos productos.

La literatura teórica relacionada con estos temas, hace uso de modelos con empresas hete-

rogéneas que actúan en mercados con competencia monopolística. Los modelos se dividen

en distintas fases, en las cuales los agentes toman distintas decisiones. El esquema que se

presenta a continuación puede servir para ilustrar el proceso en la toma de decisiones de

las empresas.


Gráfico A.1: Las decisiones de innovación y las ventas de nuevos productos y las exportaciones.

No todas las empresas dedican recursos a la innovación, por eso la primera decisión que

toman las empresas es si innovar o no. Aquellas empresas que deciden innovar, tienen que

determinar la intensidad del gasto, es decir, cuanto será el gasto en innovación. Una vez

que las empresas han dedicado sus recursos, los resultados de la innovación se pueden re-

flejar principalmente en dos grandes grupos: obtención de innovaciones en producto y ob-

tención de innovaciones en proceso. Todo este proceso de toma de decisiones se acaba re-

percutiendo en las dos variables que nos interesan: las exportaciones y la venta de nuevos

productos.

Por un lado, los modelos teóricos sustentan que la venta de nuevos productos aumenta

gracias al mayor gasto en I+D. Las empresas que deciden dedicar recursos a la innovación,

ven reflejados sus esfuerzos en nuevos productos comercializables, lo que les permite am-

pliar su cuota de mercado y vender sus productos nuevos.


Por otro lado, los modelos teóricos también defienden que la innovación facilita las expor-

taciones al extranjero. Tanto la innovación en productos como la innovación en proceso

abren nuevos mercados a las empresas, aumentando su competitividad, lo que facilita la

apertura al exterior. Por ello, el mayor gasto en innovación queda reflejado en un mayor

número de ventas en el extranjero.

Pero, ¿qué mecanismos se esconden detrás de este proceso? Bustos (2010), basándose en el

modelo de empresas heterogéneas de Melitz (2003), crea un modelo teórico en el que las

empresas más innovadores son las que más exportan. La razón principal en la que se sus-

tenta el modelo es que el gasto en innovación permite reducir el coste marginal de las em-

presas. De esta forma, y de manera muy simplificada, los beneficios de la exportación se

convierten en una función del gasto en innovación,

(11)

donde es el beneficio de exportar de la empresa i en el periodo t e es el gasto en in-

novación.

Por tanto, la base teórica defiende que la innovación permite reducir costes, lo que aumenta

el beneficio de las empresas. Gracias a la mejora en competitividad, las empresas tienen la

oportunidad de salir al exterior, y así, exportar sus productos a otros países.

Una de las limitaciones de este modelo es que se fundamenta en la innovación en proceso.

El aumento de las exportaciones se debe a una reducción de costes y no a la innovación en

nuevos productos. Para superar esta limitación, Verhoogen (2008) amplia el modelo teórico

introduciendo productos con distintos grados de calidad. De esta forma, los consumidores

están dispuestos a pagar más por aquellos productos de mayor calidad. En este modelo la

innovación no reduce costes sino que mejora la calidad de los productos. Las empresas que

innovan son capaces de producir productos de mayor calidad, lo que les permite aumentar

los beneficios tanto en el mercado interno como externo.


9.2.2 Metodología empírica

En este apartado se presenta el modelo empírico a estimar y la metodología que para ello se

empleará. Aunque no existen grandes diferencias en la metodología, dividimos la estima-

ción de las exportaciones y la venta de nuevos productos en dos apartados diferentes.

El efecto de la innovación sobre las exportaciones

En un primer lugar, se analizará los efectos de la innovación en las exportaciones. Para ello,

estimaremos una versión reducida de la ecuación que relaciona las exportaciones con el

gasto en innovación. La metodología empírica seleccionada está delimitada por la disponi-

bilidad de datos. La base de datos PITEC recoge el volumen de exportaciones hasta el año

2005, y a partir de ese año sólo se contabilizan las exportaciones extracomunitarias, lo que

imposibilita un seguimiento continuo en el tiempo.

Una alternativa al análisis de los efectos de la innovación sobre las exportaciones es consi-

derar una variable binaria, es decir, considerar si la empresa exporta o no.

Las empresas deciden si innovar o no

Gasto en I+D

Innovación en producto

Innovación en proceso

% de ventas de productos nuevos

Las empresas deciden si exportar o no

% de ventas en el exterior

Gráfico A.2. Impacto de la innovación en la propensión a exportar

Siguiendo Caldera (2010), desarrollamos un modelo probit, aunque limitaciones en los da-

tos no permiten introducir efectos aleatorios. Cabe resaltar que dado que la variable de-

pendiente, exportaciones, hace referencia a lo que las empresas realizaron en los últimos

tres años, es necesario retrasar las variables explicativas en tres años.


(12)

dónde ,

El subíndice i identifica a la empresa y t el tiempo. es una variable binaria equivalente a 1

si la empresa exporta en t y 0 en cualquier otro caso. es la variable que mide el gasto

en innovación, mientras que es un vector que recoge otras características de la empre-

sa (por ejemplo, el tamaño de la empresa, antigüedad en el mercado, etc.). La variable

representa los efectos fijos en cada industria. Finalmente denota los efectos fijos en cada

periodo, controlando así los efectos macroeconómicos. Las variables explicativas corres-

ponden a un periodo anterior para evitar potenciales problemas de simultaneidad.

Como argumenta Caldera (2010), el principal problema econométrico es la heterogeneidad

inobservada de las empresas. Por ello, como modelo base utiliza un probit con efectos alea-

torios, el cual ha mostrado ser la mejor elección en modelos de selección binaria y hetero-

geneidad inobservada a nivel empresarial (Roberts y Tybout 1997). La ventaja de este

método es que controla la heterogeneidad inobservada de las empresas, dado que el térmi-

no error está compuesto de , un efecto específico de cada empresa y fijo en el tiempo, y

, un shock aleatorio que varía para cada empresa y en el tiempo. Sin embargo, como ar-

gumentan Bernard y Jensen (2004), la utilización del probit con efectos aleatorios puede ser

inadecuado en caso de que existiera correlación entre y las variables explicativas. Por

ello, como alternativa existe la opción de emplear modelos lineales de probabilidad con

efectos fijos, que no requieren que los efectos inobservables de la empresa, , estén no-

correlacionados con las variables explicativas.

Aunque en un principio, consideramos de mayor interés cuantificar los efectos del gasto en

innovación sobre la intensidad de las exportaciones, como se ha mencionado sólo se dispo-

ne de información para el volumen de exportaciones extracomunitarias y a partir del año


2006. El análisis de esta variable implica considerar tanto las exportaciones como el gasto en

innovación como dos variables continuas.


Gasto en I+D



% de ventas de productos nuevos

Las empresas deciden si exportar o no

ventas en el exterior

Gráfico A.3. Impacto de la innovación en las exportaciones: variables

De esta forma, las exportaciones (variable dependiente) quedan determinadas por la si-

guiente ecuación:

(13)

donde son las exportaciones de la empresa i en el periodo t, es la variable que repre-

senta el gasto en innovación de la empresa, es un vector que recoge otras características

de la empresa (por ejemplo, el tamaño de la empresa), la variable captura los efectos tem-

porales en el periodo t que pueden afectar a las exportaciones de las empresas, es un

efecto sector al que pertenece la empresa, y, finalmente, recoge los efectos fijos de empre-

sa (otra serie de factores no observables, particulares a la empresa y que no varían con el

tiempo) y representa un shock aleatorio. Como es habitual en la literatura, las variables

del modelo están expresadas en forma logarítmica.

Nuestro parámetro de interés será α, el cual refleja los efectos del gasto en innovación sobre

las exportaciones: en particular recogería la elasticidad de las exportaciones al gasto en in-


novación (el cambio porcentual generado en el volumen de exportaciones ante un cambio

porcentual del 1% en gasto en innovación). Tomando primeras diferencias, la ecuación a es-

timar se representa de la siguiente forma:

(14)

Es necesario resaltar que los efectos fijos de empresa y de sector desaparecen de la ecuación

al tomar primeras diferencias ya que son constantes en el tiempo.

Existen distintas alternativas para estimar el modelo. La primera alternativa es utilizar el

método de mínimos cuadrados ordinarios (MCO). Sin embargo, en presencia de endoge-

neidad, como ya se ha explicado para el caso de la producción y de la productividad, MCO

produce estimadores sesgados e inconsistentes.

Con el fin de evitar problemas de endogeneidad, Arellano y Bond (1991) proponen la utili-

zación del método generalizado de momentos (GMM). En ecuaciones con primeras diferen-

cias (como nuestro caso), se toman como instrumentos los valores retardados de las varia-

bles endógenas en niveles, explotando la condición de no correlación entre los instrumentos

y el término de error. También como en el caso de las ecuaciones de producción y produc-

tividad, GMM en primeras diferencias puede producir estimadores sesgados si la correla-

ción entre las variables endógenas y los instrumentos por lo que Blundell y Bond (1998,

2000) recomiendan usar el método System GMM, ya descrito anteriormente.

De todas formas, el estudio abarca tanto el método MCO como GMM y SYS-GMM. Se pre-

sentarán los resultados de cada uno de ellos, y se discutirá el método que proporciona los

estimadores más precisos.


El efecto de la innovación sobre la venta de productos nuevos

Al igual que en el caso anterior, en este apartado estimaremos una versión reducida de la

ecuación que, en este caso, relaciona la venta de productos nuevos con el gasto en innova-

ción.


Gasto en I+D



ventas de productos nuevos Las empresas deciden si exportar o no

% de ventas en el exterior

Gráfico A.4. Impacto de la innovación en la venta de productos nuevos

El objetivo de esta estimación es identificar los parámetros que definen lo que se viene lla-

mando “función de producción de conocimiento” y que determina como las inversiones en

innovación que realizan las empresas se transforman en outputs innovadores.

La función de producción de conocimiento puede representarse a través de la siguiente

ecuación:

(15)

Donde la variable se refiere a la proporción de ventas de productos nuevos de las em-

presas (expresada en logaritmos), refleja la intensidad de las inversiones de innovación

(gastos en innovación entre ventas totales de la empresa) también en logaritmos y es un


conjunto de otras variables explicativas que pueden afectar a las ventas innovadoras;

representa en esta ecuación un ruido blanco normalmente distribuido26.

La estimación de la ecuación (15) presenta dos problemas:

1. En primer lugar, la variable sólo se observa para aquellas empresas que

consiguen una innovación exitosa y cuando esta se transforma en una venta innovadora.

2. En segundo lugar, tanto como pueden estar correlacionadas con el

término de error si existen factores no observables que afectan tanto al éxito de la innovación como a estas variables explicativas.

El primero de los problemas se soluciona introduciendo en la estimación una ecuación adi-

cional que representaría la probabilidad de que la empresa introduzca una innovación exi-

tosa, , de la que sólo observamos el signo. El modelo a estimar por lo tanto queda consti-

tuido de la siguiente forma:

(16)

(17)

(18)

La estimación de la ecuación (18) se realiza por lo tanto de forma condicional a que se haya

introducido una innovación exitosa y requiere tener en cuenta ese condicionante para no

sesgar la estimación de los parámetros. Se utilizará un modelo de selección de Heckman27,

estimación que se realiza en dos etapas: i) en la primera etapa se estima un probit para la

ecuación (17) y se construye un término de corrección (la llamada lambda de Heckman); ii)

en la segunda etapa ese término adicional se utiliza como un regresor adicional en la ecua-

ción (18).

26 Al igual que en la mayor parte de la literatura sobre este tema, no se tienen aquí en cuenta posibles efectos fijos de empresa. 27 Este tipo de modelos también se conoce en la literatura como modelo Tobit generalizado o Tobit de tipo II.


En cuanto al segundo de los problemas, la posible correlación entre las variables explicati-

vas y el término de error, se abordará el problema utilizando valores retardados de las

mismas. En particular, dado que la variable de ventas innovadoras hace referencia a inno-

vaciones introducidas durante los últimos tres años por las empresas, las variables explica-

tivas se referirán a valores anteriores, datados en t-3.

Este tipo de modelo es una versión reducida del presentado por Crépon, Duguet y Maires-

se (1998) que ha sido ampliamente utilizado en la literatura empírica para analizar la fun-

ción de producción de conocimiento y la relación de su output en la productividad de la

empresa. En nuestra aproximación sólo estudiamos la función de producción de conoci-

miento.


10 APÉNDICE DE RESULTADOS


La Tabla A.1 recoge los valores de las estimaciones de los parámetros relevantes. Las ecua-

ciones (4) y (4’) se estiman por Mínimos Cuadrados Ordinarios (OLS), por GMM y por SYS-

GMM.

Las estimaciones preferidas para la tasa de retorno bruta son las recogidas en la columna

(II) y en la columna (IV), que estiman por GMM la ecuación (4) y (4’) respectivamente, la

versión estática y dinámica de la ecuación de tasas de retorno. La columna (I) asume exo-

geneidad de las variables explicativas y se puede observar que sobreestima el valor de la

tasa de retorno bruta. La utilización de SYS-GMM (columnas III y V) también presentan

problemas de especificación (contrastes de sobreidentificación que rechazan la validez de

los instrumentos y/o valores implausibles para alguno de los parámetros estimados).

Las estimaciones del modelo estático recogidas en la columna II consideran el capital físico

como una variable predeterminada y por lo tanto las diferencias en la inversión en capital (

) se instrumentan con la inversión en capital en el periodo t‐1 y anteriores. Tamaño e in-

tensidad de la innovación son variables endógenas y por lo tanto sus diferencias se instru-

mentan con estas mismas variables en los periodos t-2 y anteriores. Las restricciones de so-

breidentificación que implican estos instrumentos no pueden ser rechazadas como muestra

el bajo valor del test de Hansen. La columna IV, que recoge las estimaciones de la versión

dinámica del modelo: los instrumentos son los mismos que en la versión estática y además

las diferencias de la cifra de negocio retardadas se consideran endógenas y por lo tanto se

instrumentan con la variable de cifra de negocio en el periodo t‐3. Como se puede también

comprobar las restricciones de sobreidentificación tampoco pueden rechazarse en este caso

a partir del valor del contraste de Hansen.

Los resultados correspondientes a las variables de innovación se discuten en el cuerpo del

estudio, aunque como puede verse en la tabla son positivos y significativos. En cuanto al


resto de variables se comportan como cabría esperar con un coeficiente estimado para el

empleo de entre 0,41 y 0,51, similares a los de otros estudios con datos individuales para

empresas28 . El coeficiente para el capital, aunque positivo no es significativo, quizás refle-

jando los problemas de construcción de esta variable. Por último, el modelo parece estar

bien especificado: se aceptan los instrumentos propuestos.

Con respecto a la estimación de la elasticidad de las ventas a la inversión en innovación

(ecuaciones (7) y (7’)), la Tabla A.2 recoge los resultados de la estimación. En este caso, la

estimación preferida es la de la columna III que utiliza como método de estimación SYS-

GMM. De nuevo se incluye la estimación por mínimos cuadrados ordinarios en la primera

columna como referencia (considerando todas las variables exógenas). En este caso se pue-

de apreciar que MCO tiende a infra estimar el valor de la elasticidad. La versión de la ecua-

ción (7) sin dinámica (columna II) muestra algunos valores implausibles de las estimaciones

por lo que se desestima. Los instrumentos utilizados son los mismos que en el caso anterior,

aunque en este caso la inversión en innovación (lo mismo que la inversión en capital físico)

se considera predeterminada y por lo tanto sus diferencias se instrumentan con valores de

la variable en t‐1 y periodos anteriores. Las restricciones de sobreidentificación impuestas

no se pueden rechazar al 10% de significación, y por su lado el resto de parámetros también

producen resultados coherentes, siendo la elasticidad de la producción al empleo de 0,338

(y significativa) y a la inversión en capital físico de 0,003 (también significativa). La estima-

ción del coeficiente del empleo se encuentra dentro de los valores normalmente obtenidos

en España aunque la estimación del coeficiente del gasto en capital físico es menor de lo es-

perado. Los resultados referentes a la innovación, con un claro efecto positivo y estadísti-

camente significativo, se discuten en el texto principal.

28 Véase por ejemplo Beneito (2001) o López (2004).


Variable dependiente: ln(ventas), tMuestra: 2005-2008

OLS (DIFF) COL. I

GMM COL. II

SYS‐GMM COL. III

GMM COL. IV

SYS‐GMM COL. V

log(ventas) t-1 0,222 0,547(0,086)** (0,053)**

log(empleo) t 0,461 0,510 1,131 0,411 0,513(0,039)** (0,088)** (0,011)** (0,097)** (0,061)**

log(capital) t 0,003 0,001 0,003 0,002 0,004(0,001)** (0,002) (0,002)* (0,002) (0,001)**

intensidad t-1 0,189 0,099 0,047 0,107 -0,016(0,019)** (0,024)** (0,026)* (0,044)** (0,030)

constante Sí No Sí No Sídummies sectoriales Sí Sí Sí Sí Sídummies temporales Sí Sí Sí Sí SíHansen: restricciones de sobreidentificación 8,96 30,33 8,80 34,11(grados de libertad) (9) (16) (9) (17)(p-value) (0,441) (0,016) (0,456) (0,008)R2 0,112N. de empresas 4776 4776 4776 4776 4776N. de observaciones 14328 9552 14328 9552 14328COL I: variables exógenasCOL II: Capital predeterminado (instrumentos en t-1 y retardos anteriores); Tamaño e intensidad, endógenas (instrumentos en t-2 y retardos anteriores);COL III: Capital y retardo de las ventas predeterminadas (instrumentos en t-1 y retardos anteriores); Tamaño e intensidad, endógenas (instrumentos en t-2 y retardos anteriores); Diferencias retardadas para las ecuaciones en niveles.COL IV: Capital predeterminado (instrumentos en t-1 y retardos anteriores); Tamaño e intensidad, endógenas (instrumentos en t-2 y retardos anteriores); Cifra retardada endógena (instrumentos en t-3).

COL V: Capital predeterminado (instrumentos en t-1 y retardos anteriores); Tamaño e intensidad, endógenas (instrumentos en t-2 y retardos anteriores); Cifra retardada endógena (instrumentos en t-3); Diferencias retardadas para las ecuaciones en niveles.Se incluyen en todas las estimaciones 6 dummies sectoriales y una que toma valor 1 si la empresa tiene más de 200 trabajadores

Tabla A.1. Estimación de la tasa de retorno bruta de la inversión en innovación.


Variable dependiente: ln(ventas), tMuestra: 2005-2008

OLS (DIFF) COL. I

SYS‐GMM COL. II

SYS‐GMM COL. III

log(ventas) t-1 0,816(0,068)**

log(empleo) t 0,464 1,006 0,338(0,039)** (0,079)** (0,077)**

log(capital) t 0,002 0,003 0,003(0,001)** (0,001)** (0,001)**

log(gasto innovación) t 0,019 -0,010 0,037(0,004)** (0,010) (0,008)**

constante Sí No Sídummies sectoriales Sí Sí Sídummies temporales Sí Sí SíHansen: restricciones de sobreidentificación 29,68 28,78(grados de libertad) (20) (19)(p-value) (0,075) (0,070)R2 0,0917N. de empresas 4776 4776 4776N. de observaciones 14328 19104 14328

COL II: Capital y gasto en innovación predeterminados (instrumentos en t-1 y retardos anteriores); Tamaño endógeno (instrumentos en t-2 y retardos anteriores);

COL III: Capital y gasto en innovación predeterminados (instrumentos en t-1 y retardos anteriores); Tamaño endógeno (instrumentos en t-2 y retardos anteriores); Cifra de ventas retardada, endógena (instrumentos en t-3)

COL I: variables exógenas

Las ecuaciones en niveles instumentadas con las diferencias retardadas.

Tabla A.2. Estimación de la elasticidad de las ventas con respecto al gasto en innovación.

Las mismas estimaciones realizadas en la sección anterior para la muestra completa se han

realizado aquí para diferentes submuestras. El objetivo es tratar de identificar si existen di-

ferencias substanciales entre diferentes sectores que ayuden a interpretar los resultados

globales. Los resultados referentes a los parámetros de innovación aparecen recogidos en la

Tabla A.3.


Total Manufacturas ServiciosAlta

TecnologíaMedia/Baja Tecnología

Grandes Pequeñas

Tasa de retorno de la innovaciónModelo estático (GMM) 0,099 0,182 0,048 0,038 0,191 0,163 0,089

(0,024)*** (0,086)** (0,031) (0,035) (0,049)*** (0,112) (0,030)***Modelo dinámico (GMM) 0,107 0,256 0,059 0,084 0,164 0,376 0,134

(0,043)** (0,118)** (0,044) (0,043)** (0,094)* (0,154)*** (0,053)***ElasticidadModelo dinámico (SYS-GMM) 0,037 0,033 0,048 0,079 0,024 0,024 0,035

(0,008)*** (0,008)*** (0,017)*** (0,022)*** (0,008)*** (0,014)* (0,008)***Errores estándar entre paréntesis. *, ** y *** denota que la variable es estadísticamente significativa al 10%, 5% y 1% respectivamente

Tabla A.3. Estimación de la elasticidad y la tasa de retorno de la innovación: diferencias sectoriales.

10.2 EFECTOS DE LA INNOVACIÓN SOBRE LAS EXPORTACIONES

10.2.1 Muestra total

En primer lugar se presentan los efectos de la inversión en innovación en la probabilidad

de exportar (ecuación 11) para después pasar a discutir sus efectos en el volumen de ventas

a países extracomunitarios (ecuación 14).

La estimación de los parámetros de la ecuación (11) se realiza mediante un modelo probit,

cuyos resultados base presentamos en la tabla A.4. En el análisis se consideran distintas

medidas para la innovación:

• La intensidad de la innovación: ratio entre el gasto innovación y la cifra de ventas.

• El logaritmo del gasto total en innovación. • Una variable que toma valor 1 si la empresa realizó algún tipo de gasto en

innovación y cero en caso contrario (dummy innovación). • Una variable que toma valor 1 si la empresa introdujo alguna innovación en

producto durante el periodo de referencia (dummy de innovación en producto). • Una variable que toma valor 1 si la empresa introdujo alguna innovación en

proceso durante el periodo de referencia (dummy de innovación en proceso).


Variable dependiente: dummy exportacioneMuestra: 2008

Intensidad Log (gasto)Dummy

innovación

Dummy innovación de

producto

Dummy innovación de proceso

Medida de innovación t-3 0,04 0,014 0,119 0,076 0,002(0,018)** (0,001)*** (0,017)*** (0,012)*** -0,012

log (tamaño) t-3 0,063 0,054 0,059 0,06 0,06(0,006)*** (0,006)*** (0,006)*** (0,006)*** (0,006)***

log (inversión) t-3 0,009 0,006 0,008 0,008 0,009(0,001)*** (0,001)*** (0,001)*** (0,001)*** (0,001)***

dummies sector sí sí sí sí sídummy empresa nueva sí sí sí sí sídummy multinacional sí sí sí sí síobservaciones 7499 7499 7499 7499 7499Pseudo-R2 0,1644 0,18 0,1694 0,1679 0,1639Nota: Los coeficientes son los efectos marginales y representan la variación en la probabilidad de exportar debido al aumento en una unidad de la variable explicativa, cuando todas las variables explicativas toman su valor medio (para las variables dummy es el cambio de 0 a 1). Los errores estándar se presentan entre paréntesis. ***,**, * indican el grado de significación a un nivel del 1%, 5% y 10%.

Tabla A.4: Efecto de la inversión en innovación en la probabilidad de exportar.

Los resultados muestran un efecto positivo y significativo de la innovación en la propen-

sión a exportar, salvo la medida de innovación en proceso. El tamaño y la inversión en capi-

tal físico también incrementan la propensión exportadora de las empresas. Los resultados

detallados se discuten en el cuerpo del estudio.

Con respecto al análisis del efecto de la inversión en innovación en el volumen de exporta-

ciones extracomunitarias los resultados aparecen recogidos en la tabla A.5. Para evitar ses-

gos en los estimadores, debido a que es probable que las variables explicativas estén corre-

lacionadas contemporáneamente con el error, utilizamos el Método Generalizado de

Momentos (GMM), donde las variables pasadas en niveles sirven de instrumento a las dife-

rencias de las variables en el presente.


Variable dependiente:Volumen de exportaciones extracomunitarias, muestra 2008.

TOTAL Alta Tecnol.Media y

Baja Tecnol. Manufacturas Servicios Grandes PYMES

Δlog (gasto I+D) 0,659 0,045 0,632 0,668 0,243 -0,378 0,548(0,270)** (0,918) (0,235)*** (0,272)** (0,306) (0,316) (0,263)**

Δlog (tamaño) 4,138 -0,205 4,568 5,042 -1,478 0,521 2,001(1,709)** (2,261) (1,788)** (1,669)*** (2,632) (1,132) (0,844)**

Δlog (inversión) 0,004 0,000 0,003 0,008 -0,037 0,058 -0,005(0,013) (0,031) (0,015) (0,014) (0,027) (0,028)** (0,013)

dummies sector sí sí Sí no no sí sídummies año sí sí Sí sí sí sí sídummy PYME sí sí Sí sí sí no noHansen test 13,27 9,16 11,37 16,99 7,32 16,85 5,16p-value (0,066) (0,165) (0,123) (0,017) (0,292) (0,032) (0,362)observaciones 4549 777 3772 3804 633 1192 0,741Nota: Los coeficientes representan la elasticidad, es decir, en que porcentaje varían las exportaciones cuando aumentamos la variable explicativa en uno por ciento. Los errores estándar se presentan entre paréntesis. ***,**, * indican el grado de significación a un nivel del 1%, 5% y 10%.

Estimación GMM: variables de tamaño e capital predeterminadas (instrumentos t-1 y anteriores); variable de gasto en I+D endogena (instrumentos en t-2 y anteriores)

Tabla A.5: Efecto de la inversión en innovación en el volumen de exportaciones extracomunitarias.

Tomando el total de la muestra, los resultados indican que existe un efecto positivo del gas-

to en I+D sobre las exportaciones fuera de la UE. El coeficiente estimado (elasticidad) dice

que un incremento en el gasto del 1% hace aumentar las exportaciones en un 0,66%.

Además del gasto en I+D, el tamaño (número de empleados) también es un variable signifi-

cativa para explicar las exportaciones. En este caso, un incremento del 1% en el tamaño de

la empresa tamaño hace aumentar el crecimiento de las exportaciones en 4,14%. El test de

Hansen indica que los instrumentos utilizados son adecuados al 5% de significación.

10.2.2 Diferencias sectoriales.

El efecto de la innovación sobre las exportaciones varía en función de las características

propias de cada empresa. Los resultados obtenidos se ven modificados cuando analizamos

las empresas en función de su nivel tecnológico, sector y tamaño.


La tabla A.6 recoge un resumen de los efectos de la innovación en la probabilidad de expor-

tar para diferentes tipos de empresa.

Variable dependiente:

Media y Baja

Tecnol.intensidad t-3 0,04 0,094 -0,028 0,019 0,039 0,118 0,031

(0,018)** (0,030)*** -0,025 (0,032) (0,023)* (0,050)** (0,019)I+D dummy t-3 0,119 0,193 0,104 0,101 0,098 0,112 0,111

(0,017)*** (0,049)*** (0,018)*** (0,018)*** (0,027)*** (0,042)*** (0,018)***dummy innovación 0,076 0,1 0,065 0,055 0,079 0,06 0,074producto t-3 (0,012)*** (0,032)*** (0,013)*** (0,013)*** (0,021)** (0,028)** (0,014)***dummy innovación 0,002 0,039 -0,005 0,002 0,002 0,015 -0,003proceso t-3 (0,012) (0,028) (0,013) (0,012) (0,021) (0,027) (0,013)

dummy exportaciones, muestra 2008.

TOTAL Alta Tecnol. Manufacturas Servicios Grandes PYMES

Nota: Los coeficientes son los efectos marginales y representan la variación en la probabilidad de exportar debido al aumento en una unidad de la variable explicativa, cuando todas las variables explicativas toman su valor medio (para las variables dummy es el cambio de 0 a 1). Los errores estándar se presentan entre paréntesis. ***,**, * indican el grado de significación a un nivel del 1%, 5% y 10%.

Tabla A.6: Efecto de la inversión en innovación en la probabilidad de exportar: diferencias sectoriales.

10.3 EFECTOS DE LA INNOVACIÓN SOBRE LAS VENTAS INNOVADORAS.

10.3.1 Muestra total.

Las tablas A.7 y A.8 recogen los resultados de la estimación del probit de innovación exito-

sa y del porcentaje de ventas innovadoras condicional a que la empresa introduce una in-

novación exitosa respectivamente. Los resultados se recogen tanto para la muestra total

como para distintas submuestras: empresas manufactureras, empresas de servicios, empre-

sas de más de 200 empleados, PYMES y empresas de sectores de tecnología alta y de tecno-

logía media-baja. Las variables que se utilizan en la ecuación de las ventas innovadoras son

las mismas que las anteriores excepto por las tres últimas. Además se introduce un término

de corrección de la posible autoselección (lambda de Heckman).

Es importante apuntar que el término de corrección de lambda es significativo lo que indica

que estimar esta ecuación independientemente del hecho de que sólo observamos empresas

con ventas positivas hubiera sido erróneo.


Tabla A.7. Estimación de la probabilidad de conseguir una innovación exitosa (Probit)

Coef ES Coef ES Coef ES Coef ES Coef ES Coef ES Coef ESI+D+i discontinuo -0,940 0,035 *** -0,989 0,093 *** -0,938 0,038 *** -0,916 0,037 *** -1,109 0,112 *** -0,941 0,046 *** -0,998 0,060 ***log(intensidad I+D) 0,063 0,012 *** 0,031 0,030 0,071 0,014 *** 0,066 0,013 *** 0,054 0,034 * 0,089 0,018 *** 0,037 0,019 **Innov en proceso 0,042 0,034 0,027 0,078 0,046 0,038 0,017 0,036 0,253 0,105 ** 0,043 0,046 0,069 0,056log(tamaño) 0,068 0,014 *** 0,052 0,033 * 0,072 0,016 *** 0,070 0,019 *** 0,147 0,054 *** 0,088 0,021 *** 0,035 0,021 *Tirón de demanda -0,549 0,063 *** -0,556 0,144 *** -0,548 0,070 *** -0,488 0,067 *** -1,130 0,200 *** -0,654 0,089 *** -0,438 0,099 ***Empujón tecnológico -0,003 0,034 0,075 0,081 -0,024 0,037 0,004 0,036 -0,048 0,102 0,003 0,044 0,000 0,057Cooperación 0,124 0,037 *** 0,100 0,087 0,133 0,041 *** 0,109 0,040 *** 0,164 0,103 0,149 0,049 *** 0,083 0,061Grupo 0,004 0,039 -0,061 0,094 0,018 0,043 -0,003 0,043 0,024 0,108 0,008 0,052 -0,026 0,066Nueva creación -0,087 0,093 -0,396 0,155 ** 0,087 0,117 -0,085 0,095 -0,040 0,561 -0,027 0,155 -0,151 0,121Petroleo y extract -0,218 0,255 -0,223 0,256 -0,342 0,293 0,203 0,675Energia y Agua 0,149 0,234 0,146 0,235 0,115 0,309 0,229 0,564Construcción 0,198 0,150 0,210 0,151 0,149 0,160 0,513 0,533Manufacturas 0,540 0,115 *** 0,560 0,115 *** 0,528 0,118 *** 0,710 0,473Servicios 0,333 0,117 *** -0,008 0,091 0,303 0,118 *** 0,352 0,120 *** 0,295 0,480Alta Tecnología 0,167 0,046 *** 0,163 0,048 *** 0,160 0,155 -0,004 0,071 0,292 0,061 ***Financ. Pública 0,095 0,035 *** 0,130 0,084 0,088 0,038 ** 0,085 0,037 ** 0,099 0,104 0,110 0,045 ** 0,026 0,060Mercado Europeo -0,023 0,062 -0,141 0,133 0,007 0,070 -0,027 0,065 0,054 0,201 -0,108 0,086 0,092 0,093Mercado ext. No europeo 0,216 0,060 *** 0,275 0,133 ** 0,203 0,068 *** 0,231 0,064 *** 0,051 0,188 0,248 0,082 *** 0,160 0,095 *Empresa Publ -0,203 0,135 -0,361 0,345 -0,159 0,147 -0,221 0,170 -0,141 0,240 -0,305 0,398 -0,051 0,159Constante -0,242 0,131 * 0,503 0,168 *** -0,283 0,135 ** -0,246 0,140 * -0,874 0,569 0,248 0,100 ** 0,235 0,109 **ObservacionesCensuradasSin censurar *, ** y *** denota que la variable es estadísticamente significativa al 10%, 5% y 1% respectivamente; Todas las variables explicativas hacen referencia al periodo t-3

Total Alta TecnologíaMedia‐Baja Tecnologia

PYMES Grandes Manufacturas

453214333099

2559106414953742

64202418

4002

1076298778

749627164780

1445407

1038

60512309

ServiciosProbabilidad de conseguir una innovación en 2008


Tabla A.8. Efecto de la inversión en innovación en la proporción de ventas innovadoras de la empresa.

Coef ES Coef ES Coef ES Coef ES Coef ES Coef ES Coef ESLambda -1,493 0,442 *** -0,814 0,978 -1,632 0,483 *** -1,103 0,460 ** -0,737 1,250 -1,379 0,629 ** -0,579 0,666I+D+i discontinuo 0,588 0,252 ** 0,102 0,561 0,688 0,275 ** 0,307 0,256 0,704 0,797 0,593 0,340 * -0,008 0,423log(intensidad I+D) 0,090 0,024 *** 0,136 0,039 *** 0,072 0,028 ** 0,082 0,026 *** 0,186 0,052 *** 0,055 0,036 0,146 0,032 ***Innov en proceso 0,053 0,056 0,007 0,094 0,066 0,066 0,086 0,056 -0,062 0,200 0,087 0,069 0,004 0,089log(tamaño) -0,157 0,026 *** -0,140 0,046 *** -0,166 0,031 *** -0,168 0,034 *** -0,072 0,098 -0,128 0,039 *** -0,145 0,034 ***Tirón de demanda 0,595 0,192 *** 0,280 0,367 0,682 0,219 *** 0,418 0,185 ** 0,807 0,880 0,806 0,300 *** 0,038 0,246Empujón tecnológico -0,082 0,053 -0,053 0,105 -0,082 0,062 -0,092 0,055 * -0,012 0,140 -0,078 0,064 -0,067 0,088Cooperación -0,080 0,061 0,056 0,108 -0,118 0,072 * 0,002 0,062 -0,292 0,150 * -0,002 0,078 -0,089 0,095Grupo -0,076 0,060 0,055 0,115 -0,109 0,070 -0,066 0,062 -0,155 0,142 -0,156 0,073 ** 0,115 0,098Nueva creación 0,202 0,148 0,181 0,273 0,124 0,192 0,201 0,144 ** -0,216 0,738 0,237 0,226 0,067 0,189Petroleo y extract 0,785 0,485 0,195 0,103 0,789 0,504 1,145 0,567 -0,724 1,035Energia y Agua -0,424 0,414 -0,427 0,431 0,504 0,591 -1,499 0,855Construcción -0,032 0,277 -0,054 0,289 0,259 0,289 -1,151 0,852 *Manufacturas -0,298 0,255 -0,346 0,273 -0,132 0,261 -0,725 0,825Servicios -0,164 0,230 -0,225 0,238 -0,053 0,236 -0,829 0,753Alta Tecnología -0,086 0,075 -0,023 0,077 -0,232 0,195 -0,103 0,096 0,063 0,129Financ. Pública -0,099 0,057 * -0,033 0,117 -0,119 0,066 * -0,059 0,059 -0,099 0,140 -0,110 0,071 -0,077 0,092Constante 4,465 0,448 *** 3,560 0,496 *** 4,636 0,496 *** 4,150 0,477 *** 4,425 1,527 *** 3,997 0,391 *** 3,707 0,437 *** *, ** y *** denota que la variable es estadísticamente significativa al 10%, 5% y 1% respectivamente; Todas las variables explicativas hacen referencia al periodo t-3

Manufacturas ServiciosTotal Alta TecnologíaMedia‐Baja Tecnologia

PYMES GrandesIntensidad ventas innovadoras en 2008


11 APÉNDICE DE REVISIÓN DE LA LITERATURA

Tabla B.1. Revisión de la literatura empírica sobre los efectos de la I+D en la producción: países europeos.


Tabla B.2. Revisión de la literatura empírica sobre los efectos de la I+D en la producción: España.

Autor Variable de I+D+iVariable de producción País Muestra Filtro Periodo Modelo

Elasticidad estimada

Tasa de retorno estimada

Maté-Garcia y Rodríguez-Fernández (2008) log(gasto I+D/Ventas) log(productividad) España

1312 empresas (Encuesta sobre Estrategias Empresariales ESEE) Manufacturas 1993-1999

Función de producción estática (GMM) No estimada 26,60%

Beneito (2001) log(stock de I+D)log (cifra de ventas); log(valor añadido) España

2820 empresas (EESE) Manufacturas 1990-1996

Función de producción estática (GMM)

Ventas: 0,03; VA: 0,07 No calculado

Doraszelski y Jamandreu (2009) España

+1800 empresas (ESEE) Manufacturas 1990-1999

Productividad endógena y modelo dinámico Media: 0,012 Media: 35%

Ornaghi (2006)log(stock de I+D) (producto, proceso)

log(producción)[Ventas+Variación existencias] España

11.004 observaciones (ESEE) Manufacturas 1990-1999

Función de producción con "spillovers" 0,100 No calculado

Vargas et al (2007)

log(stock de I+D) (producto, proceso) Distingue de I+D interna y externa

log(producción) [Ventas+Variación existencias] España 327 empresas (ESEE)

Manufacturas Sectores de Alta o Media/Alta Tecnología 1990-1999

Función de producción 0,019 No calculado

Jaumandreu (2009) log (stock de I+D) log(cifra ventas) EspañaTotal: 9850; Innovadores:8413 2003-2006

Función de producción (OLS)

Muestra completa: 0,092; innovadores: 0,162 No calculado


Tabla B.3. Revisión de la literatura empírica sobre los efectos de la innovación en las exportaciones.

Autor Variable I+DVariable exportación País Muestra Filtro Periodo Modelo Efecto marginal Elasticidad

Caldera (2009)

Intensidad; I+D dummy;Innovación producto dummy;Innovación proceso dummy;

Dummy exportación

España21.949 empresas. ESEE

Empresas manufactureras

1990-2002Efectos aleatoriosProbit

Int: 0,007;I+D dummy: 0,085;Product: 0,030;Proceso: 0,040

Cassiman & Martínez-Ros (2007)

Dummy innovación producto; dummy innovación en proceso; ambas en t-1

Dummy exportación

España

Encuesta de Estrategias Empresariales; PITEC.

Empresas manufactureras

1990-1999

Probit; probit con efectos aleatorios

Producto: 0,25 para PYMES; 0,08 para grandes. Proceso: sin efecto.

Aw et al (2007)Gasto en I+D entre beneficio

Exportaciones entre beneficio

Taiwan 987 empresasindustria electrónica

1986-18996Efectos aleatorios

0,19

Bleaney y Wakelin (2002)Número de innovaciones

Dummy exportación

Reino Unido 500 empresas manufactureras 1988-1992 Probit 0,005


Tabla B.4. Revisión de la literatura empírica sobre los efectos de la innovación en el output innovador.

Autor Variable de I+D+i output País Muestra Filtro Periodo Modelo

Intensidad de la I+D+i

Factores de presión de demanda

Factores de impulso tecnológico

Crèpon et al (1998)Porcentaje de ventas innovadoras y patentes Francia Innovadores 1986-1990

Mínimos Cuadrados Asintóticos Efecto positivo Efecto positivo No considerado

Janz et al (2004) Ventas por empleadoAlemania y Suecia Innovadores

Empresas intensivas en conocimiento 1998-2000 Tobit generalizado Efecto positivo Sin efecto Sin efecto

Mairesse & Mohnem (2005)

Probabilidad de innovación en proceso, en producto para la empresa, en producto para el mercado, porcentaje de ventas innovadoras, número de patentes Francia Innovadores Manufacturas 1998-2000 Tobit generalizado Efecto positivo No considerado No considerado

Griffith et al (2006)

Probabilidad de innovación en proceso y probabilidad de innovación en producto

Francia, Alemania, España y Reino Unido

Todas las empresas Manufacturas 1998-2000

Probit con intensidad estimada para no innovadores Efecto positivo Efecto positivo Efecto positivo

Raymond et al (2006) Porcentaje de ventas innovadoras Holanda Innovadores Manufacturas1996, 1998 y 2000

Tobit con dos límites y autoselección Efecto positivo Efecto Positivo Sin efecto

Raymond et al (2009) Porcentaje de ventas innovadoras Holanda Innovadores Manufacturas1994-1996/ 2000-2002

Tobit bivariante dinámico con autoselección Efecto positivo No considerado No considerado

Resultados


12 BIBLIOGRAFÍA

Arellano, M. y Bond, S. (1991). “Some tests of specification for panel data: Monte Carlo evi-

dence and an application to employment equations”. Review of Economic Studies, 58, 277-

297.

Arellano, M. y Bond, S. (1998). “Dynamic Panel Data Estimation Using DPD98: A Guide for

Users”. University of Oxford mimeo.

Arellano, M. y Bover, O. (1995), “Another look at the instrumental variable estimation of er-

ror components model”, Journal of Econometrics, 68, pp. 29-51.

Aw, B., Roberts, M. y Winston, T. (2007). “Export Market participation, Investment in R&D

and Worker Training, and the evolution of Firm Productivity”. The World Economy, 14(1),

pp. 83-104

Ballot, G., Fakhfakh, F. y Taymaz, E. (2006), “Who Benefits from Training and R&D, the

Firm or the Workers?”, British Journal of Industrial Relations, 44(3), pp. 473–495.

Beneito, P. (2001), “R&D productivity and spillovers at the firm level: evidence from Span-

ish panel data”, Investigaciones Económicas, 25(2), pp. 289-313.

Bernard, A.B., Jensen, B.J. (2004). “Why Some Firms Export?” Review of Economics and

Statistics 86 (2), 561-569.

Bleaney, M. y Wakelin, K. (2002). “ Efficiency, innovation and exports”. Oxford Bulletin of

Economics and Statistics, 64, 3.

Blundell, R. y Bond S. (1998), “Initial conditions and moment restrictions in dynamic panel

data models”, Journal of Econometrics, 87, 115-143.

Blundell, R. y Bond, S. (2000). “GMM Estimation with panel data: an application to produc-

tion functions”. Econometrics Reviews 19 (3), 321-340.


Bond, S., Harhoff, D. and van Reenen J. (2003), “Corporate R&D and productivity in Ger-

many and de UK”, CEP Discussion Paper 0599.

Bustos, P. (2010). “Trade Liberalization, Exports, and Technology Upgrading: Evidence on

the Impact of MERCOSUR on Argentinean Firms”, American Economic Review (de

próxima aparición).

Caldera, A. (2010). “Innovation and Exporting: Evidence from Spanish Manufacturing

Firms”. Review of World Economics (de próxima aparición).

Cassiman, B., & Martinez-Ros, E. (2007). “Product Innovation and Exports: Evidence from

Spanish Manufacturing”. IESE working paper, mimeo.

Cassiman, B., Golokov, E. y Martínez, E. (2010). “Innovation, exports and productivity”. In-

ternational Journal of Industrial Organization, 28, pp. 272-376.

CDTI (2009), “Impacto de la innovación en el sector productivo español”.

Crépon, B., Duguet, E. y Mairesse, J. (1998), “Research and development, innovation and

productivity: an econometric analysis at the firm level”, Economics of Innovation and New

Technology, 7(2), pp. 115-158.

Doraszelski, U. y Jaumandreu, J. (2009), “R&D and productivity: Estimating endogenous

productivity”, documento de trabajo.

Greenhalgh C. y Longland, M. (2005), “Running to Stand Still? - The Value of R&D, Patents

and Trade Marks in Innovating Manufacturing Firms”, International Journal of Economic

of Business, 12(3), 307-328.

Griffith, R., Harrison, R. y J. van Reenen (2004), “How special is the special relationship?

Using the impact of R&D spillovers on UK firms as a test of technology sourcing”. CEP

Discussion Paper 4698.


Griffith, R., Huergo, E., Mairesse, J. y Peters, B. (2006), “Innovation and productivity across

four European countries”, Oxford Review of Economics and Policy, 22(4), pp. 483-498.

Hall, B. H., Mairesse, J., y Mohnen, P. (2010), “Measuring the returns to R&D”, en Hand-

book of the Economics of Innovation, B. H. Hall and N. Rosenberg (editors).

Janz, N., Lööf, H. y Peters, B. (2004), “Firm level innovation and productivity. Is there a

common story across countries?”, Problems & Perspectives in Management, #2/2004.

Jaumandreu, J. (2009), “What explains the evolution of productivity and competitiveness.

The innovation link”, IESE SP-SP Working Paper Nº 804.

Jones, C. (2002), “Sources of U.S. economic growth in a world of ideas”, American Econom-

ic Review, 92(1), pp. 220-239.

Lokshin, B., Belderbos, R. y Carree, M. (2008), “The productivity effects of internal and ex-

ternal R&D: evidence from a dynamic panel data model”, Oxford Bulletin of Economics

and Statistics, 70(3), pp. 299-413.

López, A. (2004), “Estimation of a production function considering the possibility of pro-

duction subcontracting”, document de trabajo.

Mairesse, J. y Mohnen, P. (2005), “The importance of R&D for innovation: a reassessment

using French survey data”, Journal of Technology Transfer, 30, pp. 129-143.

Mairesse, J. y Sassenou, M. (1991), “R&D productivity: a survey of econometric studies at

the firm level”, NBER working paper Nº 3666, Cambridge, MA.

Maté-García, J. y Rodríguez-Fernández, J.M. (2008), “Productivity and R&D: an economet-

ric evidence from Spanish firm-level data”, Applied Economics, 40, pp. 1827-1837.

Melitz, M. (2003). “The Impact of Trade on Intra-industry Reallocations and Aggregate In-

dustry Productivity”. Econometrica 71(6), 1695-1725.


Ornaghi, C. (2006), “Spillovers in product and process innovation: Evidence from manufac-

turing firms”, International Journal of Industrial Organization 24, pp. 349– 380.

Raymond, W., Mohnen, P., Palm, F. y van der Loeff, S. (2006), “An empirically-based tax-

onomy of Dutch manufacturing: innovation policy implications”, De Economist, 154(1), 85-

105.

Roberts, M. y Tybout, J. (1997). “The Decision to Export in Colombia: An Empirical Model

of Entry with Sunk Costs”. American Economic Review 87 (4), 545-564.

Rogers, M. (2006), “R&D and Productivity in the UK: evidence from firm-level data in the

1990s”, de próxima aparición en Empirica.

Vargas-Montoya, P., Salinas Zárate, R. y Guerras Martín, L.A. (2007), “Does the technologi-

cal sourcing decision matter? Evidence from Spanish panel data”, R&D Management 37(2),

pp. 161-172.

Verhoogen, E. (2008). “Trade, Quality Upgrading and Wage Inequality in the Mexican

Manufacturing Sector”. Quarterly Journal of Economics, CXXIII (2), May.

Vernon, R. (1966). “International investment and international trade in the product cycle”.

Quarterly Journal of Economics LXXX, 190–207.

Wakelin, K., (2001), “Productivity growth and R&D expenditure in UK manufacturing

firms”. Research Policy 30, pp. 1079-1090.

Wang, J. y Tsai, K. (2004), “Productivity Growth and R&D Expenditure in Taiwan's Manu-

facturing Firms”. Capítulo en el libro del NBER ”Growth and Productivity in East Asia,

NBER-East Asia Seminar on Economics”, editors T. Ito y A. K. Rose, pp 277 – 296.

Documents

Preliminar Pág. i - ICONO · 2019. 5. 24. · 46 Tabla A.1. Estimación de la tasa de retorno bruta de la inversión en innovación. 70 Tabla A.2. Estimación de la elasticidad de