Introducción

El proceso de innovación se ha convertido en una de las modalidades preferidas por los países como estrategia de crecimiento. En las últimas décadas, se ha posicionado en el centro de los temas relevantes de los investigadores de la ciencia económica, así como de los formuladores de políticas públicas de los gobiernos. A finales de los ochenta, con el surgimiento de la teoría del crecimiento endógeno, la innovación retomó un lugar importante al considerase un elemento endógeno al sistema económico. Desde esa perspectiva, el progreso técnico se consideró quizá el elemento más importante para lograr mejores tasas de crecimiento y progreso de las naciones (^{Romer, 1986}, ¹⁹⁹⁰; ^{Lucas, 1988}; ^{Barro y Sala-i-Martin, 1990}; ^{Aghion y Howitt, 1992}; ^{Freeman, 1993}; ^{Grossman y Helpman, 1994}).

No obstante, actualmente existen diferencias tecnológicas importantes en las regiones del mundo, las cuales están relacionadas con las características propias del entorno en que se desenvuelven, por ello es importante examinar el contexto, las capacidades y las particularidades tecnológicas de dichas regiones, para entender los procesos de innovación, más aún de aquéllas constituidas principalmente por países en vías de desarrollo, ya que la innovación científica y tecnológica es el mecanismo capaz de hacer que el crecimiento y el desarrollo económico de estos países se acelere, incluso podría sacarlos de la condición de subdesarrollo (^{Montoya, 2004}).

En este estudio se analiza la región de América Latina, que posee una débil estructura de innovación para generar su propio progreso tecnológico. De acuerdo con datos del Banco Mundial, en 2015, la región apenas invertía 0.7% del Producto Interno Bruto (PIB) en investigación y desarrollo (I+D), muy por debajo del 2.8% de los Estados Unidos y del 2.5% de los miembros de la OCDE.

En el mismo año, cifras de la Red Iberoamericana de Indicadores de Ciencia y Tecnología indicaban que América Latina contaba con 4.7 doctorados por cada 100,000 habitantes mientras que España y Estados Unidos tenían 15 y 18, respectivamente. De la misma manera, en tanto que la región tenía en promedio 1.5 investigadores por cada 1,000 trabajadores de la población económicamente activa (PEA), España tenía 9.3 y Portugal 15.5.

Lo anterior evidencia el bajo desempeño en los esfuerzos de innovación en la región; la atención que se le da a la innovación en los sectores productivos con bajo contenido tecnológico es escasa en comparación con las actividades económicas con un nivel alto de tecnología (^{OCDE-Eurostat, 2005}), sin embargo, fomentarla en sectores con escaso volumen tecnológico puede tener un impacto significativo en el crecimiento económico a causa del peso que representa en la economía total.

Esta investigación tiene como objetivo estudiar los factores que estimulan la actividad de innovación en los países de América Latina durante el periodo 2006-2017. Si bien los trabajos respecto a esta temática para la región son diversos, estos se han centrado en analizar un grupo reducido de países asociados a un acuerdo o tratado comercial y, aunque en ocasiones se han estudiado individualmente, es difícil encontrar un análisis empírico para la muestra que aquí se contempla.

Además de la propuesta de un modelo de corrección del error vectorial (VECM) que recoge la relación de equilibrio de las variables, una contribución adicional de esta investigación es la consideración de una muestra más completa que implica escudriñar en los determinantes de la innovación en 17 economías de la región.

Con este propósito se formula la siguiente hipótesis: En los países de América Latina, la apertura comercial, el gasto en I+D a nivel empresa, la capacidad de innovación, la formación en educación superior, la absorción de tecnología empresarial y la protección a la propiedad intelectual tienen una relación de equilibrio de largo plazo y, por lo tanto, inciden positiva y significativamente en el nivel de innovación de la región.

Adicionalmente, en los países de la región las empresas realizan una escasa inversión en I+D porque se dedican a actividades productivas con un bajo contenido tecnológico. Lo anterior se debe a que más de 80% de las empresas son fundamentalmente microempresas de menos de 10 empleados y una proporción superior a 75% pertenecen a sectores tradicionales y de baja tecnología (^{OEI, 2012}).

Por esta razón, no sólo es fundamental examinar la relación que guardan las variables entre sí, también es importante diferenciar los elementos que estimulan el nivel de innovación en la región donde predominan las actividades productivas con escaso nivel de tecnología. La evidencia empírica muestra, que en los sectores de alta tecnología, el gasto en I+D desempeña un rol importante en las actividades de innovación, mientras que los sectores económicos con bajo contenido tecnológico podrían apoyarse más en la adopción del conocimiento y tecnología (^{Freeman, 1982}; ^{Freeman et al., 1982}; ^{Freeman y Soete, 1987}; ^{Conte y Vivarelli, 2005}; ^{Tunzelmann von y Acha, 2005}; ^{Lambardí y Mora, 2014}). Por lo tanto, la segunda hipótesis que se plantea en esta investigación sugiere que, en los países de América Latina, el impacto en la innovación de un aumento en la absorción de tecnología empresarial es superior al efecto que presenta el gasto en I+D a nivel empresa.

La estructura del documento es la siguiente: después de la introducción se presenta una revisión teórica sobre la innovación en el crecimiento; en la segunda sección se comentan algunos trabajos internacionales recientes sobre factores que incentivan la actividad de innovación, posteriormente se realiza una breve contextualización de los niveles de innovación en América Latina; en la cuarta sección se expone el modelo teórico y empírico de estimación; el apartado cinco trata la base de datos y las estimaciones del modelo. Finalmente se presentan las conclusiones del trabajo.

1. Revisión teórica

La preocupación sobre lo que determina el valor de la producción de las naciones ha sido un tema central desde comienzos de la ciencia económica. ^{Adam Smith (1776)}, en su obra Una investigación sobre la naturaleza y causas de la riqueza de las naciones, reconoce al trabajo como fuente de toda riqueza, orientó su interés en los adelantos de la maquinaria y en la manera en que la división del trabajo podría incentivar las invenciones para facilitarlo. Así, el avance en el conocimiento tecnológico es resultado de la división del trabajo, porque los trabajadores son más propensos a descubrir nuevos métodos que les permitan realizar la actividad de forma más rápida y fácil cuando su mente se concentra en una sola actividad, que cuando reparten su trabajo en una serie de actividades.

A principios del siglo XX, la obra de ^{Schumpeter (1934)}, The theory of economic development, sentó las bases del papel de la innovación en el crecimiento económico. El autor sostenía que sólo la innovación hace posible el aumento del valor agregado bruto nacional. En su análisis, partió de una economía en equilibrio que carecía de cambios, sin embargo, se presentaban “interrupciones de equilibrio” provenientes de la capacidad innovativa de los empresarios, lo que transformaba la situación estática en un proceso dinámico de desarrollo económico.

Posteriormente, el trabajo de ^{Robert Solow (1956)} ofreció una forma diferente a la de las investigaciones anteriores que explicaban el crecimiento económico. El aporte de Solow, también conocido como modelo exógeno del crecimiento, es en la actualidad el soporte de la escuela neoclásica del pensamiento económico. Desde esta perspectiva, el concepto económico de la innovación es interpretado como un elemento exógeno al sistema económico donde las decisiones de inversión en innovación son un elemento central, aunque determinado fuera del modelo. Así, el crecimiento de largo plazo es totalmente independiente de las decisiones de política económica, es decir, los hacedores de política poco pueden hacer para conseguir que el país alcance un mayor nivel de crecimiento de equilibrio a largo plazo.

No obstante, en la década de los noventa toman fuerza los trabajos de la teoría del crecimiento endógeno, donde el papel de la innovación retomó un lugar importante al considerase un elemento endógeno al sistema económico (^{Romer, 1986}, ¹⁹⁹⁰; ^{Lucas, 1988}; ^{Aghion y Howitt, 1992}). De esta forma, la incorporación de la tecnología en el proceso productivo es reconocida como uno de los principales medios para alcanzar adecuados niveles de crecimiento y desarrollo económico, pero también es un elemento determinante en las mejoras de los estándares de innovación (^{Germán-Soto y Gutiérrez, 2013}).

^{Romer (1986)} y ^{Lucas (1988)} fueron pioneros en la construcción de los modelos de crecimiento endógeno. A diferencia de los modelos neoclásicos de crecimiento exógeno, estas aportaciones aseguran que puede existir una tasa de crecimiento positiva del producto per cápita, aunque no exista una variable (progreso tecnológico) que crezca de manera exógena. En este contexto, ^{Romer (1986)} consideró al cambio tecnológico como endógeno y argumentó que el crecimiento económico de largo plazo es impulsado principalmente por la acumulación del conocimiento por parte de los agentes que maximizan sus beneficios. Sobre lo mismo, ^{Lucas (1988)} destacó el importante papel del capital humano como motor de crecimiento de los países haciendo notar las externalidades del capital humano como un bien de acumulación.

Bajo la misma línea, ^{Romer (1990)} resaltó la importancia de la inversión en investigación tecnológica como determinante del crecimiento a largo plazo. Señaló que el cambio tecnológico aporta el incentivo necesario para la acumulación continua de capital, por lo que en conjunto son responsables de gran parte del incremento de la productividad. Así, el cambio tecnológico surgiría de las acciones intencionales realizadas por las personas que responden a los incentivos del mercado.

^{Freeman (1993)} afirmó que los países con un alto índice de competitividad son los que invierten en investigación y desarrollo en ciencias básicas y aplicadas, así como en equipos y formación de recursos humanos. ^{Grossman y Helpman (1994)} argumentaron que la innovación sostiene la acumulación de capital y el crecimiento; estos autores defendieron el valor del capital humano en el largo plazo, por lo que una economía con mayor mano de obra podría emprender más I+D generando una mayor tasa de productos innovadores. Otros trabajos que relacionan los efectos de las actividades privadas y universitarias de I+D sobre la innovación son los documentos seminales de ^{Griliches (1979)}, ^{Jaffe (1989)} y recientemente el trabajo desarrollado por ^{Fischer y Varga (2003)}.

Por lo tanto, en la nueva teoría,¹ el crecimiento económico no está fuera de la política económica, sino que más bien tiene efectos sobre el crecimiento de largo plazo porque brinda alternativas de desarrollo que se centran en la educación, la inversión nacional, el desarrollo de nuevas tecnologías para el mercado mundial y la investigación en ciencia aplicada, por lo que analizar los factores que estimulan la actividad de innovación se vuelve fundamental en la investigación económica.

2. Factores que estimulan la innovación. Una revisión de los estudios previos

Los trabajos más recientes dedicados al estudio de los determinantes de la innovación son muy diversos. Los resultados varían según el contexto, espacio geográfico y temporal del que son objeto, mientras algunos autores destacan la importancia del tamaño de las empresas, su nivel de conocimiento y el acceso a la tecnología externa para estimular el nivel de innovación (^{Crespi y Zúñiga, 2012}; ^{Crespi et al., 2016} y ^{Guzmán et al., 2016}), otros distinguen el papel del capital humano medido por el nivel de educación (^{Santander y Álvarez, 2008}; ^{Germán-Soto et al., 2009}; ^{Crespi et al., 2016}).

Otros trabajos han examinado la relación de los derechos de propiedad y la innovación. Los resultados de este campo de análisis sugieren que las empresas se sienten motivadas a innovar cuando cuentan con una adecuada protección para sus invenciones, porque de esta forma aseguran el retorno de sus inversiones (^{Schneider, 2005}; ^{Allred y Park, 2007}; ^{Santander y Álvarez, 2008}; ^{Chen, 2008}; ^{Guzmán et al., 2016}). En algunos de estos trabajos se ha encontrado que el efecto de los derechos de propiedad sobre la innovación es menos significativo para los países en vías de desarrollo en comparación a los países desarrollados. Lo anterior sugiere que la innovación en los países subdesarrollados está más relacionada con la imitación o la adaptación de tecnologías (^{Santander y Álvarez, 2008}).

^{Conte y Vivarelli (2005)} realizaron un análisis empírico para analizar los determinantes de la innovación en productos y en procesos para el sector industrial italiano durante el periodo 1998-2000. Sus hallazgos muestran que la investigación y desarrollo están fuertemente ligados a la innovación en productos, mientras que la adquisición de nueva tecnología está más relacionada con la innovación en procesos. También se encontró evidencia de que las pequeñas empresas y firmas pertenecientes a sectores de baja tecnología dependen más de la adquisición de tecnologías externas y de acuerdos de cooperación; las empresas más grandes en sectores de alta tecnología dependen más de su propia investigación y desarrollo.

Con el mismo interés, ^{Lambardi y Mora (2014)} realizaron el análisis para las empresas manufactureras de Colombia, entre los resultados más importantes concluyeron que, del total de las empresas, 27% invirtieron en innovación de productos mientras que 42% lo hizo en innovación de procesos. Los resultados son consistentes con el trabajo de ^{Conte y Vivarelli (2005)} ya que la evidencia muestra que en su mayoría las empresas colombianas cuentan con un bajo contenido tecnológico y, en general, es más importante la imitación tecnológica que los factores relacionados a la investigación y desarrollo.

Por otro lado, existen trabajos que relacionan positivamente la capacidad de innovación y la absorción de tecnología con la innovación. Bajo este contexto, ^{Adler y Shenbar (1990)} argumentan que esta capacidad es una habilidad para adaptarse a cambios tecnológicos inesperados con el desarrollo de nuevos productos. Además, entre mayor se la capacidad tecnológica de las empresas estarán en mejores condiciones de competir por medio de la innovación (^{Karagouni y Papadopoulos, 2007}). Esta inquietud llevó a ^{Ince et al. (2016)} a proponer un modelo conceptual que demostrara los efectos de las capacidades de innovación tecnológica y de la capacidad absorción en la innovación, ellos concluyeron que estas tienen un impacto positivo en la innovación y, además, la capacidad de absorción tiene también un impacto positivo en las capacidades de innovación tecnológica.

En cuanto a la variable de apertura comercial, ^{Santander y Álvarez (2008)} realizaron un estudio para 60 países a través de un panel de datos que reunió indicadores de innovación. A partir de esta base se dividieron grupos de control y de tratamiento para naciones cerradas y abiertas al comercio internacional anterior al año 1965. Se compararon los outputs de indicadores de innovación para encontrar los efectos de la apertura comercial sobre la innovación; se encontró que existía un efecto positivo de la apertura comercial sobre el número promedio de patentes.

Esta hipótesis también se comprobó en el trabajo de ^{Pérez-Hernández et al. (2018)} en el que, a través de un panel de datos con efectos fijos, se examinaron los determinantes de la capacidad tecnológica para 17 economías de América Latina. Los principales resultados de esta investigación muestran que, entre otras variables, la apertura comercial es una de las que más influyen a la hora de analizar la capacidad tecnológica de estas economías. De esta manera, la perspectiva teórica del presente trabajo en cuanto a los factores que estimulan la actividad de innovación está sustentada en los modelos de crecimiento endógeno, así como en los trabajos empíricos que retoman los fundamentos de la nueva teoría del crecimiento a nivel regional, sobre todo en economías en vías de desarrollo.

3. Desempeño comparativo de la innovación en América Latina

En este apartado se presenta un panorama actual de la innovación en la región mediante dos tipos de indicadores: el primero mide los insumos necesarios para la innovación (gastos en I+D, número de doctorados y número de investigadores), mientras el segundo tipo tiene que ver con el conocimiento y resultados de la innovación (número de publicaciones científicas y centros de investigación).

El gasto en investigación y desarrollo (I+D) es uno de los principales factores que incentiva el crecimiento económico de los países. Las principales economías de la región que invierten en este rubro son Brasil, México, Argentina, Colombia y Chile (Gráfica 1).

Fuente: Cálculos propios con información de la Red Iberoamericana de Indicadores de Ciencia y Tecnología (^{Ricyt, 2018}).

Gráfica 1 Participación en el gasto en I+D expresada como porcentaje del gasto total en I+D en América Latina, 2015 (en millones de US$ Paridad del poder adquisitivo) 

Básicamente, este grupo concentra 95% del gasto total en I+D de la región. En 2015, casi 62% de los gastos en I+D se realizaron en Brasil, la cifra más alta en América Latina. México se posiciona en el segundo peldaño con una representación de 17.4%, Argentina con 8%, Colombia y Chile con 2.9 y 2.4% respectivamente. Este patrón es muy similar en la región si analizamos la distribución porcentual del número total de doctorados en América Latina; en 2015 Brasil generó 62.6% de los doctores, seguido por México y Argentina con 19.5 y 8.0%, respectivamente. Los tres países concentran más de 90% de la producción de nuevos doctores en ciencias de la región.

La Gráfica 2 muestra el número de investigadores por cada 1,000 integrantes de la fuerza laboral. En este ámbito, Argentina tiene la cifra más alta: 4.7 investigadores por cada 1,000 trabajadores, seguido de Brasil y Costa Rica: 3.1 y 1.7, respectivamente. Guatemala y Honduras muestran los números más bajos, pues en estos países la tasa es menor a 0.1. El avance en esta materia se observa sólo en algunos países como Argentina, Brasil y Ecuador, mientras otros se han quedado estancados o incluso han empeorado en los últimos diez años, es el caso de Uruguay, Colombia, Perú y Honduras.

* Los datos disponibles más cercanos a 2006: Honduras, 2003; Nicaragua y Perú, 2004; Paraguay, 2005; Chile, 2007; Bolivia, 2009; México, 2010 y Colombia, 2013. Los datos disponibles más recientes son para Nicaragua, 2012; México y Panamá, 2013 y Brasil, Bolivia y Ecuador, 2014.

Fuente: elaboración propia con información de la Red Iberoamericana de Indicadores de Ciencia y Tecnología (^{Ricyt, 2018}).

Gráfica 2 Número de investigadores por cada 1,000 integrantes de la fuerza laboral en 2006 (o año más cercano disponible) y 2015 (o último año disponible)* 

La escasez de recursos humanos dedicados a la I+D tiene graves consecuencias en la producción científica de la región. Este indicador se analizó integrando el número de publicaciones obtenidas de dos bases de datos (Scopus y SCI) que engloban documentos, revistas y citas de literatura científica indizadas en todo el mundo.

La Gráfica 3 muestra que en 2015, de la totalidad de la producción científica de la región, Brasil aportó 54%, le sigue México con una participación de 15%; Argentina con 11; Chile y Colombia con el 10 y 6%, respectivamente. De esta forma, 96% de la producción científica de América Latina se concentró sólo en cinco países: Brasil, México, Argentina, Colombia y Chile.

Fuente: elaboración propia con información de la Red Iberoamericana de Indicadores de Ciencia y Tecnología (^{Ricyt, 2018})

Gráfica 3 Distribución porcentual de la producción científica en Scopus y SCI, 2015 

Un indicador relacionado con la producción científica son los espacios físicos en donde se realiza la investigación. La base de datos de ^{Scimago Institutions Rankings (2018)} clasifica a las instituciones científicas que realizan al menos 100 documentos científicos en el lapso de un año indexados en la base de datos Scopus de Elsevier. En 2018 sumaron 5,632 instituciones en todo el mundo que son evaluadas según la producción científica, colaboración internacional, impacto, calidad y especialización. América Latina cuenta con 353 laboratorios: 41% en Brasil, esto es 143 laboratorios; le sigue México con 70 y una participación de 20%, Argentina con 43 y 13% participación. El resto de los países cuenta con muy pocos laboratorios científicos que cumplan con los estándares de dicha base de datos (Gráfica 4).

Fuente: elaboración propia con información de la base de datos de ^{Scimago Institutions Rankings, 2018}.

Gráfica 4 América Latina: participación de laboratorios con más de 100 publicaciones científicas, 2018 

4. El modelo teórico y empírico del VECM

4.1. Modelo teórico

El modelo de corrección del error vectorial (VECM) permite tratar con series de tiempo y relacionar el comportamiento de corto con el de largo plazo, también corrige problemas típicos de correlación serial y endogeneidad entre las variables explicativas. Este problema no es un asunto menor cuando se trata con regresiones, ya que las variables no estacionarias dentro de un modelo de regresión tienden a generar errores estándar sesgados e ineficientes, lo que significa que el criterio convencional utilizado para determinar si existe o no una relación causal entre las variables resulta ser no confiable.

El método VECM sugiere que primero se debe investigar la presencia de raíces unitarias, si las series contienen una raíz unitaria se deben transformar en estacionarias, hecho esto se llevan a cabo pruebas de cointegración, si las series están cointegradas los resultados del método VECM son válidos (^{Vial, 1991}; ^{Anchuelo, 1993}; ^{Rendón, 2003}). En este trabajo se acudió a las pruebas de raíz unitaria de ^{Levin et al. (2002)}, ^{Im et al. (2003)} y la prueba modificada de Fisher (F-ADF). En estas pruebas, la hipótesis nula es que las series del panel son integradas de orden 1, es decir, tienen raíz unitaria y por lo tanto son no estacionarias, I(1); la hipótesis alternativa sugiere que las series son estacionarias, I(0).²

Previo a la construcción del VECM se realizan pruebas de cointegración. En la investigación se dispuso del contraste de cointegración de ^{Engle y Granger (1987)}, que plantea una metodología uniecuacional realizada en dos etapas: 1) se estiman los errores de la ecuación y 2) se determina el orden de los errores estimados. El método asume a priori que existe un sólo vector de cointegración en el modelo. Debe asegurarse que las variables sean estacionarias en primeras diferencias, es decir, deben tener a lo más una raíz unitaria. ^{Novales (2016)} parte de un análisis simple con dos variables , donde se contrasta la cointegración mediante una regresión MCO de la forma:

yt=β0+β1xt+νt, t=1,2,…,T (1)

y se comprueba la estacionariedad de los residuos, como propusieron ^{Engle y Granger (1987)}. Si los residuos de la regresión son estacionarios se dice que las variables y_t, x_t están cointegradas. Por tanto, el modelo MCO de la ecuación 1 se realiza con el único propósito de extraer la serie de los residuos, aplicarle las pruebas de raíz unitaria y determinar si existe cointegración entre las variables. Si están cointegradas, el siguiente paso es estimar los coeficientes mediante un VECM. Por otro lado, el Test de cointegración de ^{Johansen (1988)} confirma si las variables (N) están cointegradas cuando N es mayor que dos y, si lo están, permite detectar el número de ecuaciones de cointegración, es decir, considera la posibilidad de que las variables en estudio se relacionan en más de una forma posible en el largo plazo.

Una vez realizadas las pruebas de raíz unitaria y cointegración se estima el VECM, que corrige los posibles desequilibrios generados durante el proceso de evolución de las series. Siguiendo a ^{Germán-Soto (2017)} el modelo de corrección de errores se especifica como:

∆Yt=αECt-1+Γ1ΔYt-1+Γ2ΔYt-2+...+ΓPΔYt-P+εi (2)

Donde ∆Y_t es una matriz de variables potencialmente endógenas en primeras diferencias, Γ son matrices de parámetros de corto plazo, α es una matriz de parámetros de ajuste que refleja la dinámica de transición al equilibrio y ECT_t-1 = βY_t-1 es una matriz de términos de corrección del error en la que β a su vez es una matriz de parámetros de largo plazo que captura las relaciones cointegrantes entre las variables. Por lo tanto, el VECM retiene la información sobre las relaciones a largo plazo entre las variables en niveles recogida en el término de corrección de errores a la vez que permite flexibilidad en la especificación de las relaciones a corto plazo recogidas mediante el resto de los parámetros.

En la Figura 1 se muestra el concepto geométrico del coeficiente de corrección del error. La serie Y_t es de orden I(1) y tiene una relación de equilibrio de largo plazo (EQ_LP ); α mide la magnitud del desequilibrio. Los movimientos de corto plazo pueden estar por encima o por debajo del equilibrio de largo plazo (EQ_LP). Si éste se encuentra por arriba, el signo del coeficiente del VECM será negativo, puesto que debe bajar para recuperar el equilibrio, de lo contrario, cuando está por debajo, el signo del coeficiente será positivo, debido a que tenderá a subir para retomar el equilibrio de largo plazo.

Fuente: elaboración propia.

Figura 1 Representación geométrica del coeficiente de corrección del error 

5. Resultados

5.3. Estimaciones y resultados del VECM

La construcción del VECM implica la selección de las variables que podrían causar endogeneidad; posteriormente, por sí misma, la metodología las presenta como variables dependientes en el modelo. En la sección 4.2 se mencionó que además de acudir a las relaciones teóricas para distinguir a las variables endógenas también se realizaron ensayos con modelos VAR. De esta forma, los resultados del VECM que se observan en el Cuadro 6 muestran tres variables dependientes, mismas que fueron seleccionadas como endógenas (nivel de innovación, gasto en I+D y capacidad de innovación).

Cuadro 6 Resultados de estimación del modelo VECM 

	Variable dependiente
	ln(Innovación)		ln(Gasto I+D)		ln(Capacidad de innovación)
Regresores	Coeficiente	t-value	Coeficiente	t-value	Coeficiente	t-value
Constante	-0.205	(-3.999)**	-0.254	(-3.546)*	-0.073	(-0.843)
In(Aper. Comercial)	0.067	(2.680)**	0.062	(1.771)**	0.008	(0.188)
In(Gasto I+D)t 1	0.258	(2.788)**	0.318	(2.450)**	0.377	(2.389)**
In(Cap de inno)t-1	0.088	(1.980)**	0.220	(3.543)**	-0.021	(-0.281)
In(Form_Edu_Sup)t 1	0.361	(3.996)**	0.437	(3.455)**	0.498	(3.243)**
In(Asbtec_NE)t-1	0.302	(2.692)**	0.301	(1.919)	-0.150	(-0.789)
In(Propintel)t 1	0.094	(4.454)**	0.139	(4.688)***	0.053	(1.473)
ut-1(EC1)	-0.161	(-5.048)***	-0.224	(-5.011)**	-0.004	(-0.074)
ut-1(EC2)	-0.066	(-4.010)***	-0.106	(-4.583)**	-0.177	(-6.304)**
Schwarz: -9.326	R2 = 0.41		R2 = 0.40		R2 = 0.51
Ecuación cointegrante 1:			EC1= In(Innovación) -1.89 In(Cap de inno) - 1.03
Ecuación cointegrante 2:			EC2= In(Gasto I+D) 4.56 In(Cap de inno) - 1.21

Notas: ***, ** y * denotan el nivel de significancia al 1%, 5% y 10% respectivamente.

Fuente: elaboración propia

Las ecuaciones estimadas del Cuadro 6 recogen la conducta de largo plazo entre las variables endógenas junto a su ajuste dinámico de corto plazo, así el VECM capta los desequilibrios de corto plazo y los corrige. Estos desequilibrios se observan mediante las ecuaciones cointegrantes. Si las ecuaciones son estadísticamente significativas, el coeficiente del error de equilibrio se ajusta gradualmente a través de una serie de ajustes parciales de corto plazo. De lo contrario no habría desequilibrios y por lo tanto ajustes de corto plazo que considerar, lo que equivale al equilibrio de largo plazo (^{Germán-Soto, 2017}).

De acuerdo con los resultados del Cuadro 6, la primera ecuación cointegrante In(Innovación) es estadísticamente significativa a 1% por lo que existe una relación positiva y significativa entre el índice de innovación y el gasto en I+D. Esta ecuación es el vector de corrección del error y muestra el desequilibro de corto plazo y cómo es su movimiento. El coeficiente (-0.161) indica que la divergencia total de la relación de largo plazo, alrededor de 16.1% se corrige en el lapso de un año (la información de los datos es anual). Debido a que el error de corrección es negativo, se argumenta que el índice de innovación estaba por arriba de su valor de equilibrio porque comienza a disminuir en el periodo siguiente para corregir el desequilibrio. Al observar la segunda ecuación cointegrante referente al gasto en I+D se estima un valor negativo y significativo del error de corrección de corto plazo de -0.066, lo que indica que evoluciona por encima de su valor de equilibrio y tiende a corregirse de manera muy lenta, es decir 6.6% en el lapso de un año.

La apertura comercial es altamente significativa, además se relaciona positivamente con el nivel de innovación. Una economía más abierta al comercio externo tiene la capacidad de realizar más innovaciones facilitadas por la importación de tecnología originada en los países más desarrollados. Por lo que este resultado podría indicar que en los últimos años la apertura comercial ha sido importante en los países de América Latina para estimular las actividades de innovación (^{Santander y Álvarez, 2008} y ^{Pérez-Hernández et al., 2018}). Sin embargo, debe entenderse que por sí misma no tendría el mismo impacto que si fuera acompañada de otras medidas que incentiven dichas actividades en los países de la región.

Esta percepción se apoya con el valor rezagado de los coeficientes estimados del Gasto en I+D a nivel empresa, la capacidad de innovación, la formación en educación superior, la absorción de tecnología empresarial y la protección a la propiedad intelectual que estiman un coeficiente positivo y altamente significativo. Lo anterior parece indicar que el nivel de innovación actual se ve afectado por el comportamiento de estas variables en el periodo anterior.

En la ecuación In(Gasto I+D) se estiman correcciones del error de equilibrio en la misma dirección; tanto la innovación como el gasto en I+D se encuentran por arriba del valor de equilibrio (dado que los coeficientes son negativos) corrigiéndose en un año alrededor de 22.4 y 10.6%, respectivamente. En esta ecuación es importante analizar el coeficiente positivo del valor rezagado del gasto en I+D, en este sentido, una vez que se incrementa el gasto en I+D en la región es altamente probable que se siga incrementando este indicador en los años posteriores. Lo mismo ocurre con incrementos en la capacidad de innovación, la formación de educación superior y la protección a la propiedad intelectual.

Finalmente, la ecuación In(capacidad de innovación) muestra una relación de equilibrio de largo plazo en el que el gasto en I+D está por encima de su nivel de equilibrio y su ajuste de corto plazo se realiza de manera más rápida, es decir, en 17.7% en el plazo de un año.

Por otro lado, la segunda hipótesis de la investigación se enfoca en averiguar la magnitud del impacto de las variables explicativas en la innovación. La hipótesis sugiere que el grado de impacto de la absorción de tecnología empresarial es mayor que el impacto que genera el gasto en I+D. Los resultados del Cuadro 6 permiten comprobar esta hipótesis dado que se observa un coeficiente mayor de la absorción de tecnología empresarial (0.302) frente a un coeficiente de 0.258 en la variable gasto en I+D a nivel empresa.

En su mayoría, las empresas latinoamericanas realizan actividades económicas con un bajo contenido tecnológico, por lo que este resultado es afín con los hallazgos en la evidencia empírica, los cuales prueban que los sectores económicos con bajo contenido tecnológico podrían apoyarse más en la adopción del conocimiento y tecnología que en el gasto en I+D (^{Freeman, 1982}; ^{Freeman et al., 1982}; ^{Freeman y Soete, 1987}; ^{Conte y Vivarelli, 2005}; ^{Tunzelmann von y Acha, 2005}; ^{Lambardi y Mora, 2014}).

Dado que las variables utilizadas en el modelo están tratadas en logaritmos, los coeficientes estimados miden el cambio porcentual producido en la variable dependiente (innovación) ante un cambio porcentual en las variables explicativas. Con el fin de tener una mejor comprensión se elaboró la Gráfica 5, en la que se exponen los cambios en la innovación ante un incremento de 10% en cada una de las variables explicativas. De esta manera, un incremento de 10% en la formación en educación superior, la absorción de tecnología a nivel empresarial y el gasto en I+D a nivel empresa provoca en promedio un aumento del 3.61, 3.02 y 2.58% en el nivel de innovación, respectivamente. El grado de impacto en este último es menor con las variables: protección a la propiedad intelectual, capacidad de innovación y la apertura comercial las cuales ante un aumento de 10% generan un incremento del 0.94, 0.88 y 0.67%, respectivamente.

Fuente: elaboración propia.

Gráfica 5 Elasticidades de las variables de innovación. Variación del índice de innovación frente a un incremento del 10% en cada variable explicativa 

Conclusiones

En la presente investigación se realizó un análisis sobre los factores que estimulan la actividad de innovación de la región. Se propuso analizar la relación de equilibrio de largo plazo entre la innovación con la apertura comercial, el gasto en I+D a nivel empresa, la formación en educación superior, la capacidad de innovación, la absorción de tecnología empresarial así como la protección a la propiedad intelectual.

Se corroboró que en los países de América Latina existe una relación de equilibrio de largo plazo. Cada una de estas variables tiene una influencia positiva y significativa con el nivel de innovación de la región considerando el periodo de análisis 2006-2017. Las pruebas de cointegración de Granger y Johansen evidencian la causalidad entre las variables explicativas con el índice de innovación corroborando la primera hipótesis planteada en esta investigación.

Debido a que los sectores económicos de América Latina cuentan con un bajo contenido tecnológico, se comprobó la segunda hipótesis del trabajo. Así, el impacto de la absorción de tecnología empresarial es mayor al impacto que podría representar el Gasto en I+D a nivel empresa ya que éste último es más importante en los países más desarrollados donde sus actividades productivas cuentan con un alto contenido tecnológico. Este resultado es consistente con los trabajos previamente examinados (^{Freeman, 1982}; ^{Freeman et al., 1982}; ^{Freeman y Soete, 1987}; ^{Conte y Vivarelli, 2005}; ^{Tunzelmann von y Acha, 2005} y ^{Lambardi y Mora, 2014}). Por lo tanto, los hallazgos conducen a no rechazar la segunda hipótesis que se planteó al inicio de este estudio.

Asimismo, los resultados de la protección a la propiedad intelectual sugieren que las empresas de los países de América Latina se sienten motivadas a realizar más inversiones cuando cuentan con un adecuado marco regulatorio para sus invenciones. El resultado es consistente con los trabajos realizados por ^{Schneider, 2005}; ^{Allred y Park, 2007}; ^{Santander y Álvarez, 2008}; ^{Chen, 2008} y ^{Guzmán et al., 2016}. Por otro lado, se comprobó que en las economías de América Latina el grado de impacto de la protección a la propiedad intelectual sobre la innovación es menor que otras variables. Lo anterior sugiere que la innovación en los países subdesarrollados está más relacionada con la imitación o la adaptación de tecnologías (^{Santander y Álvarez, 2008}).

De esta manera, se considera que los resultados son importantes para la priorización de políticas públicas enfocadas en innovación, por lo que se recomienda poner especial interés en estos indicadores ya que influyen como elementos potenciales en los niveles de innovación tecnológica de los países considerados en la muestra. La investigación aporta evidencia a favor de incrementar el gasto en educación superior así como la inversión en I+D que aunque esta última es rebasada por el impacto de la absorción de tecnología empresarial sigue cubriendo aspectos importantes en el desarrollo de la formación del capital humano de los países.

Entre las limitaciones de este trabajo estuvo la falta de una serie de tiempo más larga; con el fin de contar con información homogénea de los países se optó por abarcar un periodo relativamente corto (doce años) por la disponibilidad de información para las variables seleccionadas. Es decir, la base de datos histórica del Foro Económico Mundial contempla la información de los países de América Latina a partir de 2006. Como sugerencia a futuros trabajos se recomienda extender la investigación sobre horizontes temporales más largos, con el fin de obtener estimaciones más consistentes de las relaciones cointegrantes.