nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
La evaluación se está convirtiendo, progresivamente, en parte integrante de cualquier política de fomento a la I+D+i. Un estudio a nivel europeo sobre las principales características de diversas políticas de innovación (European Commission, 2006) revela que, aproximadamente, el 50 % de los programas encuestados tiene un presupuesto dedicado, específicamente, a la evaluación, mientras que casi dos tercios de los programas han incorporado un componente de evaluación ex-post (de impacto) dentro del diseño del esquema de incentivos. La utilidad de la evaluación ex post de los programas de apoyo a la I+D+i está relacionada con la información específica sobre el logro de los objetivos de política y sobre los impactos (cuantitativos y cualitativos) de los instrumentos específicos aplicados (EPEC, 2005).
En particular, los análisis de impacto están adquiriendo más relevancia, dada la creciente demanda de resultados observables (y cuantificables) sobre el efecto de las intervenciones de política. Los análisis de impacto representan un buen ejemplo de gobernanza ya que proporcionan transparencia al uso de fondos públicos, tanto en términos de relevancia como de efectividad. Además, dado que la implementación de una intervención de política, a veces, puede diferir de los objetivos originales; la evaluación también analiza "el cómo" las intervenciones de política se han realizado realmente (Cerulli y Poti, 2012).
A partir del 2009, en México, toman relevancia las subvenciones públicas directas como instrumento de apoyo a la innovación empresarial al iniciar entonces el PEI. Aunque, ha pasado casi una década desde que se introdujeron los primeros subsidios de este tipo, existe muy poca evidencia empírica convincente sobre sus impactos y efectividad. Este estudio tiene como objetivo llenar dos vacíos de investigación relacionados con este tema. En primer lugar, se analiza, con base en el enfoque de la adicionalidad, el impacto de los subsidios del PEI sobre las empresas sonorenses, contemplando no sólo el efecto sobre los recursos que las empresas destinan a la innovación (adicionalidad de input), sino, también, sobre los indicadores de competitividad y desempeño empresarial (adicionalidad de output). En segundo lugar, se examinan los impactos del programa mediante el diseño de un modelo que permita evaluar el papel moderador de una serie de factores relacionados con las características de las empresas y los relacionados con las características del proyecto.
El presente estudio pretende contribuir a la literatura especializada investigando, explícitamente, el efecto moderador de un conjunto de variables (relacionadas con rasgos y capacidades de las empresas y los proyectos) en la efectividad/impacto del programa de subsidios a la innovación y la I+D privada. La hipótesis central que guía esta investigación es que, cuando existe una relación positiva entre el apoyo público a I+D y las actividades de innovación de una empresa (adicionalidad), es más probable que se observe este fenómeno en empresas con una mezcla de atributos y capacidades que resulta “promotora" de la innovación, en lugar de en empresas con una mezcla de atributos y capacidades que resulte “restrictiva".
Con base en la información proporcionada por una encuesta propia aplicada a una muestra de 39 empresas beneficiarias del PEI en Sonora, se demuestra, por un lado, que el impacto de los subsidios a la I+D+i, enmarcados en el programa PEI, sobre los recursos propios que la empresas destina a la investigación y el desarrollo (la adicionalidad de input), es moderado, significativamente, por la capacidad de asimilación del conocimiento que posee la empresa y por la existencia de un departamento propio de I+D, así como por la vinculación con universidades y centros de investigación y la calidad de la propuesta. Por otro lado, se demuestra que el impacto neto del PEI sobre resultados, desempeño y la competitividad de la empresa (la adicionalidad de output) es moderado, significativamente, por la capacidad de innovación y la capacidad de asimilación del conocimiento de las empresas, entre otros factores.
El documento se ha organizado de la siguiente manera. En el primer apartado se expone la racionalidad teórica que justifica la política de promoción de la innovación en la actualidad, poniendo un énfasis especial en la utilización de los subsidios a la I+D+i privada. En el segundo, se realiza una revisión de los estudios previos sobre la efectividad de la política de subsidios a la innovación a partir de investigaciones empíricas previas en distintos países. En el tercer apartado se revisan los estudios previos sobre el tema particular de los factores moderadores del impacto de los subsidios a la I+D+i privada y a partir de esta revisión se hace una propuesta de esquema de análisis de tales factores, misma que guía el análisis empírico realizado en este estudio. En el cuarto, se describe el método, particularmente el tipo de información empleada, la medición de las variables y los procedimientos utilizados en el estudio. El quinto apartado contiene los principales resultados de la investigación realizada en Sonora para el diseño un modelo que muestra el papel de los factores moderadores del impacto del programa. Finalmente, el documento contiene una discusión de los resultados obtenidos y las principales conclusiones del estudio.
La racionalidad de los subsidios a la I+D+i privada
De acuerdo con los análisis sobre el tema, acumulados durante las últimas décadas, la racionalidad detrás de la provisión de apoyos públicos a la I+D+i de las empresas se explica por las denominadas “fallas del mercado”, las cuales residen en algunas características especiales de las actividades de I+D+i. En primer lugar, estas actividades se caracterizan por la baja “apropiabilidad” de sus resultados. Esto ocurre porque las empresas que no participan directamente en los esfuerzos de I+D+i pueden acceder de forma fácil y gratuita a los beneficios asociados con ella. Los estudios sobre el tema han constatado la existencia de externalidades positivas de las actividades de I+D+i (knowledge spillovers) y han demostrado también que los retornos privados de las empresas que realizan tales actividades son inferiores a los rendimientos sociales que estas pueden proveer, por lo que el papel que juega la intervención del gobierno consiste en pretender reducir esta distancia (Arrow, 1962). En segundo lugar, los rendimientos derivados de la inversión en I+D+i son exageradamente inciertos. Esta incertidumbre se ve intensificada por las “asimetrías de información” existentes entre quienes demandan fondos para la I+D+i y quienes los proveen (Aboody y Lev, 2000; Czarnitzki y Hottenrott, 2011). Las asimetrías generan imperfecciones en el mercado de capitales, cuyo efecto es el de provocar cierta ralentización de los fondos disponibles y, por lo tanto, restricciones financieras para las empresas que desean invertir en tales actividades. Pero, también, otros aspectos como la complejidad de los proyectos y la especificidad de los activos relacionados con los proyectos de inversión en I+D pueden hacer que sea, particularmente, difícil para los agentes juzgar el rendimiento esperado. Los proyectos de I+D+i son, difícilmente, apoyados por fondos privados debido a que se caracterizan por tener retornos sólo en el largo plazo y por ser de alta incertidumbre. Las empresas pueden, además, ser reacias a revelar los detalles de los proyectos a posibles inversores (Zhong, 2018). En tercer lugar, la I+D+i también carece de activos tangibles que puedan utilizarse como garantía para el acceso a créditos. Hall (2002), por ejemplo, observó que un alto porcentaje del gasto en I+D+i se dedica, en esencia, a los salarios de los investigadores; el conocimiento es tácito y está “atado” a los investigadores, quienes pueden abandonar las empresas en cualquier momento. La intangibilidad de activos creada por la inversión en I+D+i puede hacer que el acceso a fondos externos sea mucho más costoso para estas actividades que para otros tipos de inversiones (Czarnitzki y Hottenrott, 2011). Finalmente, la I+D+i es una actividad que no se puede abandonar en etapas intermedias, lo que produce costos irrecuperables muy importantes que las empresas deben tener en cuenta cuando deciden el alcance de su compromiso de I+D. En tales condiciones, son muy altos los costos de entrada y salida del mercado, lo que implica que el mercado de la I+D esté muy lejos de la competencia perfecta y los gobiernos tengan argumentos adicionales para jugar un papel de como reguladores externos.
Estudios previos sobre el impacto de los subsidios a la I+D+i privada
Los marcos teóricos para la evaluación de los programas públicos de apoyo a la I+D+i han recobrado un gran interés en la última década, como resultado del aumento de dichos programas prácticamente en todos los países de la OECD y en algunos países en desarrollo. Los responsables de la formulación de políticas en esta área esperan que el aumento los apoyos públicos a la I+D+i aumente la inversión en estas actividades, lo que a la larga acelerará el crecimiento económico. La pregunta central dentro del debate de evaluación está relacionada con la efectividad de las subvenciones a la I+D+i privada. Sin embargo, se utilizan diferentes herramientas y métodos para medir los beneficios de la política pública de innovación y tecnología (Georghiou y Roessner, 2000).
Siguiendo el razonamiento neoclásico de las fallas del mercado, el enfoque tradicional para determinar la efectividad de los instrumentos de política de innovación se centra en el concepto de adicionalidad. La literatura de evaluación de impacto se centra en el estudio de la adicionalidad de los apoyos públicos otorgados a las empresas para promover la I+D+i. La adicionalidad puede ser entendida de tres maneras: a) los efectos sobre la dedicación de recursos a I+D+i (adicionalidad de input); b) sobre los resultados tecnológicos y comerciales de dichas actividades (adicionalidad de output) y c) sobre el comportamiento de la empresa (adicionalidad de behavior) (Georghiou, 2002; Clarysse et al., 2009).
Estudios previos sobre la existencia de adicionalidades de input, output y comportamiento
En cuanto a la adicionalidad de input, las subvenciones públicas a la I+D+i privada podrían tener un efecto negativo si las empresas beneficiarias deciden reducir sus propias inversiones en I+D+i, de forma que la financiación pública desplazaría parcial o totalmente la inversión privada. Con base en ello, numerosos estudios han intentado medir el impacto de los subsidios públicos sobre la I+D+i privada utilizando información de distintos países y empleando diferentes metodologías. El resumen general de los estudios que examinan la adicionalidad de input presentado en el Cuadro 1, revisa un total de 226 estudios y muestra que la mayor parte de la evidencia empírica arrojada en los estudios indica un impacto positivo de los subsidios en el gasto de I+D de las empresas (122). De acuerdo a los resultados de estos estudios previos, la adicionalidad de input de los apoyos públicos directos la la I+D+i privada parece ser más fuerte para las empresas pequeñas y medianas, mientras que esta adicionalidad disminuye en los niveles más altos de los subsidios. Sin embargo, la evidencia de si el apoyo público desplaza a la inversión privada no es concluyente. Los resultados mixtos, los efectos positivos y negativos, indican que el apoyo directo del gobierno puede tener un impacto positivo en el gasto en I + D, pero no siempre.
Cuadro 1 Resumen de meta-evaluaciones y revisiones sistemáticas/críticas de estudios sobre adicionalidad de input
| Estudio | Adicionalida/ efecto positivo | Efecto Nulo o no significativo | Sustitución/ efecto negativo | Resultados Mixto | Total | Periodo de publicación |
|---|---|---|---|---|---|---|
| David, Hall y Toole, 2000 | 16 | 3 | 11 | 3 | 33 | Pre-2000 |
| García-Quevedo, 2004 | 38 | 19 | 17 | 74 | Pre-2002 | |
| Correa, Andrés y Borja, 2013 | Predominantes | 2004-2011 | ||||
| Cunningham, Gök y Laredo, 2013 | 12 | 3 | 2 | 7 | 24 | 2000-2012 |
| Zúñiga, Alonso, Forcadell y Galan, 2014 | 48 | 14 | 15 | 77 | Pre-2011 | |
| Becker, 2015 | Predominantes | Post-2000 | ||||
| WWCLEG, 2015 | 8 | 1 | 1 | 8 | 18 | 2000-2015 |
| Total | 122 | 40 | 46 | 18 | 226 |
Fuente: elaboración propia.
Existen, también, numerosos estudios empíricos que han evaluado el impacto de los apoyos públicos directos a la I+D+i sobre los resultados de la innovación (adicionalidad de output) como los niveles de producción y ventas, nuevos productos, procesos de producción mejorados de las empresas receptoras, así como los que han evaluado el efecto sobre indicadores de desempeño empresarial, como productividad, rentabilidad, empleo y crecimiento. Los resultados de los estudios basados en meta-evaluaciones y la revisión sistémica/crítica de los estudios sobre el tema de la adicionalidad de output son presentados en el Cuadro 2. El cuadro presenta un sumario de las meta-evaluaciones y revisiones sistemáticas/críticas de los estudios sobre adicionalidad de output a nivel mundial en los últimos años. En resumen, la evidencia presentada sobre la adicionalidad de output a nivel de empresa sugiere que el apoyo directo del gobierno como subvenciones, o subsidios puede tener un impacto positivo en los resultados de la innovación: mayor número de patentes, ventas de nuevos productos e introducción de nuevos procesos, pero no siempre. El mayor impacto en el producto de la innovación empresarial se encuentra generalmente para las PYME. De los 51 estudios revisados, 26 informan impacto positivo, mientras que 7 reportan impactos negativos, 13 mixtos y 5 impactos insignificantes. Esto indica la existencia de un impacto positivo modesto del apoyo gubernamental directo a la I+D+i sobre la adicionalidad de output de la empresa. Cabe señalar que estos resultados son aún más imprecisos en comparación con la adicionalidad de input debido a problemas asociados con la definición de “los resultados de la innovación”.
Cuadro 2 Resumen de meta-evaluaciones y revisiones sistemáticas/críticas de estudios sobre adicionalidad de output
| Estudio | Adicionalida/ efecto positivo | Efecto Nulo o no significativo | Sustitución/ efecto negativo | Resultados Mixto | Total | Periodo de publicación |
|---|---|---|---|---|---|---|
| Cunningham, Gök y Laredo, 2013 | 7 | 2 | 4 | 4 | 17 | 2004-2012 |
| WWCLEG, 2015 | 11 | 3 | 5 | 19 | 2000-2015 | |
| Petrin, 2018 | 8 | 3 | 4 | 15 | 2003-2017 | |
| Total | 26 | 5 | 7 | 13 | 51 |
Fuente: elaboración propia.
La revisión de la adicionalidad de comportamiento incluye dos meta-análisis sobre estudios empíricos. Uno para el periodo de 2003 a 2010 centrado en estudios sobre la Unión Europea y otros países de la OCDE y otro que revisa los hallazgos de seis estudios publicados en los últimos años, también en distintos países desarrollados. El resumen de los hallazgos se presenta en Cuadro 3. Cunningha, Gök y Laredo (2013) revisó siete artículos sobre la adicionalidad de comportamiento; todos ellos reportan un impacto positivo. Todos los estudios recientes revisados por Petrin (2018), excepto uno, también informan un impacto positivo de la financiación del gobierno en las decisiones de las empresas con respecto a la asignación del gasto en I+D en actividades y rutinas organizacionales promotoras de la innovación, excepto uno.
Cuadro 3 Resumen de meta-evaluaciones y revisiones sistemáticas/críticas de estudios sobre adicionalidad de comportamiento
| Estudio | Adicionalida/ efecto positivo | Efecto Nulo o no significativo | Sustitución/ efecto negativo | Resultados Mixto | Total | Periodo de publicación |
|---|---|---|---|---|---|---|
| Cunningham, Gök y Laredo, 2013 | 7 | 7 | 2003-2010 | |||
| Petrin, 2018 | 5 | 1 | 6 | 2009-2016 | ||
| Total | 12 | 1 | 13 |
Fuente: elaboración propia.
Estudios de evaluación de impacto del PEI en México
En el caso de los países en desarrollo, son más limitados en número los estudios encaminados a ofrecer una evaluación del impacto o efectividad de los apoyos públicos directos a las actividades de I+D+i llevadas a cabo en las empresas. Pastor, Rodríguez y Ramos (2017) encuentran que, en el caso de estudios sobre países latinoamericanos, se observa en general un efecto positivo de los programas de este tipo. En México el tema tampoco ha sido analizado con la misma profusión que en los países más desarrollados; sin embargo, ha capturado la atención de algunos analistas desde hace pocos años, quienes con diversos enfoques y niveles de análisis han examinado y tratado de hacer mediciones de los efectos de los programas de innovación sobre las empresas, las regiones y los sectores. Calderón (2011) realizó uno de los primeros estudios sobre el tema en nuestro país al evaluar los efectos del PEI con datos de 2009. En relación con la adicionalidad de input, identificó un efecto positivo significativo para las empresas con entre 10 y 250 trabajadores, pero en cuanto a la adicionalidad de output, sus resultados mostraron que el PEI no mejoró la probabilidad de que las empresas registraran patentes.
Unger (2014) realizó una evaluación de corte cuantitativo del impacto del PEI sobre empresas intensivas en tecnología para el periodo 2009-2013. El estudio se enfocó en identificar los sectores, ramas de actividad principal y tipos de empresas más beneficiadas por el programa. Sus hallazgos más sobresalientes señalan que varias empresas fueron beneficiadas económicamente para el desarrollo de más de un proyecto durante el periodo 2009-2013. Además, se hallaron resultados dispares entre estados, lo que se traduce en diversas capacidades de gestión de las oficinas regionales y estatales que gestionan los recursos PEI. Por otra parte, Núñez, Pérez, Sánchez y Martínez (2015) analizaron si un conjunto de programas de estímulos a la innovación, entre los cuales el PEI juega un papel relevante, han impactado a las capacidades de innovación de las empresas. Usando información agregada para el periodo 2009-2014 concluyen que el PEI ha impulsado a las empresas a aumentar la inversión en innovación; sin embargo, los datos disponibles no les permiten distinguir efectos positivos netos sobre el desempeño y el crecimiento económico, ni cómo el programa estaría agregando valor a la industria nacional o cómo estaría promovido una cultura de la innovación.
Medina-Reivera y Villegas-Valladares (2016) realizan una evaluación del impacto en conjunto de tres de los principales programas de estímulo a la innovación en México: Fomix, Fordecyt y PEI. Para identificar los efectos de estos programas sobre la inversión, la competitividad, la innovación y el bienestar, correlacionan los montos de los apoyos otorgados por estos programas con indicadores como el número de investigadores, el índice de innovación, el índice de competitividad y el índice de desarrollo humano, todos ellos a nivel de las entidades federativas. Sus resultados muestran que las entidades en las que se han invertido mayores recursos, a través de los tres programas analizados y las que cuentan con mayor capital humano especializado, no son, necesariamente, las más innovadoras, competitivas y con mejor desarrollo humano
Moctezuma, López y Mungaray (2017) evalúan el PEI desde la perspectiva de su contribución al sistema de innovación de Baja California, el periodo 2009-2013. Los autores, mediante el enfoque de la adicionalidad de comportamiento, analizan los efectos del programa al interior de las empresas, y en el contexto de las redes que las empresas configuran al interaccionar para transferir conocimiento. En este último aspecto, analizan el nivel de vinculación e interacciones entre los actores empresariales, científicos y gubernamentales del sistema de innovación de esa entidad. Los resultados muestran que, al condicionar el financiamiento de los proyectos de innovación a la vinculación de los actores empresariales y científicos, el PEI contribuye a fortalecer el sistema regional de innovación incentivando el 15 % de sus interacciones. Pastor, Rodríguez y Ramos (2017) desarrollan una evaluación empírica del PEI para el caso de San Luis Potosí, con una encuesta dirigida a pequeñas y medianas empresas beneficiarias de los apoyos de este programa durante 2009-2012. Los autores retoman el enfoque de la adicionalidad para la evaluación de impacto en sus tres dimensiones (input, output y comportamiento), aunque no miden la intensidad de los efectos particulares, sino la proporción de empresas que reportan efectos positivos en estas dimensiones. Sus resultados revelan que la mitad de las empresas reportan adicionalidad de input, mientras que un porcentaje mucho menor reporta efectos netos sobre nuevos productos desarrollados, patentes o cambios en las prácticas organizacionales. Solís-Lima, Ovando-Chico, Olivera-Pérez y Rodríguez-Lozada (2018) llevan a cabo una evaluación del PEI de alcance nacional para conocer su impacto en términos de aportación a la propiedad industrial en el periodo 2009-2016. Los resultados de esta investigación mostraron que, aunque las subvenciones PEI motivaron la vinculación entre los centros de investigación y las empresas para el desarrollo de tecnologías innovadoras, su aportación en términos de la generación de instrumentos de propiedad industrial ha sido más bien muy modesta. Asimismo, se encontró que las subvenciones no fueron otorgadas de forma equitativa a los diferentes tipos de empresas que participaron en el programa. Concluyendo que es necesario que esta política pública se evalúe y supervise con indicadores objetivos que permitan hacerla más efectiva.
Factores que influyen o moderan el impacto de los programas de apoyo a la I+D+i
La mayoría de los estudios sobre el tema de la adicionalidad de los subsidios a la I+D+i se centran en su efecto promedio sobre las empresas. Pero algunos estudios han sugerido desde hace algunos años que los efectos pueden variar considerablemente. Busom (2000) advierte en su estudio sobre esta variabilidad de los efectos, pero no aborda el tema de las fuente de la heterogeneidad de la intensidad de los efectos netos de los subsidios las actividades privadas de I+D+i. Wong y He (2003) son pioneros en advertir sobre la necesidad de estudiar los factores moderadores del impacto de los programas públicos de apoyo a la I+D+i, pero son muy pocos los estudios que han seguido posteriormente esta recomendación (Lee y Wong, 2009; Falk, 2007; Albors y Barrera, 2011). Sólo algunos estudios (p. ej. Aschhoff, 2009) han examinado más detalladamente esta cuestión y han encontrado que los efectos son heterogéneos según las características de la empresa receptora del subsidio y las características del proyecto (tamaño del subsidio, en particular).
El efecto de las características de la empresa sobre el nivel de adicionalidad de los subsidios a la I+D+i
La influencia del tamaño de la empresa en el rendimiento de los proyectos de I+D+i es un tema aún en debate. Bizan (2003) sostiene que el tamaño de la empresa influye en la probabilidad de éxito técnico y en la comercialización de los proyectos de I+D+i apoyados por el gobierno. Así mismo, Buisseret, Cameron y Georghiou (1995) sostienen que las grandes empresas pueden tener un desempeño superior, con respecto de las empresas pequeñas, en los proyectos de I+D+i apoyados con fondos públicos, ya que cuentan con más recursos y tienen una mayor tolerancia a las pérdidas potenciales. Por el contrario, algunos estudios plantean que las empresas pequeñas pueden ser más flexibles, menos burocráticas y más adaptables al cambio y a la innovación, en comparación con las empresas grandes (Acs y Audretsch, 1988). Desde esta última perspectiva, las pymes fuertemente involucradas en actividades de I+D tienden a ser más innovadoras que las grandes empresas y exhibir, por tanto, un mejor desempeño y rendimiento en proyectos financiados con subsidios públicos. En suma, independientemente que se trate de efectos positivos o negativos, los estudios previos coinciden en que el desempeño de proyectos de I+D+i apoyados con subsidios está relacionado con el tamaño de la empresa.
En la literatura especializada, es aceptado, ampliamente, que el desempeño innovador de una empresa esté, estrechamente, relacionado con sus capacidades internas de I+D, las que, a su vez, dependen de la intensidad de I+D+i de una empresa, los procesos de aprendizaje, así como experiencia en producción de conocimiento tecnológico (Berchicci, 2013). Los indicadores de las capacidades internas de I+D+i más comunes son, por ejemplo, los gastos de I+D+i de la empresa, el personal de I+D+i, la existencia de un departamento formal de I+D+i en la empresa o la regularidad de las actividades de I+D+i (Wanzenböck, Scherngell y Fischer, 2013). Los factores señalados suelen estar correlacionados y aparecen, simultáneamente, en la mayoría de las empresas. Autores como Wanzenböck, Scherngell y Fischer (2013) sostienen que la adicionalidad de los proyectos de I+D subsidiados aumenta con un mayor nivel de capacidades de I+D+i intramuros, es decir, la probabilidad de concretizar la adicionalidad es mayor en empresas intensivas y experimentadas en las actividades de I+D+i.
El historial de los apoyos juega también un papel en el efecto de los subsidios en las empresas. Entre las principales contribuciones que abordan el tema de los antecedentes como receptores de subsidios de las empresas, cabe mencionar a Aschhoff (2009). La evidencia provista por la literatura existente indica que los subsidios otorgados a una empresa son relativamente persistentes a lo largo del tiempo, por lo que una empresa cuya actividad de I+D+i fue subsidiada en el pasado, tiene más probabilidades de ser subsidiada de nuevo. Sin embargo, desde el punto de vista teórico, no está claro cómo el historial de subsidios de una empresa afecta su nivel de inversión en I+D, ya que puede haber efectos opuestos de complementariedad y desplazamiento. Aschhoff (2009) describe la existencia de varias fuerzas en juego en esta relación. Las empresas que tuvieron éxito en el pasado en la obtención de subvenciones públicas para sus proyectos de I+D podrían beneficiarse de su experiencia, aprendizaje e información de ventajas en convocatorias posteriores de solicitudes de subvención. Dichas ventajas implican menores costos y mejores oportunidades de aplicación para empresas previamente financiadas; por lo tanto, sus probabilidades relativas de aplicar más a menudo aumentan (Zúñiga y Alonso, 2014).
Más recientemente, algunos analistas han demostrado que algunas capacidades cruciales, tales como la capacidad de absorción del conocimiento, están interrelacionadas con la forma en que los apoyos públicos directos afectan las actividades de I+D+i y el desempeño de la empresa que los reciben (Radas, Anić, Tafro y Wagner 2015). Desde la perspectiva de la “organización basada en los recursos”, las empresas pueden considerarse como un conjunto de recursos y capacidades tangibles e intangibles, donde los recursos pueden definirse como activos financieros, físicos, humanos, comerciales, tecnológicos y organizacionales utilizados por la empresa, y las capacidades se refieren a la habilidad de la empresa para desplegar y coordinar diferentes recursos (Nierves y Haller, 2014). La capacidad de absorción del conocimiento externo es una de las capacidades más importantes de la empresa; se define como la capacidad de una empresa para reconocer el valor de la nueva información, asimilarla y aplicarla con fines comerciales (Cohen y Levinthal, 2000). La capacidad de absorción influye en la creación de otras competencias organizacionales y proporciona a la empresa múltiples fuentes de ventaja competitiva. Esta capacidad se desarrolla acumulativamente: depende del nivel de conocimiento previo y se avanza a través de un proceso de acumulación de conocimiento que ocurre a través de diversas actividades, especialmente I+D. Su importancia radica en su impacto positivo directo en el rendimiento futuro de la innovación y la competitividad (Kostopoulos, Papalexandris, Papachroni y Ionnou, 2011). Al permitir que las empresas participen en I+D+i (lo que puede no ser posible sin asistencia pública), los instrumentos públicos permiten la acumulación de conocimiento, lo que a su vez retroalimenta la capacidad de absorción y mejora el desempeño futuro (Radas, 2015).
Además de la capacidad de absorción, la literatura proporciona una serie de resultados de investigación sobre las capacidades o combinaciones de ellas que se necesitan para desarrollar innovaciones. Se ha encontrado que la orientación del mercado y el conocimiento del cliente tienen roles clave en el desarrollo de innovaciones de productos (Hernández y Delgado, 2009). Danneels (2002) destaca la importancia de un enfoque proactivo que requiere una comprensión de las necesidades de los clientes que aún no han sido identificados. Herrmann, Gassmann y Eisert (2007) añaden que las capacidades de transformación y la propensión al riesgo son esenciales para desarrollar innovaciones radicales. Algunos estudiosos han descubierto que el desarrollo de innovaciones radicales exige la interrupción de las capacidades existentes o la creación de nuevas capacidades, mientras que el desarrollo incremental de la innovación requiere mejoras de las capacidades existentes (por ejemplo, Forsman y Annala, 2011). Finalmente, la colaboración entre organizaciones, que se ha introducido como un importante catalizador de la innovación, hace hincapié en las capacidades orientadas a la interacción para garantizar el éxito en el desarrollo de la innovación.
El efecto de las características del proyecto sobre el nivel de adicionalidad de los subsidios a la I+D+i
En lo que respecta a la vinculación, desde distintos enfoques teóricos se ha analizado el papel de las fuentes externas de conocimiento como determinantes del éxito de iniciativas y proyectos orientados a la innovación. El enfoque de la economía evolucionista considera que la innovación supone un proceso continuo interactivo de aprendizaje entre la empresa y los distintos agentes que le rodean (Breschi, Malerba y Orsenigo, 2000; Edquist, 2005). De forma similar los teóricos de las redes de innovación (Hakansson, 2015; Biemans 2018) sostienen que las empresas rara vez innovan por sí mismas y la introducción en el mercado de nuevos productos y procesos depende en gran medida de la habilidad de la empresa para establecer relaciones con los agentes externos. Chesbrough (2003) a través de su modelo de innovación abierta (open innovation), destaca también la importancia de las ideas externas para el proceso de innovación e incluso sugiere que la I+D interna ya no es una herramienta estratégica como lo había sido en el pasado. En general, podemos decir que existe evidencia empírica consistente a favor del papel que ejerce el conocimiento interno en la identificación y adquisición del conocimiento externo e, inversamente, del estímulo que otorga la adquisición externa de tecnología al desarrollo de actividades internas de I+D. Estos hallazgos corroboran la posibilidad que tiene la empresa para adoptar conjuntamente diversos mecanismos orientados a la obtención de tecnología, en otras palabras, que las estrategias hacer, comprar y cooperar, pueden coexisten en la estrategia global empresarial.
En las evaluaciones empíricas del efecto de los subsidios públicos sobre la inversión en I+D de las empresas, la mayoría de los estudios no han tenido en cuenta el monto del subsidio otorgado a la empresa. Sin embargo, la cantidad de subsidios recibidos difiere mucho entre las empresas. Varios estudios se han centrado en medir el impacto de la cantidad de subsidio otorgada a las empresas. Guellec y Pottelsberghe (2000) encontraron una relación no lineal entre los subsidios públicos y la inversión privada en I+D, es decir, una curva en forma de U invertida. Aschhoff (2009) demuestra que se necesita un tamaño mínimo de subvención para aumentar el alcance de las actividades de I+D financiadas por la firma y señala que, para un determinado monto de subsidio, el signo de su efecto podría depender del tamaño del proyecto.
Una propuesta de esquema de análisis de los factores que moderan el nivel de adicionalidad de los subsidios a la innovación
Como parte final de esta sección, se presenta el esquema analítico diseñado para guiar el análisis empírico que se desarrolla en las secciones subsiguientes. En la Figura 1 se representan los distintos factores moderadores del impacto de los subsidios públicos sobre la innovación, el desempeño y la competitividad de las empresas apoyadas. Para los fines de este estudio consideramos como factores moderadores a las variables intervinientes que afectan la dirección y/o la fuerza del impacto de los subsidios públicos sobre la I+D+i privada (reduciéndola, incrementándola, anulándola o invirtiéndola). Esta definición conceptual es retomada de Baron y Kenny (1986), quienes establecen también que, en términos causales, los moderadores siempre funcionan como variables independientes; es decir, se les confiere un rol como variables causales de los cambios ocasionados por el programa en los recursos, resultados y comportamientos de las empresas apoyadas.
Fuente: elaboración propia.
Figura 1 Esquema analítico de los factores moderadores del impacto de los subsidios a la innovación.
Este marco de análisis se basa en trabajos empíricos previos en esta dirección (Falk, 2007; Clarysse, Wright y Mustar, 2009; Hsu, Horng y Hsueh 2009), pero amplía el alcance analítico de estos estudios centrándose explícitamente en las capacidades organizacionales dinámicas (Teece, 2014), estrechamente ligadas a la gestión estratégica del conocimiento: la capacidad de absorción del conocimiento y la capacidad de innovación de las empresas.
La importancia del PEI en la economía sonorense
En los últimos años, la estructura económica de Sonora se ha transformado radicalmente, gracias a un notable desarrollo de la industria de alto contenido tecnológico. Como puede observarse en la Gráfica 1, el sector industrial ha crecido sustancialmente en su aportación a la economía estatal, dejando muy atrás al sector primario, que fuese la base del desarrollo económico en el pasado, y llegando incluso a superar al sector comercio y servicios en los años más recientes. Durante décadas, Sonora destacó por su vasta producción agropecuaria que la convirtió en “el granero de México” por su importante contribución a la producción nacional de alimentos básicos. Después de un proceso de industrialización incipiente y limitado al procesamiento de las materias primas producidas localmente es, especialmente, a partir de la llegada a la entidad de grandes inversiones en el sector automotriz, acontecida en los años ochenta, que se empieza a consolidar un proceso de industrialización y una economía basada en el desarrollo tecnológico. Hoy en día, la fuerza de trabajo altamente calificada y la innovación son las claves del desarrollo industrial orientado al mercado global.
Fuente: elaboración propia con base en datos de INEGI.
Gráfica 1 Estructura del PIB de Sonora, 1970-2016 (%).
El análisis sectorial de la economía sonorense muestra una economía reconfigurada, en la que la industria de la transformación, caracterizada por su innovación y la incorporación de alta tecnología, se convierte en punta de lanza para pasar de una economía primaria exportadora, que caracterizó a la entidad por décadas, a una economía con una fuerte vocación industrial exportadora, que incursiona con intensidad y creciente presencia en sectores estratégicos globales, como los sectores automotriz, aeroespacial, autopartes o eléctrico y electrónico. Estas empresas con capitales internacionales y domésticos instaladas en Sonora, con la participación creciente de Pymes sonorenses, aportan partes o componentes para agregar valor parcial o total para la producción de bienes en diferentes lugares del mundo.
Desde los inicios del PEI en 2009, Sonora ha sido de las entidades más favorecidas en la asignación de los recursos. La Gráfica 2 permite observar la evolución de los apoyos dirigidos a la entidad en el periodo 2009-2016 en términos del número de proyectos apoyados y de los montos totales por año. El número de proyectos apoyados por años se ha triplicado en un lapso de siete años de vigencia del programa hasta 2016, mientras que los montos totales de los apoyos otorgados a la entidad han evolucionado a un ritmo más acelerado en el mismo periodo.
Fuente: elaboración propia con base en datos del Conacyt.
Gráfica 2 Evolución del PEI en Sonora, 2009-2016 (Número de proyectos apoyados y monto).
La entidad ocupa el noveno lugar en el ranking de las entidades que captan el mayor monto de apoyos. De acuerdo con Coneval (2012), el PEI ha sido congruente en su ejecución al evitar la concentración geográfica otorgando bolsas estatales y, por otro lado, ha incorporado la participación de las entidades federativas en la selección de proyectos y en la gestión del programa, lo que contribuye a que los proyectos aprobados sean pertinentes con las vocaciones de los estados y favorezcan el desarrollo regional.
En lo que respecta a la distribución de los apoyos por tamaño de empresa, en el caso de Sonora la mayor parte de los apoyos PEI han sido recibidos por las empresas pequeñas y medianas, especialmente en el periodo 2013-2016, ya que en los primeros años el PEI favoreció más a las empresas de tamaño micro (ver Gráfica 3).
Información, variables y procedimientos empleados en el estudio
El estudio empírico fue diseñado para comprobar el papel moderador de las variables contempladas en el esquema analítico, a partir de la experiencia particular del impacto que han tenido los subsidios otorgados mediante el PEI sobre empresas sonorenses beneficiarias del programa. A continuación, se describe el tipo de información utilizada, las variables contempladas y su medición, así como los procedimientos estadísticos empleados en el estudio.
La encuesta de evaluación de impacto del programa PEI en Sonora
La información utilizada en este estudio se recabó mediante una encuesta propia aplicada en febrero-abril de 2018 a una muestra de 39 empresas apoyadas por el PEI. La encuesta se aplicó sólo a empresas de Hermosillo, Sonora, que han sido beneficiarias del programa en el periodo 2009-2015. Una acotación fue que las empresas pertenecieran a los sectores considerados estratégicos para que la entidad se incorpore a la economía basada en el conocimiento: agroindustrial/alimentario, automotriz, biotecnología/equipo médico, minería y otros. De esta manera la población total ascendió a un total de 83 empresas, mismas que fueron ubicadas mediante el padrón de beneficiarios publicado por el Conacyt en la página web del programa (2009-2013) y mediante la consulta de los resultados de las convocatorias para los años 2014 y 2015.
El cuestionario fue diseñado mediante la adaptación de otros aplicados en estudios empíricos similares. Los ítems e indicadores contenidos en la encuesta y las fuentes en las que se basó su diseño se tratan en la siguiente sección. La encuesta fue aplicada a mandos medios y altos y los cuestionarios fueron enviados como plantilla de Google, facilitando la respuesta y también el manejo de los datos generados, así como la tabulación de los mismos. Se enviaron en total de 80 cuestionarios vía electrónica; se obtuvo una tasa de respuesta del 49 % (39 empresas). Esta muestra de 39 empresas resulta suficiente en tamaño, con un margen de error del 10 %, un nivel de confianza del 90 % y un 50 % de variabilidad.
Las variables y su medición
Para la medición de las variables independientes, en el caso de la adicionalidad de input, se emplearon ocho indicadores, especificados en el Cuadro 4. Se pidió a cada empresa que estimara, en un primer momento, la tasa de crecimiento anual de cada tipo de inversión en recursos destinados al desarrollo de actividades de I+D+i para los años posteriores a la ejecución del proyecto. De esta manera se obtuvo una estimación del efecto bruto de los subsidios del PEI sobre los recursos dedicados a las actividades de I+D+i en la forma de un indicador de tasa de crecimiento porcentual (que podía ser positiva o negativa). En un segundo momento, se pidió a los informantes que estimaran cuál hubiera sido la tasa de crecimiento en el caso de que el apoyo no hubiera sido recibido, con el fin de estimar la denominada situación contra-factual, en base a la percepción y la experiencia propia de los beneficiarios del programa (esta tasa también podía ser positiva o negativa). Con la diferencia entre la tasa de crecimiento reportada como efecto del subsidio y la tasa de crecimiento estimada en la ausencia del subsidio, se obtuvo un indicador del efecto neto del programa, es decir, un indicador de la adicionalidad. La misma lógica y procedimiento fueron empleados para la medición de la adicionalidad de output, con la particularidad que en este caso se emplearon seis indicadores (Cuadro 4).
Cuadro 4 Las variables dependientes y los ítems empleados para su medición
Fuente: elaboración propia.
Para la adicionalidad de input se emplearon los indicadores: inversión en equipo y maquinaria científica, personal empleado en labores de I+D, inversión en sistemas de TIC y software, inversión en herramientas, gestión y entrenamiento, la inversión en proyectos internos de I+D, la inversión en proyectos de I+D con participación externa, inversión en adquisición de tecnología, patentes y licencias y la inversión en servicios de consultoría externa (Cuadro 4). La selección de los indicadores se basó en Hall y Maffioli (2008), Hsu, Horng y Hsueh (2009) y Clarysse, Wright y Mustar (2009).
Para la adicionalidad de output se emplearon indicadores de desempeño o competitividad empresarial y de resultados de innovación, de acuerdo a los indicadores propuestos por Hall y Maffioli (2008). En el Cuadro 4, los cinco primeros indicadores de la adicionalidad de output corresponden a los que utilizamos para saber cuál fue el impacto del PEI sobre la competitividad de los beneficiarios, en términos de cambios en ventas, exportaciones, productividad, rentabilidad y empleos generados; mientras que el indicador de desempeño innovador está representado por el indicador número de patentes solicitadas.
En el Cuadro 5 se describen los ítems incluidos en el cuestionario aplicado y la forma en la que se midieron las distintas variables independientes contempladas en este estudio. Se inicia con algunas características de la empresa, como el tamaño y la existencia de departamentos de I+D propios y se continúa con las variables correspondientes a las particularidades de los proyectos de I+D+i que recibieron apoyos públicos en la forma de subsidios: existencia de vinculación con universidades y/o centros públicos de investigación, el monto del subsidio y la calidad de la propuesta.
Cuadro 5 Las variables independientes y los ítems empleados para su medición
Fuente: elaboración propia.
En este trabajo, se sigue la conceptualización de la capacidad de absorción ofrecida por Zahra y George (2002), que reconocen cuatro aspectos de la capacidad de absorción: adquisición de conocimiento, asimilación, transformación y explotación. Zahra y George (2002) definen estas dimensiones de la siguiente manera: adquisición se refiere a la capacidad de la empresa para identificar y adquirir conocimiento generado externamente que es crítico para sus operaciones. La asimilación se refiere a las rutinas y procesos de una empresa que le permiten analizar un proceso, interpretar y comprender la información obtenida de fuentes externas. La transformación denota la capacidad de una empresa para desarrollar y refinar las rutinas que facilitan la combinación de los conocimientos existentes y los conocimientos recién adquiridos y asimilados. La explotación es una capacidad de organización que se basa en las rutinas que permiten a una empresa refinar, extender y aprovechar las competencias existentes o crear otras nuevas incorporando conocimiento adquirido y transformado en sus operaciones. Con base en esta conceptualización, se retoman de varios estudios empíricos las escalas empleadas y validadas por los autores siguientes: Jiménez, Garcís y Molina (2011); Jansen, Van Den Bosch (2005); y Flatten, Engelen, Zahra y Brettel (2011). Los ítems contenidos para esta variable contenidos en el Cuadro 5 fueron medidos en una escala de 1 (totalmente en desacuerdo) a 5 (totalmente de acuerdo), de acuerdo a cómo consideraron los informantes se encontraba su empresa respecto a las capacidades específicas mencionadas.
En lo que respecta a los ítems para medir la capacidad de innovación de las empresas, este estudio retoma los propuestos por Forsman (2011). En una escala que iba de 1 (totalmente en desacuerdo) a 5 (totalmente de acuerdo), se les preguntó a las empresas encuestadas cómo consideraría que se encuentra su empresa en cuanto a estar dotada de las capacidades expresadas el Cuadro 5. De acuerdo con Forsman (2011) el primer ítem captura la habilidad de la organización empresarial para reconocer el conocimiento externo relevante, internalizar el nuevo conocimiento externo y explotar el nuevo conocimiento para innovar. El segundo, trata de la capacidad de las empresas para reconocer nuevas oportunidades, dimensionarlas para para desarrollar nuevas soluciones y explotarlas para generar nuevos negocios redituables. También incluye reactivos para medir la capacidad de gestión del riesgo de la empresa y su capacidad de establecer y explotar relaciones colaborativas en red. Y, finalmente, la capacidad de innovación se mide mediante la incorporación de otros reactivos que miden la capacidad de la empresa de desarrollar mejoras tecnológicas e innovaciones de producto, la capacidad de implementar cambios de manera rápida y oportuna y que permiten medir el conocimiento que tiene la empresa del mercado y de sus clientes.
Procedimientos: análisis de correlación y selección del modelo mediante el criterio AIC
Con el fin de tener una apreciación inicial del grado de relación entre las variables comprendidas en el estudio se realizó un análisis de correlación. Se calculó el coeficiente de correlación de Pearson, que es una medida de la relación lineal entre dos variables aleatorias cuantitativas. Se procedió después a realizar la selección de un modelo de regresión lineal múltiple, con el fin de estimar la relevancia de las distintas variables como moderadores del efecto de los subsidios. Para este fin se empleó el método conocido como Criterio de Información de Akaike (AIC). El AIC es una medida de la calidad relativa de un modelo estadístico, para un conjunto dado de datos. Como tal, el AIC proporciona un medio para la selección del modelo. El método de selección de variables maneja un trade-off entre la bondad de ajuste del modelo y la complejidad del modelo. Se basa en la entropía de información: se ofrece una estimación relativa de la información perdida cuando se utiliza un modelo determinado para representar el proceso que genera los datos.
En el caso general, la AIC es: AIC=2k-2\ln(L)
Donde k es el número de parámetros en el modelo estadístico, y L es el máximo valor de la función de verosimilitud para el modelo estimado.
Resultados: impacto de los subsidios del PEI en las empresas de Sonora y el papel moderador de distintas variables
Características de la muestra
Como se ha señalado, la encuesta se aplicó a una muestra de 39 empresas beneficiarias (durante el periodo 2009-2015) del programa PEI en Sonora. En la Gráfica 4 se exhibe la distribución de este conjunto de empresas de acuerdo a su tamaño, destacando que la mayor parte de las mismas corresponde al estrato de las empresas medianas (14 empresas), seguidas de las microempresas, que ascendieron a un total de 12, 8 de la categoría de las pequeñas empresas y sólo 4 consideradas como grandes empresas. Las empresas medianas son las que concentraron la mayor parte de los apoyos otorgados en el periodo, con un monto que ascendió a casi 40 millones de pesos (mdp). En segundo lugar, las pequeñas empresas con un monto acumulado en el periodo de alrededor de 33 mdp; en tercero, las microempresas con un monto de casi 20 mdp y, en último lugar, las empresas de tamaño grande con alrededor de 13 mdp acumulados en el periodo de estudio. Por otro lado, los apoyos fueron canalizados a estas empresas principalmente a través de la modalidad del programa denominada Proinnova con un monto acumulado de casi 80 mdp, muy por encima de la modalidad Innovapyme que concentró sólo alrededor de 15 mdp, y la modalidad Innovatec con un poco más de 8 mdp.
Fuente: elaboración propia.
Gráfica 4 Distribución de las empresas por tamaño y distribución del monto de apoyo por modalidad del programa PEI y tamaño.
La Gráfica 5, por otro lado, indica que los sectores de biotecnología y equipo médico han sido los más apoyados por el programa en la entidad, con un apoyo total cercano a los 30 millones de pesos destinados a apoyar a un total de 11 proyectos en este ramo. En segundo lugar, se encuentra el sector automotriz con 10 empresas apoyadas con un total acumulado en el periodo de estudio de aproximadamente 20 millones de pesos. En tercer lugar, está el sector agroindustrial y de alimentos con 7 empresas apoyadas y un monto de más de 17 millones de pesos. El sector minero ocupa la cuarta plaza con 3 empresas apoyadas y un monto de alrededor de 7 millones de pesos. El resto de los apoyos recibidos en el periodo se distribuye entre 8 empresas pertenecientes a sectores diversos.
Estadística descriptiva: estimaciones del nivel de impacto en base al criterio de adicionalidad
En la encuesta se pidió, a cada beneficiario, que estimara la tasa de crecimiento anual de sus inversiones en actividades relacionadas con la I+D+i, primero para los años posteriores al subsidio recibido a través del PEI y, en un segundo momento, que estimaran cuál hubiera sido la tasa de crecimiento en ausencia del apoyo. En el Cuadro 6 se presentan las respuestas conteniendo el promedio de las 39 empresas participantes. Los impactos estimados fueron mayores en los casos la inversión en I+D intramuros, en personal dedicado a la I+D, en adquisición de tecnología y en equipos científicos. En todos los casos los informantes reconocieron que en la situación contra-factual las tasas de crecimiento hubieran sido inferiores a la observada realmente con el apoyo, por lo que se obtuvieron impactos netos positivos en cada rubro, tal como se muestra en la última columna del citado cuadro.
Cuadro 6 Adicionalidad de input: tasa de crecimiento de la inversión en insumos de la I+D+i (estimación efecto del subsidio vs estimación en ausencia del subsidio)
| T.C. % posterior al subsidio | T.C % en ausencia del subsidio | Diferencia medias | |||||
| Min. | Máx. | Med. | Min. | Max. | Med. | ||
| a) Inversión en equipo y maquinaria. | 2.00 | 30.00 | 15.58 | 0.00 | 20.00 | 6.08 | 9.50 |
| b) Inversión en sistemas de TIC y software. | 1.00 | 30.00 | 13.04 | 0.00 | 15.00 | 4.79 | 8.25 |
| c) Inversión en herramientas, gestión y entrenamiento. | 0.00 | 40.00 | 14.83 | 0.00 | 35.00 | 6.92 | 7.92 |
| d) Inversión de I+D interna | 2.00 | 32.00 | 17.92 | 0.00 | 12.00 | 5.92 | 12.00 |
| e) Inversión en I+D externa | 0.00 | 27.00 | 11.17 | 0.00 | 10.00 | 3.38 | 7.79 |
| f) Inversión en adquisición de tecnología, patentes y licencias. | 0.00 | 50.00 | 15.62 | 0.00 | 20.00 | 4.96 | 10.67 |
| g) Inversión en servicios de consultoría. | 0.00 | 20.00 | 8.17 | 0.00 | 10.00 | 2.88 | 5.29 |
| h) No. de personal en I+D. | 2.00 | 31.00 | 16.92 | 0.00 | 15.00 | 6.42 | 10.50 |
Fuente: elaboración propia con base en la encuesta
De acuerdo a las respuestas proporcionadas por las empresas participantes en la encuesta, los beneficiarios del programa PEI en Sonora perciben que los subsidios a la I+D+i tuvieron un efecto neto positivo sobre la competitividad de la empresa y el desempeño en términos de generación de innovaciones. El Cuadro 7 muestra los resultados de los indicadores usados para medir la adicionalidad de output, medida como la diferencia de la tasa de crecimiento de cada indicador como efecto del subsidio y la tasa de crecimiento estimada para una situación en la que no se hubiera recibido el apoyo. De acuerdo a estos resultados los efectos netos del programa fueron mayores sobre los niveles de rentabilidad y productividad, seguido de la generación de innovaciones, el nivel de ventas, el número de empleos y, en último lugar, el nivel de exportaciones de la empresa.
Cuadro 7 Adicionalidad de output: tasa de crecimiento de indicadores de desempeño (estimación efecto del subsidio vs estimación en ausencia del subsidio)
| T.C. % posterior al subsidio | T.C % en ausencia del subsidio | Diferencia medias | |||||
| Min. | Máx. | Med. | Min. | Max. | Med. | ||
| a) Nivel de ventas. | 0.00 | 30.00 | 12.00 | 0.00 | 15.00 | 4.54 | 7.46 |
| b) Nivel de exportaciones. | 0.00 | 40.00 | 9.25 | 0.00 | 15.00 | 3.83 | 5.42 |
| c) Nivel de rentabilidad. | 1.00 | 266.00 | 33.54 | 0.00 | 150.00 | 17.08 | 16.46 |
| d) Nivel de productividad. | 1.00 | 35.00 | 13.79 | 0.00 | 20.00 | 5.08 | 8.71 |
| e) No. de empleos generados. | 0.00 | 25.00 | 10.67 | 0.00 | 14.00 | 3.62 | 7.04 |
| f) No. patentes y otras formas de PI solicitadas. | 0.00 | 35.0 | 13.62 | 0.00 | 20.00 | 5.16 | 8.46 |
Fuente: elaboración propia con base en la encuesta
Análisis de correlación entre las variables
En la Gráfica 6 se presentan los resultados que permiten analizar la relación lineal entre las variables contempladas para la construcción del modelo predictivo de los niveles de adicionalidad de input y de output en el caso de las empresas beneficiarias del programa PEI del estado de Sonora en el periodo 2009-2015. Se ha utilizado el coeficiente de correlación de Pearson para examinar la fuerza y la dirección de la relación lineal entre dos variables, que en nuestro caso se trata de variables continuas.
En esta Gráfica 6, la intensidad del color representa le fuerza de la correlación o el valor del coeficiente de correlación, mismo que puede variar de −1 a +1. Mientras mayor es el valor absoluto del coeficiente, más fuerte es la relación entre las variables. Para la correlación de Pearson, un valor absoluto de 1 indica una relación lineal perfecta. Una correlación cercana a 0 indica que no existe relación lineal entre las variables. El color en cambio, representa la dirección de la correlación. El color azul representa correlaciones positivas, mientras que el rojo las negativas. Se ha determinado si el coeficiente de correlación es significativo, y en los casos en que la correlación no es estadísticamente significativa se ha empleado una “X” para señalarlos.
Los resultados de este análisis muestran que existe una correlación positiva moderada entre la variable dependiente “adicionalidad de output” y varias de las variables independientes: tamaño de la empresa, calificación del proyecto, capacidad de asimilación del conocimiento, capacidad de innovación de la empresa; y con la otra variable dependiente. Mientras que se observa una correlación positiva baja-moderada con respecto a las variables vinculación y capacidad de adquisición del conocimiento. Solo con la variable existencia de departamento de I+D esta variable tiene una correlación negativa. En el caso de la variable adicionalidad de input, ésta presenta una correlación moderada con respecto a las variables capacidad de innovación y la calificación de la propuesta, mientras que la correlación es positiva, pero menos intensa con respecto a tamaño de la empresa, la existencia de departamento de I+D, vinculación y las distintas dimensiones de la capacidad de absorción del conocimiento con excepción de la capacidad de transformación del conocimiento. La correlación entre las distintas variables dependientes sólo es moderada alta en unos pocos casos, por ejemplo, entre la capacidad de adquisición y la de asimilación del conocimiento, entre la capacidad de transformación y la de adquisición, entre la capacidad de explotación y la de transformación del conocimiento.
Los modelos de regresión seleccionados
El Cuadro 8 presenta el resultado del ejercicio realizado para la selección del modelo de regresión múltiple para la adicionalidad de input. Como se ha señalado, este modelo fue seleccionado mediante el criterio de información de Akaike (el lector puede ver el comportamiento del AIC más adelante, en la Gráfica 4). De acuerdo a este procedimiento las variables seleccionadas para explicar la adicionalidad de input fueron las siguientes: existencia en la empresa de un departamento de I+D (Depto. I+D), la calidad del proyecto, la vinculación con universidades o centros de investigación y la capacidad de asimilación del conocimiento (CapAb-Asimilación). El Cuadro 4 resume los principales parámetros del modelo de regresión seleccionado, en el que observamos que la calidad de la propuesta posee el coeficiente de regresión parcial más alto, seguido de la variable vinculación, la capacidad de absorción del conocimiento y la variable relacionada con la existencia de departamento de I+D en las empresas. Se puede observar también que los errores estándar son bajos, lo que indica una buena precisión de la estimación. Los valores de nivel de significancia de los predictores son, máximo, del 10%, lo cual está acorde con el nivel de confianza del 90% que se ha establecido.
Cuadro 8 Modelo de regresión lineal múltiple seleccionado para la adicionalidad de input
| Variables | β estandarizado | ɛ estandarizado | t | sig. |
|---|---|---|---|---|
| Intercepto | -18.745 | 7.447 | -2.517 | 0.0167* |
| Depto I+D | 2.052 | 1.340 | 1.532 | 0.1349 |
| Calidad del proyecto | 2.987 | 1.410 | 2.118 | 0.0416* |
| Vinculación | 2.227 | 1.317 | 1.691 | 0.1001 |
| CapAb - Asimilación | 2.182 | 1.424 | 1.532 | 0.1347 |
Signif. codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Fuente: elaboración propia.
Los resultados obtenidos significan grosso modo que, en el caso de nuestro estudio, el nivel de adicionalidad de input (el efecto neto de los subsidios sobre los recursos y activos invertidos en actividades relacionadas con la I+D+i) puede ser explicado por los factores incluidos en este modelo resultante. En este caso, dos factores relacionados con las características del proyecto, uno relacionado con las características de la empresa (existencia de un departamento de I+D) y uno relacionado con las capacidades organizacionales de gestión del conocimiento externo: la capacidad de asimilación del conocimiento.
En el Cuadro 9 se presentan los resultados del modelo de regresión de los factores moderadores del impacto de los subsidios, en este caso, el correspondiente a la adicionalidad de output.
Cuadro 9 Modelo de regresión lineal múltiple seleccionado para la adicionalidad de output
| Variables | β estándar | ɛ estándar | t | sig. |
|---|---|---|---|---|
| Intercepto | -33.0076 | 7.6564 | -4.311 | 0.000145*** |
| Tamaño | 1.1749 | 0.4917 | 2.389 | 0.022941* |
| Depto. I+D | -3.8254 | 1.2565 | -3.045 | 0.004634** |
| Calidad del proyecto | 2.5647 | 1.4108 | 1.818 | 0.078457 |
| Vinculación | 3.1294 | 1.2489 | 2.506 | 0.017500* |
| CapAb. - Asimilación | 2.7438 | 1.3802 | 1.988 | 0.055422 |
| Cap. Innovación | 3.3387 | 1.7308 | 1.929 | 0.062643 |
Signif. codes: ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Fuente: elaboración propia.
En este caso son más las variables que actúan como moderadores del efecto de los subsidios. De nuevo la existencia de departamento interno de I+D, la vinculación con universidades y centros de investigación, la calidad del proyecto y la dimensión asimilación de la capacidad de absorción del conocimiento tienen un efecto neto sobre los productos derivados del apoyo recibido. Sin embargo, entre el subsidio a la innovación y los resultados contemplados como productos (adicionalidad de output) juegan también un papel moderador del efecto el tamaño de la empresa y la capacidad de innovación.
El procedimiento resultante para la selección del mejor modelo
La elección de cualquier modelo predictivo más apropiado es un dilema ente exactitud y simplicidad, buscar que el modelo ajuste mejor los datos (mejor representación) y por otro lado que se un modelo menos complejo al utiliza el menor número de variables para explicar el fenómeno. En este orden se eligen el Criterio de Información de Akaike (AIC), como el criterio base para la evaluación del modelo elegido. De acuerdo con Chatterjee y Hadi (2012), AIC busca balancear el conflicto entre exactitud y simplicidad y coinciden con Zamuel y Mount (2014) en la regla de elegir aquel con menor valor en este criterio. Chatterjee y Hadi (2012), también expresan que diferencia menor a dos en este criterio permite tratar dos modelos como estadísticamente iguales, y diferencias marcadas indican también diferencias significativas en la calidad de los modelos (Gráfica 7).
Los supuestos del modelo lineal son validados a través del análisis de residuales, los cuatro supuestos en los que se basa el modelo lineal: linealidad, homoscedasticidad, normalidad e independencia, son evaluados a través de la matriz de gráficos presentados en el Anexo 1. Para ambos modelos la representación visual valida el cumplimiento de cada supuesto
Discusión de los resultados
La calidad de las propuestas es un factor que se ha utilizado en la literatura sobre el tema como un predictor relevante del nivel de adicionalidad de los subsidios a la I+D (Henningsen, Hægeland y Møen, 2015; Poti y Cerulli, 2011). Henningsen y colaboradores estiman la adicionalidad de los subsidios a la I+D a partir de los datos arrojados por las evaluaciones de las propuestas, encuentran que datos sobre la calidad general de las propuestas, especialmente los beneficios comerciales potenciales y la viabilidad de negocio, pueden predecir el éxito y los resultados de los proyectos financiados con fondos públicos.
El papel de la I+D interna en los modelos resultantes es contradictoria a primera vista. En el caso del modelo de adicionalidad de input, ésta tiene un papel moderador positivo, resultado que es coherente con los hallazgos de otros estudios (Wanzenböck, Scherngell y Fischer 2013; Berchicci, 2013). En el caso del papel moderador negativo de la I+D intramuros en la adicionalidad de output de los subsidios a la I+D+i, los resultados del modelo resultante contrastan con los arrojados por otros estudios. Por ejemplo, Lucena y Afcha (2014) encuentran que el grado de inversión de las empresas en I+D intramuros y los niveles de apertura en su innovación sirven como mecanismos de mediación entre los subsidios de I+D y la innovación empresarial, medida por la solicitud de patente y el número de nuevos productos introducidos al mercado. De igual forma Albors y Barrera (2011) encontraron que la I+D interna tiene un efecto moderador relevante sobre el impacto de los subsidios públicos de I+D en el rendimiento innovador
Los resultados señalan que la vinculación de las empresas beneficiarias con universidades y centros de investigación es un factor mediador positivo de la adicionalidad de input y de output de los subsidios a la innovación. La revisión de literatura permitió ubicar sólo un antecedente de estudio sobre el papel mediador o moderador de la colaboración con universidades y centros de investigación en el efecto de adicionalidad de los subsidios públicos a la I+D+i. Lee y Wong (2009) en su estudio sobre empresas de Singapur también encontraron que las “colaboraciones innovadoras” juegan un papel mediador positivo entre los apoyos públicos a la innovación empresarial y el desempeño innovador resultante. La colaboración innovadora se define como la participación en proyectos conjuntos de I+D+i y otros proyectos de innovación tecnológica con socios externos como proveedores, competidores, clientes y universidades (Belderbos, Carree y Lokshin, 2004). La colaboración en innovación es un importante factor de apoyo en el proceso de innovación de la empresa porque permite el intercambio de conocimiento tácito a través de interacciones personales cara a cara.
Los resultados muestran también que la dimensión asimilación de la capacidad de absorción del conocimiento es un mediador del efecto de los subsidios públicos sobre la capacidad de innovación de la empresa (adicionalidad de input). La dimensión asimilación de la capacidad de absorción comprende la capacidad de la empresa para analizar, procesar, interpretar, internalizar y clasificar el nuevo conocimiento externo adquirido (Zahra y George, 2002). Estudios anteriores ya habían encontrado que los proyectos de I+D subsidiados tienen un efecto positivo significativo en la I+D interna (adicionalidad de input positiva), pero sólo si las empresas tienen capacidad de absorción, como es el caso del análisis realizado por Veugelers (1997). Sin embargo, en este caso no se descompone dicho factor en las dimensiones propuestas por Zahra y George, por lo que el presente estudio tiene el valor de evaluar el efecto mediador de las distintas dimensiones de la capacidad de absorción, tarea de la que no se tiene referencia en el pasado. La dimensión asimilación de la capacidad de absorción tiene también un efecto moderador positivo en el impacto de los subsidios sobre los resultados de las actividades de I+D+i de las empresas apoyadas (adicionalidad de output). Estos resultados coinciden con los obtenidos por Escribano, Fosfuri y Tribó (2009), quienes en su estudio argumentan que las empresas con mayores niveles de capacidad de absorción pueden gestionar el conocimiento, fluyendo éste de manera más eficiente y estimulando los resultados innovadores.
Finalmente, el resultado que tiene que ver con el papel moderador de la capacidad de innovación de las empresas en la adicionalidad de output, es congruente con lo sugerido por Lee y Wong (2009) y Wong y He (2003) en torno a que factores endógenos a la empresa como el clima propicio a la innovación y la capacidad tecnológica juegan un papel positivo como moderadores del efecto de las políticas públicas en el desempeño empresarial.
Conclusiones
Con información proveniente de una encuesta propia aplicada a una muestra de 39 empresas beneficiarias del programa, ubicadas en la ciudad de Hermosillo, se encuentra evidencia de un efecto de contribución neta entre los subsidios otorgados por el PEI y los recursos de I+D+I de las empresas beneficiarias, por un lado, y los indicadores de desempeño empresarial y desempeño en innovación, por el otro. La información obtenida mediante la encuesta permitió también seleccionar un modelo de regresión lineal múltiple, mediante el criterio de información de Akaike, que incorpora distintos factores que actúan como moderadores del efecto de los subsidios.
Este estudio aporta al tema de las evaluaciones de efectividad/impacto de los programas gubernamentales que estimulan la innovación mediante subsidios, al menos de las siguientes tres formas: 1) su orientación regional, ya que se enfoca en los impactos efectivos del PEI sobre las empresas ubicadas en una región en particular, en este caso Sonora. Hasta ahora es muy escasa la evidencia empírica proveída con respecto a la efectividad de las subvenciones directas de apoyo a la I+D+i en regiones particulares; 2) este estudio “abre brecha” en abordar el tema de los factores moderadores del impacto de los subsidios a la I+D+I en el contexto latinoamericano. Sólo un puñado de autores de países más avanzados se interesaron en años recientes en mostrar el papel que juegan algunos atributos de las empresas (tamaño, historial de apoyos, I+D interna) como moderadores de la eficiencia de los apoyos públicos directos a la innovación empresarial, casi siempre desde la perspectiva de la adicionalidad (Fank, 2007; Aschhoff, 2009; por ejemplo), y también muy pocos han incorporado como moderadores capacidades organizacionales, como el “clima propicio a la innovación” (Wong y He, 2003), la propensión a establecer “relaciones colaborativas innovativas” (Lee y Wong, 2009) o el “comportamiento cooperativo” (Albors y Barrera, 2011); 3) algo que le confiere originalidad a este estudio es el hecho de que, con base en el enfoque de las capacidades dinámicas de la empresa, se incorporan al análisis las competencias y capacidades de las empresas que les permiten crear nuevos productos y procesos y responder oportunamente a las cambiantes condiciones del mercado. En el campo de los estudios de evaluación del impacto de los subsidios a la I+D+i sólo dos estudios han realizado con anterioridad un ejercicio parecido a este (Wong y He, 2003; Lee y Wong, 2009).
El estudio y sus resultados tienen algunas implicaciones de política pública. Institucionalmente, los resultados de la evaluación de impacto cumplen dos objetivos principales: 1) el aprendizaje, destinado a proponer mejoras de diversa índole para futuras políticas, generalmente, estas propuestas están dirigidas a administradores de programas; y 2) la legitimación, dirigida a niveles políticos superiores. Junto con los responsables de la formulación de políticas y los administradores, también los participantes y otras partes interesadas (como, por ejemplo, las asociaciones industriales) pueden interesarse por los resultados de la evaluación. Nuestros resultados en cuanto a los factores moderadores del impacto de los subsidios del PEI, en particular, deben ser de utilidad para seleccionar propuestas o proyectos con el mayor potencial de efectos netos y magnificar el impacto de acuerdo a las características de las empresas solicitantes y las características de los proyectos.
El estudio tiene algunas limitaciones muy claras: 1) el tamaño de la muestra es muy reducido, lo que tiene implicaciones sobre el nivel de generalización de los hallazgos. La muestra sólo resultó suficiente para un nivel de confianza no óptimo y un considerable margen de error; 2) la calidad de los datos es cuestionable, puesto que se recurrió a información subjetiva en gran medida y sujeta a la percepción personal de los informantes. A pesar del esmero en cuidar la objetividad de los empresarios, es inevitable de las respuestas estén sujetas a sesgos o tendencias de acuerdo al interés de los participantes. Existen dos aspectos que tienen implicaciones importantes sobre la calidad de los datos empleados en este estudio: a) el limitado desarrollo de sistemas de estadísticas e indicadores confiables sobre la las actividades de I+D+i desarrolladas por las empresas mexicanas dificulta enormemente la realización de investigaciones de corte empírico, y esta dificultad se agudiza en las regiones; b) aunado a ello, los agentes económicos y sociales carecen de una cultura de apertura y transparencia, mostrándose reticentes a compartir información de corte empresarial. Esta última condición se expresó en el caso de nuestro estudio en tasas de respuesta muy bajas durante la realización de la encuesta.
En concordancia, se sugieren las siguientes vertientes de interés para el desarrollo futuro de esta línea de investigación: a) incorporar al análisis otras capacidades dinámicas de las empresas, como la capacidad de adaptación a los mercados dinámicos y la capacidad de aprendizaje tecnológico, que no fueron contempladas en este análisis; b) resultaría interesante ampliar el modelo de análisis hacia uno de carácter más contingente, que tome en cuenta los factores contextuales como la influencia de los sistemas nacionales y regionales de innovación y la intensidad tecnológica y de competencia de los sectores económicos; c) retomar en futuras investigaciones el tema de la adicionalidad de comportamiento, que en este estudio no fue posible medir y operacionalizar, puesto que es un fenómeno de corte más cualitativo, consistente en la alteración de las rutinas y prácticas organizacionales; d) sería también interesante probar el modelo obtenido en otras entidades del país con el fin de hacer análisis comparativos entre regiones del país.
