La capacidad nacional de innovación y sus determinantes

La capacidad nacional de innovación es aquella habilidad de las empresas, organizaciones e instituciones de un país para producir y comercializar un flujo constante de tecnología innovadora durante un determinado periodo de tiempo (^{Furman, et al. 2001}). Alrededor de los determinantes que inciden en la capacidad nacional de innovación han surgido distintas corrientes que buscan elucidar las diferencias regionales de la materia. Pese a que el tema ha sido abordado con gran interés desde las ciencias económicas, no puede hablarse de un pleno consenso sobre cuáles son los factores que determinan la capacidad de las naciones para innovar.

Una de las primeras clasificaciones sobre la materia puede ser encontrada en el denominado Modelo Lineal del Cambio Tecnológico, el cual centra su análisis en la empresa, el mercado y las instituciones científicas y tecnológicas. Desde esta perspectiva, las innovaciones pueden clasificarse en dos grupos: aquellas resultantes de la demanda (es decir, la innovación desde el mercado) y aquellas resultantes de la oferta (es decir, la innovación desde la tecnología); en la primera de ellas, la innovación es un producto del uso constante de la tecnología por parte de la sociedad, la cual genera con su demanda una sofisticación de la oferta de la iniciativa privada; en la segunda vertiente, la industria detecta una necesidad o mercado insatisfecho o desatendido y diseña una alternativa tecnológica que los consumidores van adoptando e integrando a sus vidas cotidianas de manera paulatina (^{Buesa et al., 2002}; ^{Sutz, 2002}).

En contraposición de este modelo surgió el denominado Modelo Interactivo, en el cual la innovación es el resultado de un proceso dinámico en el que las capacidades tecnológicas de las empresas interactúan con múltiples actores, los cuales pueden estar dentro o fuera del ámbito de la empresa (tales como los clientes, los proveedores o los distribuidores). A diferencia del Modelo Lineal, el Modelo Interactivo reconoce una influencia determinante del entorno, de la acumulación de experiencias en la empresa y de las estrategias de las firmas, así como de las políticas de fomento y del estado de la competencia (^{Buesa, et al., 2002}).

En adelante, los desarrollos al Modelo Interactivo se extendieron y originaron nuevos modelos que tendieron a dividir a los determinantes de la capacidad de innovación en dos grandes grupos: los factores internos y los factores externos. Los factores internos son aquellos referentes al nivel micro, los cuales son generalmente identificables en la empresa, tales como la cultura organizacional, la acumulación de activos tangibles e intangibles, la capacidad tecnológica de la organización y las características de los empresarios. Los factores externos se refieren a las características del entorno que obstaculizan o dinamizan el proceso, por ejemplo, las relaciones entre las instituciones científicas y las firmas, los marcos regulatorios y los sistemas de incentivos a las actividades de innovación (^{Moori y Yoguel, 1998}; ^{Guan et al. 2006}; ^{Morales et al. 2012}).

En concordancia con estas ideas, es posible mencionar a la Teoría de los Sistemas Nacionales y Regionales de Innovación, la cual brinda una gran importancia a la interacción, retroalimentación y sinergia entre las instituciones educativas, científicas y tecnológicas, la iniciativa privada y el sector público, para generar, transferir y comercializar las innovaciones (^{Freeman, 1987}). A esta línea de pensamiento pertenecen modelos como el de la Triple Hélice (la cual integra a las universidades, las empresas y el gobierno) (^{Etzkowitz y Leydesdorff, 2000}) y el de la Tetrahélice (la cual incorpora a los ciudadanos como participantes del proceso de innovación) (^{Leydesdorff y Etzkowitz, 2002}).

Otros trabajos centraron sus análisis en la importancia de las externalidades y la proximidad geográfica como elementos dinamizadores de la generación de innovaciones, a través de la competencia, la especialización y el aprendizaje colectivo. En esta perspectiva se brinda una gran importancia tanto a la empresa como a su entorno y en particular a la organización de las firmas en conglomerados.

En este orden de ideas, ^{Furman et al. (2001)} proponen un modelo en el que la capacidad de innovación de un país se fundamenta sobre cuatro pilares. El primer pilar se refiere a que en el país se encuentren disponibles los insumos necesarios para la generación de conocimientos e innovaciones, tales como la existencia de infraestructura física adecuada y recursos humanos especializados. El segundo pilar se refiere a la competencia local; es decir, a la rivalidad entre firmas, la existencia de incentivos a la innovación, el estado que guarda la protección a la propiedad intelectual y la apertura comercial, entre otros aspectos. El tercer pilar hace referencia a las características de la demanda doméstica, es decir, a la manera en la que los consumidores presionan a los actores para innovar. Por último, el cuarto pilar se relaciona con la existencia e interconexión entre las empresas de una determinada industria y su cercanía geográfica, factores importantes para la generación de economías de escala, la transferencia de conocimientos y el aprendizaje colectivo (^{Furman, et al., 2001}; ^{Buesa et al., 2002}).

El organizar a los determinantes de la capacidad de innovación en pilares construidos a partir de la valoración de indicadores ha sido una manera frecuentemente adoptada para la caracterización del tema. Por ejemplo, ^{Buesa et al. (2002)} proponen un sistema de ocho pilares que determinan la capacidad de innovación: el tamaño tecnológico de las empresas, el esfuerzo innovador, el entorno económico, la participación del sector público, la infraestructura de apoyo, la interacción entre los agentes del sistema, la calidad de las universidades y la calidad de los recursos humanos en las actividades de I+D.

^{De Ferranti et al. (2003)} proponen un sistema de cinco pilares: la existencia de una población educada y capacitada, la estabilidad macroeconómica, la infraestructura dinámica de la información, la eficiencia del sistema de innovación, y los vínculos y redes entre las empresas y los hogares.

^{Archibugi y Coco (2004)} proponen un índice para la medición de las capacidades tecnológicas de una nación con base en tres pilares: la creación de tecnología, la infraestructura tecnológica y el desarrollo de habilidades humanas. Por otro lado, ^{Hollanders y Celikel (2007)} proponen un sistema de tres pilares: a) los conductores de la innovación (factores demográficos tales como el nivel educativo de los recursos humanos y su contacto con las tecnologías de la información); b) la inversión pública y privada en actividades de I+D; y c) el emprendimiento y la inversión en I+D realizada por las pequeñas y medianas empresas.

Por su parte, ^{Bloomberg (2015)} propone un sistema de cinco pilares que son: el gasto en I+D, el valor agregado del sector manufacturero, el número de empresas de alta tecnología ubicadas en el país, el nivel educativo post-básico de la población y el personal dedicado a actividades de investigación.

De entre los índices de innovación basados en pilares destaca el GII (^{OMPI, Universidad de Cornell e INSEAD, 2018}), por su periodicidad anual, su alcance y cobertura temática (126 países estudiados a través de 80 indicadores en 2018). En el GII existen cinco pilares que representan a los insumos del proceso de innovación; estos son: instituciones, capital humano e investigación, infraestructura, sofisticación del mercado y sofisticación de negocios. Se considera que estos cinco pilares actúan para generar dos pilares más que representan a los productos del sistema de innovación: los productos científicos y tecnológicos y los productos creativos. Los cinco pilares de insumos engloban a quince subíndices que se detallan a continuación en la tabla 1.

Antecedentes sobre la medición de la eficiencia en la innovación

Los modelos basados en pilares que representan insumos de un sistema han favorecido que el fenómeno de la innovación sea abordado con instrumentos para la medición de la eficiencia con una relativa frecuencia.

En su sentido económico, la idea de la eficiencia remite a la capacidad de las entidades para conseguir, a partir de un conjunto de insumos, la máxima producción posible. Se entiende que las entidades más eficientes aprovechan de mejor forma sus recursos, disminuyen sus costos y maximizan los beneficios que les generan sus inversiones. Estas ventajas han hecho que el uso de instrumentos de medición de la eficiencia se haya popularizado en los trabajos relacionados con los bienes intangibles, dada su versatilidad y sus implicaciones para la toma de decisiones y el diseño de alternativas de política (^{Restrepo y Villegas, 2007}).

^{Farrell (1957)} dividió a la eficiencia en dos elementos: la eficiencia técnica y la eficiencia asignativa. El producto de ambos tipos de eficiencia proporciona una medida de la eficiencia económica. La eficiencia técnica refleja si los recursos son explotados al máximo de su capacidad productiva o no, es decir, si existe capacidad ociosa de los factores productivos. La Frontera de Posibilidades de Producción (FPP) es una representación gráfica de las cantidades máximas de producción que pueden obtenerse en un periodo dado haciendo uso de un conjunto de recursos disponible. Si una entidad se ubica por debajo de dicha FPP se dice que existe capacidad ociosa y que por lo tanto la entidad se encuentra en un punto ineficiente; por otro lado, los puntos sobre la FPP implican que la entidad utiliza todos los recursos con los que cuenta y que por lo tanto no existe capacidad ociosa (^{Cachanosky, 2012}).

La eficiencia asignativa se refiere a que el gasto monetario total en los insumos utilizados para producir una cantidad dada de bienes sea el mínimo posible de acuerdo con los precios de los insumos (^{Navarro y Torres, 2006}). Por otro lado, la eficiencia económica es aquel punto sobre la FPP que coincide con la demanda de los consumidores, es decir, aquel donde se utilizan la totalidad de los recursos, no hay capacidad ociosa en la entidad y la cantidad de bienes producida es adquirida y consumida (^{Cachanosky, 2012}).

^{Farrell (1957)} conceptualizó a la eficiencia técnica como la diferencia entre la unidad y un cociente que representa la mayor reducción proporcional en todos los insumos (inputs) que aún permite la producción de todos los productos (outputs) o como uno más el mayor incremento proporcional factible en todos los outputs con el mismo consumo de inputs.

El estudio de la eficiencia (en su sentido económico) reconoce dos vertientes principales: los métodos de no frontera y los métodos de frontera. En los primeros la existencia de la FPP se elimina y por lo tanto el conocimiento de ésta no es perseguido explícitamente. En los segundos se exploran las características de la frontera y se realizan comparaciones entre las unidades productivas para monitorear su funcionamiento y evaluar sus posibilidades potenciales de mejora. Esto se ha trasladado a la aplicación empírica principalmente a través de dos metodologías: la estimación de fronteras estocásticas y el Análisis Envolvente de Datos (DEA por sus siglas en inglés); las diferencias básicas entre ambos enfoques se concentran en el tratamiento del ruido aleatorio y la flexibilidad que otorgan a la curva de eficiencia. Mientras el enfoque paramétrico intenta separar el ruido de la ineficiencia, el enfoque no paramétrico (en el que se suscribe el DEA) busca no confundir errores de especificación de la forma funcional con ineficiencia (^{Navarro y Torres, 2006}).

El Análisis Envolvente de Datos (DEA) aplicado a la innovación

El DEA es una técnica no-paramétrica determinística cuyo objetivo es evaluar la eficiencia relativa de un conjunto de Unidades de Toma de Decisiones (DMU’s por sus siglas en inglés) las cuales son consideradas sistemas de producción de bienes o servicios homogéneos entre sí, en el sentido de que, a partir de los mismos insumos, generan las mismas salidas (^{Villarreal y Tohmé, 2017}).

La eficiencia técnica refleja el nivel de tecnología de una unidad de producción, la cual se puede medir a partir de dos aspectos: las entradas y las salidas; en el caso de una entrada dada, la eficiencia técnica se mide por el grado de maximización de la salida; bajo la condición de una salida dada, la eficiencia técnica se mide por el grado de minimización de la entrada. Por lo anterior, medir el desempeño de una DMU implica un problema de optimización que busca maximizar la razón de sus entradas entre sus salidas. Se dice que una DMU es eficiente si al resolver el problema de optimización el valor de su desempeño es igual a 1; si el valor es inferior a 1 su eficiencia se expresa mediante el valor del coeficiente asociado expresado como porcentaje (^{Cheng, 2014}).

Para calcular la eficiencia relativa de una DMU resulta más habitual resolver su problema dual, modelo que puede ser descrito a través de las ecuaciones 1 y 2. La ecuación 1 describe a un modelo DEA orientado al insumo con rendimientos constantes a escala y la ecuación 2 a un modelo DEA orientado al producto con rendimientos constantes a escala.

Sujeto a:

Sujeto a:

yj<λy

λX<θxj

λZ=zj

Sujeto a:

Donde Y es una matriz N × r de los productos de las entidades en la muestra ( donde N denota el número de entidades y r el número de productos); X es una matriz N × m de insumos ( donde m indexa los insumos considerados); Z es una matriz N × s que contiene toda la información sobre las S variables ambientales de las entidades; yj, xj y zj son los vectores observados de productos, insumos y variables ambientales, respectivamente, de la entidad bajo análisis. El problema anterior debe resolverse N veces, una vez para cada una de las empresas en la muestra (^{Navarro y Torres, 2006}).

La segunda fase del proceso se refiere a identificar las holguras (también conocidas como slacks) necesarias para eliminar lo que se conoce como ineficiencia de mezcla, es decir, se establece si existe un exceso de entradas y/o un déficit de salidas. De tal forma, la DMU puede ser considerada eficiente si obtiene un desempeño igual a uno y las holguras son iguales a cero. Si la DMU es ineficiente, el modelo arrojará la información de su ineficiencia y las magnitudes asociadas a las holguras (^{Restrepo y Villegas, 2007}).

El análisis de slacks indica la dirección en la cual deberán mejorar los niveles de eficiencia de las DMU’s. Un valor output slack representa el nivel adicional de outputs necesarios para convertir una DMU ineficiente en eficiente; por otro lado, un valor input slack implica las reducciones necesarias para tener DMU’s eficientes. Los modelos DEA pueden tener dos orientaciones: hacia la optimización en la combinación de inputs o hacia la optimización de los outputs (^{Navarro y Torres, 2006}).

El DEA original desarrollado por ^{Charnes, et al. (1978)} se trata de un modelo radial con rendimientos constantes a escala también conocido por las siglas CCR. La característica radial se refiere a que el modelo mide el movimiento proporcional (es decir las holguras) necesarias para que los factores relevantes alcancen la frontera de eficiencia, de manera radial; es decir, como si se trazara un círculo entre la ubicación de la desviación y la frontera de eficiencia, y el radio de dicho círculo proporcionara la cuantía de la desviación (^{Cheng y Qian, 2014}).

Por otro lado, el supuesto de rendimientos constantes implica que si la entrada de una DMU se convierte en t veces (siempre que t > 0) como su valor original bajo la condición de que la eficiencia técnica permanezca sin cambios, su salida será t veces como su valor original en consecuencia. Suponiendo, a su vez que, tanto la entrada como la salida del DMU evaluado, se han vuelto t veces como sus valores originales, su eficiencia técnica seguirá siendo la misma bajo la hipótesis de rendimientos constantes a escala (^{Cheng, 2014}).

Ejemplos de la aplicación de mediciones de tipo DEA pueden encontrarse en trabajos como el de ^{Lee y Park (2005)} en el cual se mide la eficiencia en el desarrollo de las actividades de I+D para un grupo de 27 países asiáticos, destacando entre sus resultados lo realizado en países como Singapur y Japón.

De manera similar, ^{Hollanders y Celikel (2007)} realizan un comparativo sobre la eficiencia en innovación para un conjunto de países europeos, utilizando como insumos del sistema cuatro pilares: el nivel educativo, el contacto con nuevas tecnologías, la inversión en actividades de I+D y las actividades de I+D realizadas por las pequeñas y medianas empresas, y como productos del sistema al empleo en actividades innovadoras, a las patentes y a las exportaciones de productos innovadores. Sus resultados señalan como los países más eficientes a Alemania, Luxemburgo, Italia y Suiza.

En un trabajo similar ^{Aguado y Martínez (2014)} midieron la eficiencia en la innovación de los integrantes de la Unión Europea, utilizando como insumos del sistema al gasto privado en I+D, al gasto público en I+D y al gasto de las universidades en I+D; como productos del sistema utilizaron a las patentes y al empleo especializado. Sus resultados señalan que los países más eficientes fueron Alemania, Austria y Dinamarca.

En otro trabajo, ^{Dzemydaite et al. (2016)} evalúan la eficiencia en la innovación de los países de Europa Central y Europa del Este, utilizando como insumos el gasto en I+D, los recursos humanos empleados en actividades de I+D y los recursos humanos empleados en sectores altamente tecnológicos, teniendo como producto del sistema al número de solicitudes de patente.

En este mismo orden de ideas, ^{Zamora y Favila (2018)} miden la eficiencia en innovación para los países miembros de la OCDE utilizando como insumos a la calidad de las instituciones, al capital humano, a las condiciones de la infraestructura, al grado de sofisticación del mercado local y al grado de sofisticación de las empresas, encontrando las condiciones de mayor eficiencia en países como Irlanda, Suiza y Hungría.