La innovación en el sector de alimentos y bebidas

La industria manufacturera de alimentos y bebidas es el sector más grande de Ecuador. Según el Banco Central del Ecuador, esta industria cuenta con una formación bruta de capital fijo (FBKF), en miles de dólares, de $ 1 608 242 en el 2019 y con un Valor Agregado Bruto (VAB) del 5.21% en el 2020, con relación al Producto Interno Bruto (PIB), con cuyas cifras se posiciona a la cabeza de las demás industrias manufactureras (^{BCE, 2020}). Estos dos indicadores son de importancia puesto que, el FBKF refleja la inversión en modernización y expansión, mientras que el VAB indica la contribución económica y eficiencia en la industria alimentaria, por lo que muestran conexiones con la innovación. Además, se ha consolidado dentro de la industria manufacturera, como una de las de mayor peso, debido a que produce el 38% de productos alimenticios y bebidas del Ecuador (^{INEC, 2020}). En términos de estructura, tiene un fuerte peso hacia las microempresas con un 47.85% del total de las empresas del sector. Las empresas medianas representan un 13.02%, las empresas grandes poseen un 9.34% del total de empresas y el 0.63% restante son empresas que no se encuentran bajo ninguna clasificación (^{SUPERCIAS, 2020}).

Se consideró incluir en el estudio a la provincia de Tungurahua en esta investigación puesto que, su contribución a la economía es considerable, además, es una de las provincias que mayor producción genera a nivel nacional y oferta un sin número de plazas de empleo (^{Espinel López & Aguilar Echeverría, 2019}). La provincia de Tungurahua en Ecuador se destaca por ser una región con alta dinámica económica y concentración de la industria manufacturera (^{Coello Gómez, 2016}).

Según un informe de las cuentas de Oferta Utilización del Banco Central del Ecuador la provincia de Tungurahua aporta con el 3.2% del PIB nacional y es la séptima provincia con mayor contribución al PIB manufacturero del país (^{BCE 2020}). Esto se debe en gran parte a la presencia de varios sectores productivos como la industria alimentaria, textil, metalúrgica y de construcción (^{Tamayo Viera et al., 2021}). Además, la provincia cuenta con una ubicación geográfica estratégica, pues se encuentra ubicada en el centro del Ecuador, facilita el comercio y el intercambio de bienes con otras regiones del país y del exterior (^{Coello Gómez, 2016}; ^{Tamayo Viera et al., 2021}). En definitiva, la provincia de Tungurahua se ha convertido en un importante polo de desarrollo económico y su capacidad de producción manufacturera contribuye significativamente al crecimiento del país.

El sector alimentos engloba una enorme diversidad de actividades de producción. Este sector cuenta con más de 5 912 empresas cuya inversión en I+D es del 0.23% en términos de facturación (^{Orellana, 2017}). En este sentido, según ^{Gutiérrez Ponce & Palacios Duarte (2015}), la industria alimenticia es una industria madura, al considerar tanto el tiempo que lleva dentro del mercado, como el posicionamiento de sus productos. No obstante, esta industria tiene un nivel de especialización tecnológica baja, dominado por la presencia de empresas pequeñas en contraposición a las compañías multinacionales. En este contexto, la innovación es uno de los factores más importantes que permiten a las empresas desafiar a los principales competidores en los mercados nacionales e internacionales (^{Álvarez Castañón & Bolaños Evia, 2014}; ^{Saldarriaga Salazar et al., 2019}). Es importante resaltar que estas empresas enfrentan modificaciones referentes a nuevas regulaciones, cambios en las preferencias de los consumidores, así como transformaciones complejas y estructurales en la industria (^{Nieto & Santamaría, 2007}; ^{Sarkar & Costa, 2008}). Por lo tanto, incrementar las actividades de innovación es un requerimiento primordial para el desarrollo de la industria de alimentos y bebidas.

Estas transformaciones han sido identificadas por ^{Melgarejo & Simon Elorz (2019)}, ya que el sector está pasando de un enfoque basado en la oferta, a un enfoque basado en la demanda. Varios autores están trabajando sobre la importancia del impulso del consumidor para la innovación en este sector (^{Melgarejo & Simon Elorz, 2019; Torres Salazar et al., 2018}). En términos más específicos, las tendencias de innovación en el sector alimentos, están orientadas hacia la sostenibilidad, la bioeconomía, la salud, la biotecnología y los efectos de cambio climático en torno a las preferencias e intereses del consumidor (^{Capitanio et al., 2010}; ^{Lybbert & Sumner, 2012}).

En términos de los tipos de innovaciones desarrolladas, otro aspecto en el comportamiento de las empresas alimenticias es el hecho que las innovaciones de este sector son predominantemente incrementales, en lugar de radicales (^{Cano Salazar, 2012}; ^{Grunert et al., 2008}). La mayoría de las innovaciones comprenden mejoras o variaciones de los productos existentes, y la tecnología alimentaria patentada está muy concentrada en las multinacionales (^{Gu et al., 2016}). La razón de la predominancia de la naturaleza incremental de la innovación está relacionada con las restricciones de la demanda y el comportamiento conservador del consumidor (Cano Salazar, 2012). Sin embargo, la inversión en I+D impulsa a las empresas a realizar innovación radical al destinar recursos a la investigación de nuevas tecnologías y enfoques, lo que fomenta la creación de soluciones disruptivas y productos revolucionarios en el mercado (^{Sánchez Jordán, 2011}). Por otra parte, la estabilidad tradicional en el sector es probable que sufra un importante cambio de tendencia, en términos de complejidad y formas de innovación. Una de estas formas de innovación, es la innovación abierta, que incrementa el número de innovaciones radicales, en un ambiente colaborativo que se traduce en buenos resultados (^{Gill, 2013}; ^{Pineda Ospina, 2015}).

En definitiva, varios factores favorecen el desarrollo de las diversas opciones de innovación y pueden llevar a este sector a mostrar más interés en estos caminos de desarrollo innovador (^{OECD, 2005}). Uno de los principales factores que impulsan a las empresas a la generación de innovación es incrementar su nivel competitivo ante el mercado tal es el caso del mercado lácteo alemán estudiado por ^{Mandolesi et al. (2015}) quien menciona que la innovación impulsa la competitividad al agregar valor a la empresa, a través de nuevos productos o servicios. La investigación se basa en la visión de Kotler, quien amplía la percepción de que la innovación más allá de cambios tecnológicos considera las perspectivas tanto del productor como del consumidor. Este y otros factores incluyen una intensa colaboración a lo largo de la cadena de valor de la industria (agricultura, procesamiento y distribución de alimentos), el ritmo de cambio, una competitividad intensa y el pequeño tamaño empresarial de gran parte de su tejido productivo (^{Pineda Ospina, 2015}).

Lo manifestado, lo destacan también varios autores que han estudiado el efecto de las prácticas de innovación en las empresas, ya sea a través de estudios de casos, en los que se destaca los trabajos de ^{Lybbert & Sumner, (2012)}; ^{Pineda Ospina, (2015)}. Así también existen otros estudios que utilizan muestras, tales como los de ^{Capitanio et al. (2010)}; ^{Nieto & Santamaría (2007)}. Estos estudios muestran que la innovación es el paradigma apropiado para abordar los nuevos desafíos que enfrenta la industria alimentaria.

Etapa 1: fuentes y obtención de datos

Etapa 2: análisis estadísticos y variables

Previo al estudio probabilístico se utilizó herramientas de estadística descriptiva para resumir los datos. En este sentido, la presente investigación utilizó el análisis descriptivo para examinar la inversión, en valores monetarios, en actividades de investigación y desarrollo. Entonces, se procedió al registro del monto invertido por cada una de las empresas en las actividades de innovación consideradas. En los resultados del análisis se reportó la media, desviación estándar, coeficiente de variación, y valores mínimos y máximos (^{Hernández Martín, 2012}).

Por otro lado, con el uso de Estadística Inferencial se aplicó el modelo Logit, que predice la probabilidad de ocurrencia de un evento bajo ciertas condiciones establecidas. En este caso, se desarrolló el modelo Logit para predecir la probabilidad de producir un bien nuevo, basado en un conjunto específico de variables relacionadas con la inversión en actividades de innovación (^{García Pérez & Carrasco Bañuelos, 2005}).

Para el desarrollo del modelo Logit se consideró las siguientes variables dependientes en su forma dicotómica:

Las variables independientes utilizadas, que se asocian a la probabilidad de producir un bien nuevo, se detallan en la Tabla 1:

Etapa 3: modelo probabilístico

Los modelos probabilísticos lineales presentan limitaciones que han motivado la búsqueda de modelos alternativos que permitan la estimación de resultados más fiables cuando se trata de variables dicotómicas. Para evitar que la variable endógena estimada esté fuera del rango (0, 1), se han desarrollado modelos de probabilidad no lineales, tal es el caso del modelo Logit, donde la función de especificación utilizada garantiza que el resultado de la estimación esté comprendido entre 0 y 1.

Entre las alternativas disponibles de estos modelos, la más utilizada es la función de distribución logística, que relaciona la variable endógena Yi con las variables explicativas Xi. La presente investigación utiliza el modelo Logit, en donde Yi corresponde a la producción de un bien nuevo, y Xi a la inversión en las actividades de innovación I + D y OACTI. En cuanto a la interpretación de los parámetros estimados a través de este modelo, es importante señalar que el signo de los mismos indica la dirección en que se mueve la probabilidad, cuando aumenta la variable explicativa asociada (^{Trejo García et al., 2017}).

A continuación, se presenta la ecuación general del modelo Logit que evalúa pi que corresponde a la probabilidad de que se produzcan un bien nuevo.

Dado lo anterior, las ecuaciones propuestas que proceden del modelo Logit, tanto a nivel de Ecuador como de la provincia de Tungurahua, se expresan en la Tabla 2:

Así mismo, se plantea la fórmula correspondiente al cociente de ocurrencia o también llamado odds ratio, que representa la razón entre las probabilidades de que un evento ocurra en un grupo, versus la probabilidad de que no ocurra (^{Cerda et al., 2013}).

Los odds ratios pueden variar desde cero hasta cualquier número positivo, dependiendo de la fuerza de la asociación entre las dos variables. Un odds ratio mayor a 1, significa que hay una mayor probabilidad de que el evento ocurra en la población expuesta, así mismo, un odds ratio con un valor igual a 1 significa que no hay diferencia en la probabilidad de que el evento ocurra, o no ocurra. Por otro lado, un odds ratio menor a 1, significa que hay una menor probabilidad de que el evento ocurra en la población de estudio (^{Dominguez-Lara, 2018}).

Dado el modelo de regresión lineal múltiple la siguiente ecuación representa el valor pi para el cálculo de las probabilidades:

Análisis descriptivo

Modelo Logit para el estudio a nivel del Ecuador 2012-2014

Según ^{López-Roldán & Fachelli (2016)} para considerar eficiente un modelo Logit debe cumplir con dos requisitos fundamentales: tener una buena capacidad predictiva y una alta precisión en la estimación de los parámetros. Además, el modelo debe ser lo más simple posible, es decir, debe tener el menor número de variables explicativas y al mismo tiempo cumplir con los dos requisitos anteriores. Se elaboró el modelo Logit según la metodología indicada, para cumplir con el objetivo de la investigación al calcular la probabilidad de que las empresas del sector C10 (elaboración de alimentos) y C11 (elaboración de bebidas) de Ecuador, generen un bien nuevo a partir de variables de estudio, referidas a la inversión en investigación, desarrollo e innovación. De acuerdo con ello, en la Tabla 4 se reportan los resultados obtenidos bajo los siguientes criterios: coeficiente logit (B), error estándar, estadístico de Wald mismo que, mide la normalidad del coeficiente B del modelo Logit para afirmar que es diferente de 0, y el p-valor.

Los valores de R cuadrado de Cox y Snell (0.195) y R cuadrado de Nagelkerke (0.312) indican la proporción de varianza de la variable dependiente (probabilidad de generar un bien nuevo) que es explicada por el modelo de regresión logística ajustado (variables predictoras ID y OACTI) en comparación con el modelo nulo que sólo incluye la constante. El valor de la prueba de Hosmer y Lemeshow (0.079) es la medida de bondad de ajuste del modelo, los valores cercanos a 0 indican un buen ajuste. El estadístico Pseduo R² del modelo es del 80.6%, resultado que indica un buen desempeño del modelo. En general, los resultados sugieren que tanto la variable ID (I+D) como OACTI tienen un impacto significativo en la probabilidad de generar bienes nuevos en la industria de alimentos y bebidas de Ecuador.

Regresión logística en el escenario Ecuador 2012-2014

Para el desarrollo del modelo Logit con los datos de las actividades de innovación en Ecuador 2012-2014, se realizó una regresión logística binaria por segunda ocasión, esto debido a la débil significancia de las variables como: inversión en maquinaria y equipo, hardware, software, tecnología desincorporada, consultorías, ingeniería y diseño industrial, capacitación y estudios de mercado. Para determinar qué variables se debe unificar se utilizó la prueba de estadístico de Wald. Esta prueba compara la hipótesis nula H0: βi = 0 en contra de la hipótesis alternativa H1: βi ≠ 0 (^{Dominguez-Lara, 2018}). En este contexto, se optó por unificar las mencionadas variables en una nueva, llamada OACTI, que engloba a las otras actividades de ciencia, tecnología e innovación no pertenecientes a la investigación y desarrollo I+D.

Se observa en los resultados reportados en la Tabla 4 , que los p-valor son altamente significativos al ser evaluados a un nivel de significancia del 1%. Por otro lado, los coeficientes del modelo Logit indican un cambio en el modelo estimado, al experimentar el cambio unitario en una variable predictiva específica. Con base a estos antecedentes en la Tabla 5 se muestra que la inversión en actividades de innovación incrementa la proporción de producir un bien nuevo en 3.996 veces. De forma análoga, se observa que esta proporción se eleva aún más en el caso de las OACTI, puesto que la proporción se incrementa en 6.214 veces. Estos resultados muestran un patrón común en la industria de alimentos y bebidas que es un sector maduro, dado su posicionamiento, como lo manifiestan ^{Capitanio et al., (2010)} y ^{Pineda Ospina (2015)}, quienes mencionan además, que otras actividades relacionadas con la innovación, como la adquisición de maquinaria y equipo (OACTI) es la más utilizada en la industria de alimentos y bebidas, y contribuye al incremento de la probabilidad de inducir a innovaciones.

Modelo Logit para el estudio a nivel de la provincia de Tungurahua 2018-2021

La provincia de Tungurahua es una provincia del centro del Ecuador con altos índices de actividad manufacturera (^{Cacho & Espinoza Layana, 2019}). Los resultados del estudio de innovación en esta provincia se presentan en la Tabla 6; allí constan el coeficiente logit (B), el error estándar, el estadístico de Wald y el p-valor. Se reportan los estadísticos de confianza como los de Cox y Snell (0.090) y de Nagelkerke (0.191) que fueron inferiores a los obtenidos a nivel de Ecuador en los años de 2012 a 2014. El estadístico de bondad de ajuste de Hosmer y Lemeshow (0.079), tiene una significancia del 10% por lo que existe un buen ajuste de todo el modelo planteado. Por último, el Pseduo R² es del 90.20%, que es diez puntos porcentuales mayor al modelo anterior, e indica un porcentaje alto de estimación.

Al igual que sucedió con la primera regresión logarítmica, las variables presentadas I+D y OACTI son significativas a un 95% de nivel de confianza. Por esta razón, el impacto de estas actividades de innovación en la probabilidad de generar bienes nuevos en la industria de alimentos y bebidas de Tungurahua para 2018-2021, es significativo.

Regresión logística en el escenario de Tungurahua 2018-2021

De igual manera que en el modelo Logit desarrollado para Ecuador 2012-2014, en el caso de la provincia de Tungurahua, las variables explicativas de innovación, que individualmente no resultaron ser significativas, se unieron en una nueva variable llamada OACTI. Todo esto teniendo en cuenta los estadísticos de Wald y del p-valor, para la unificación antes mencionada, referente a las variables que están incluidas dentro de las OACTI.

En la Tabla 7, se exponen los resultados de los odds ratios para cada variable significativa. De esta manera, la inversión en I+D que realizan las empresas elaboradoras de alimentos y bebidas en Tungurahua propició 6.708 veces la producción de un bien nuevo en el grupo de empresas que realiza actividades de Investigación y Desarrollo, en comparación con un grupo que no lo hace. En este escenario se obtuvo aproximadamente el doble del odds ratio que el obtenido para Ecuador, suponiendo esto un importante cambio. Por otro lado, la razón de probabilidad de las OACTI disminuyó notablemente a tan solo 0.095 veces de generar bienes nuevos. Esto se ve reflejado en la constante del modelo, que posee un odds ratio de 30 veces, lo que implica que otros factores como la cantidad de empleados destinados para I+D+i, la intensión empresarial de introducir productos a nuevos grupos de clientes o nuevos mercados entre otros, pueden determinar la generación de productos nuevos en esta industria en Tungurahua (^{OECD & Eurostat, 2018}; ^{Torres Salazar et al., 2018}).

El aumento en el odds ratio generado por la inversión en I+D y el retroceso de las otras actividades de Ciencia, Tecnología e Innovación (OACTI) en este sector productivo de Tungurahua, puede deberse a cambios en el contexto económico del sector, por ejemplo, factores externos como recesiones, pandemias o crisis, entre otros (^{CEPAL, 2020}). Esto quiere decir, que las empresas de alimentos y bebidas en esta región, optaron por incorporar mayores esfuerzos en la investigación y desarrollo con el fin de generar bienes nuevos, dejando a un lado las actividades tradicionales propuestas por ^{Pineda Ospina (2015}); es decir, que las actividades tradicionales como la compra de maquinaria, equipo y tecnología de desarrollo industrial, etc. (OACTI) fueron menos relevantes para introducir innovaciones en el mercado tungurahuense entre 2018 a 2021.

Probabilidad de generar bienes nuevos en Ecuador 2012-2014 y Tungurahua 2018-2021

Para el cálculo de las probabilidades, dadas las actividades I+D y OACTI, se utilizó la conversión Logit de la fórmula (6) con el fin de obtener la probabilidad de generar un bien nuevo (PGBN). A continuación, se detallan los principales hallazgos de la evolución de la probabilidad de generar bienes nuevos dentro de Ecuador y su provincia Tungurahua.

La tabla 8 muestra las probabilidades de generar un bien nuevo en el sector de elaboración de alimentos y bebidas tanto a nivel nacional como provincial en periodos diferentes: Ecuador 2012-2014 y Tungurahua 2018-2021. Al comparar las probabilidades en ambos escenarios y períodos, se encontró aspectos destacados. Así, se observa un aumento en las probabilidades de generar un bien nuevo en la mayoría de los sectores en Tungurahua en comparación con Ecuador en 2012-2014. Los sectores con mayores aumentos son: C103, con un incremento del 32.53%, C106, con un aumento del 56.13% y C107, con una subida del 60.91%. Los sectores con menor incremento son el C102 y C108 con un aumento de tan solo el 6.29% y 28.25% respectivamente.

Es importante aclarar que, las causas o motivos por los cuales se dieron estos incrementos en las probabilidades de generar un bien nuevo en Tungurahua en comparación con Ecuador en 2012-2014, puede deberse a varios factores que contribuyeron a estos cambios, como el desarrollo económico, la inversión en investigación y desarrollo, las políticas gubernamentales, la disponibilidad de recursos naturales, entre otros. Es importante tener en cuenta que este análisis es una vista general de un momento específico en el tiempo y es susceptible de variaciones y fluctuaciones en las probabilidades en diferentes momentos.