¿cuáles son los efectos de los instrumentos de política de

¿Cuáles son los efectos de losinstrumentos de política de CTeI en el

desempeño empresarial del sectorservicios en Colombia?

Deiryn Edith Reyes Medellín

Universidad Nacional de Colombia

Facultad de Ciencias Económicas

Bogotá, Colombia

2021

¿Cuáles son los efectos de losinstrumentos de política de CTeI en el

desempeño empresarial del sectorservicios en Colombia?

Deiryn Edith Reyes Medellín

Tesis presentada como requisito parcial para optar al título de:

Magister en Ciencia Económicas

Director:

Profesor Jesús Alberto Villamil Martha

Línea de Investigación:

Economía de la innovación

Universidad Nacional de Colombia

Facultad de Ciencias Económicas

Bogotá, Colombia

Junio. 2021

Resumen¿Cuáles son los efectos de los instrumentos de política de CTeI en el desempeño

empresarial del sector servicios en Colombia?

Este trabajo presenta un análisis de los efectos de la implementación de instrumentos de

política de Ciencia Tecnología e Innovación – CTeI, específicamente financiación pública

directa, en el desempeño empresarial del sector servicios en Colombia. Se ha estudiado

este tipo de impacto en el sector de las industrias de manufactura, encontrando un efecto

positivo, pero de forma indirecta. Sin embargo, no hay evidencia de investigaciones que

hayan centrado su análisis en el sector servicios para el caso colombiano. Con la

información disponible en la Encuesta de Desarrollo e Innovación Tecnológica Sector

Servicios -EDITS y la Encuesta Anual de Servicios -EAS-, para el periodo 2010-2017 y

utilizando como base la formulación teórica de la firma, de la escuela evolucionista se

utilizaron modelos Probit y Panel de Datos para relacionar aquellas variables que inciden

en la productividad laboral a nivel de firma, a partir de las políticas de CTeI. Los

resultados obtenidos muestran que el efecto de estas políticas es positivo para aquellas

firmas que adelantan procesos de innovación de productos, logrando un mejor

desempeño en términos de productividad laboral en las empresas del sector servicios.

Clasificación JEL: L80, O31, O38Palabras clave: innovación, inversión, productividad, sector servicios, políticasCTeI.

AbstractWhat are the effects of STI policy instruments on the business performance of the

services sector in Colombia?

This paper presents an analysis of the effects of the implementation of Science

Technology and Innovation - STI policy instruments on the business performance of

services sector in Colombia. This type of impact has been studied in the manufacturing

sector, finding a positive but indirect effect; however, there are no investigations that have

focused their analysis on the services sector. With the information available in the Service

Sector Technological Development and Innovation Survey -EDITS and the Annual

Services Survey -EAS, for the period 2010-2017 and using as a basis the theoretical

formulation of the evolutionary school firm, Probit and Data Panel models are used to

relate those variables in which the policies of STI and the productivity of labor of the

companies affect. The results show that the effect of these policies is positive for those

firms that develop product innovation processes, achieving a better performance in terms

of labor productivity in companies in the service sector.

JEL classification: L80, O31, O38Keywords: innovation, investment, productivity, service sector, STI policies.

Contenido

Pág.

Resumen V

Introducción 9

1. Economía de la Innovación 111.1 Productividad e innovación 111.2 Modelos endógenos de crecimiento 121.3 Inversión en I+D 131.4 Microeconomía de la innovación. 141.5 Innovación en el sector servicios 151.6 Estudios para el caso colombiano 17

2. Políticas de Ciencia Tecnología e Innovación en Colombia 192.1 Evolución de las políticas de CTeI 192.2 Instrumentos de política en Colombia 21

3. Metodología 253.1 Adaptación del modelo CDM al sector servicios 253.2 Variables y tratamiento de datos 283.3 Análisis descriptivo de los datos 32

4. Resultados del modelo 38

5. Conclusiones y recomendaciones 455.1 Conclusiones 455.2 Recomendaciones 46

Anexo 1. Modelo CDM para sector manufactura en Colombia 48

Anexo 2. Taxonomía de Soete y Miozzo 50

Anexo 3. Directorio de variables y estadísticas descriptivas 52

Anexo 4. Métodos econométricos del modelo 54A. Modelos de panel data de efectos fijos 54B. Modelos de probabilidad condicionada probit 55C. Pruebas de significancia estadística, heterocedasticidad, within y normalidad. 57

Referencias 60

Lista de tablas

Tabla 2-1. Instrumentos de política de Ciencia, tecnología e innovación. 23

Tabla 3-1. Datos descriptivos EAS. 29

Tabla 3-2. Datos descriptivos EDITS. 29

Tabla 3-3. Datos para empresas en EDITS y EAS 30

Tabla 4-1 Estimación de la ecuación 1: Aproximación al efecto de la política de CTeI en la

productividad laboral a través de la innovación 38

Tabla 4-2. Estimación de la ecuación 2: Determinantes de la tipología de innovación Zijt

40

Tabla 4-3. Estimación de la ecuación 3: intensidad de las actividades de investigación y

desarrollo en la firma. 42

Tabla 4-4. Estimación de la ecuación 4: Determinantes que empujan la firma a realizar

actividades de innovación. 43

Tabla A2-1. Subsectores de empresas según el CIIU 51

Tabla A3-1. Variables del modelo 52

Tabla A3-2. Estadísticas descriptivas principales variables 53

Lista de Símbolos y Abreviaturas

Abreviatura TérminoACTI Actividades de Ciencias, Tecnología e

innovación

CTeI Ciencia, Tecnología e InnovaciónCDM Modelo Crepón, Duguet y Mairesse (1998)EAS Encuesta Anual de ServiciosEDITS Encuesta de Innovación y Desarrollo

Tecnológico para el sector serviciosOCDE Organización para la Cooperación y el

Desarrollo Económico

IntroducciónEste trabajo presenta un análisis de los efectos de la implementación de instrumentos de

política de Ciencia Tecnología e Innovación - CTeI en el desempeño empresarial del

sector servicios en Colombia para un periodo de 8 años. Aun cuando el porcentaje de

empresas que tienen acceso a los instrumentos de política es bajo, se espera que tener

acceso a incentivos para inversión en innovación y desarrollo científico tenga un efecto

sobre la productividad de las mismas. Se pretende con este trabajo verificar este efecto

entre productividad e innovación en el sector servicios, mostrar evidencias de las

políticas de CTeI, y su importancia en el fomento de la innovación.

El incentivar la innovación en las empresas, ha sido uno de los objetivos de la política de

Ciencia, Tecnología e Innovación en el país, y más ahora con la orientación de la Misión

de Sabios Internacional (2019), la creación del Ministerio de Ciencia, Tecnología e

Innovación, y el proceso en marcha de formulación de una nueva política de CTeI para el

periodo 2021 a 2030; lo cual ha generado un interés nacional que cobra relevancia en el

debate nacional, especialmente por la importancia estratégica que representa para el

desarrollo económico del país. Los principales objetivos de la nueva concepción de la

política se basan en generar mecanismos para convertir a Colombia en líder de la

generación, uso y apropiación de conocimiento científico y tecnológico en la región, para

superar las brechas que se tienen respecto a los países de la OCDE.

La hipótesis que se plantea en este trabajo es que los instrumentos de política pública de

CTeI en Colombia, particularmente la financiación pública directa, tienen un efecto

positivo en el desempeño empresarial del sector servicios que tienen acceso a beneficios

establecidos en instrumentos de política y en consecuencia son empresas más

innovadoras y más productivas. Para este fin se utilizan los desarrollos teóricos de la

escuela evolucionista y se utiliza el modelo Crepon, Douget & Mairesse (CDM) como un

instrumento que permite caracterizar de forma adecuada el proceso de innovación, el

impacto de los instrumentos de política y el impacto de estos factores en la productividad.

10

¿Cuáles son los efectos de los instrumentos de política de CTeI enel desempeño empresarial del sector servicios en Colombia?

A través de la aplicación del modelo Crepón, Duguet, & Mairesse - CDM (1998), que

permite medir los efectos de la innovación en la productividad en las empresas, adaptado

en este trabajo para el sector servicios, y con datos de la Encuesta de Desarrollo

Tecnológico para el sector Servicios EDITS y la Encuesta Anual de Servicios EAS, se

espera confirmar sí el acceso a fuentes de financiación pública ha tenido efectos

positivos para aumentar la innovación, y a su vez, los esfuerzos de innovación dan como

resultado una mayor productividad de las empresas del sector servicios.

En la primera parte del documento se presenta el fundamento teórico de la economía de

la innovación, para explicar la relación entre productividad e innovación, tratando el

enfoque de endogeneidad de los modelos de crecimiento y estudios para el caso

colombiano. En la segunda parte se hace una presentación de las políticas de CTeI en

Colombia, su evolución y la definición de instrumentos de política. En la tercera se

plantean la metodología con la formulación del modelo CDM aplicado al sector servicios y

se explica el tratamiento de datos. En la cuarta parte se hace la estimación y se

presentan los resultados. Finalmente se presentan las conclusiones y recomendaciones

del trabajo.

Metodología 11

1.Economía de la Innovación

1.1 Productividad e innovaciónLa relación entre productividad y el esfuerzo en I+D, innovación tecnológica y crecimiento

económico se ha estudiado desde dos grandes enfoques: i) desde la macroeconomía,

partiendo del modelo de Solow (1957) donde la innovación es un factor exógeno a la

función de producción, y llegando a los modelos neo-shumpeterianos, donde la

innovación es un factor endógeno al crecimiento y la tecnología un factor de producción

en la economía igual que el capital y el trabajo; y ii) el enfoque de la organización

industrial o teoría de la firma, que pretende explicar el comportamiento de las empresas y

como se genera la decisión de innovar y como se adapta esa innovación en una

economía de mercado.

Empezando por Solow (Solow, Technical Change and the Aggregate Production

Function., 1957), la producción es función de capital K y trabajo L, y también de un factor

A, que representa el cambio técnico. La variación de la producción responde a los

cambios de los factores, la proporción en que estos participan dentro de la producción, y

del factor de cambio técnico. Esta función se representa en la siguiente ecuación:

𝑄 = 𝐴𝑡𝐹(𝐾, 𝐿)

Agregando la participación w para cada uno de los factores en la producción, la ecuación

de producción se representa:

�̇�𝐴 = �̇�

𝑄 − 𝑤𝑘

�̇�𝐾 − 𝑤

𝑙�̇�𝐿

Los desplazamientos de la función de producción, generados por el cambio técnico, son

un residuo de la producción, pero no son consecuencia de cambios en los factores de

producción. El cambio técnico entonces no debe modificar la proporción de los factores

de producción. A esto se le denomina función de producción neutra en el sentido de

Hicks, es decir, el cambio técnico afecta en la misma proporción los factores de K y L.

En la función de producción de Solow (1957) el cambio técnico es exógeno a la firma, y

esta es receptora de las condiciones del entorno. Sin embargo, Solow reconoce que el

cambio técnico puede ser consecuencia de capacitación de la mano de obra y de nuevos

12


métodos de producción, con lo cual el cambio técnico se adopta a través de incrementos

en el inventario del capital.

1.2 Modelos endógenos de crecimientoEl proceso de innovación está fundamentado en los postulados de Schumpeter

(1883-1950), quien introduce como elemento del análisis económico, el proceso de

innovación y el cambio tecnológico en la economía, y se aleja del análisis clásico estático

de los ciclos económicos e introduce el análisis dinámico del cambio industrial.

Recogiendo los planteamientos de Schumpeter; Freeman, Clark & Soete (1985)

plantean, a diferencia de Solow, que el motor de los ciclos económicos es el cambio

técnico entendido como los procesos de innovación de la firma. Señalan que hay

incentivos para innovar en el mercado, ya que la tecnología existente en un periodo de

tiempo ya no permitirá producir. Eso llevará a los empresarios a innovar (innovación

radical), buscando una mayor rentabilidad y generando desequilibrio en el mercado. La

innovación generada le da la ventaja del monopolio temporal del empresario innovador, y

a su vez incentiva a otros empresarios a aplicar innovaciones similares (innovación

incremental) buscando similares rentabilidades. Entre más empresarios apliquen la

innovación, las rentabilidades irán disminuyendo y se llegará a un nuevo estancamiento

del crecimiento productivo. La única forma de salir del estancamiento es con la entrada

de nuevas formas de innovación.

Freeman et al. (1985), enfatizan que el cambio tecnológico es endógeno, la firma llega al

cambio tecnológico para garantizar su supervivencia y en consecuencia, se generan

desde la firma cambios en la estructura industrial y el crecimiento económico.

Autores de la macroeconomía moderna también incluyen esta noción, Paul Romer (1990)

propone un modelo de crecimiento dinámico que incluye la innovación como un elemento

endógeno.

La firma dedica parte de sus recursos a la innovación, y esta se convierte en un nuevo

bien de capital que entra al mercado. La función de producción incorpora ahora el trabajo

como factor de producción, distribuido en mano de obra común y mano de obra

calificada; y este capital humano se dedica ahora a la producción, y al desarrollo de

nuevas tecnologías, a crear nuevos diseños que se implementan en la producción. Esto

Metodología 13

también se define como el Conocimiento Social, un factor de producción accesible a

todos los empresarios.

Para Romer (1990), la producción moderna se caracteriza porque el crecimiento se basa

en el cambio tecnológico, el cual surge intencionalmente cuando las personas responden

a incentivos del mercado y teniendo como eje el conocimiento social, nuevos

conocimientos que son un bien no rival, que puede ser replicado sin costo adicional. El

acceso a conocimiento permite que el crecimiento será continuo en la medida en que se

tiene acceso a procesos de producción más avanzados y a nuevas tecnologías. El

incremento de la productividad dependerá del conocimiento social, de manera positiva.

A partir del modelo de crecimiento endógeno de Romer (1994), la innovación tecnológica

se crea en la I+D usando capital humano y el inventario de conocimientos existentes.

Esto hace que el punto central del modelo sea la innovación tecnológica, que propicia de

algún modo el crecimiento económico sostenible, ya que genera rendimientos constantes

a la innovación en términos de capital humano dedicado a actividades de investigación y

desarrollo.

A partir de este momento, los avances tecnológicos son considerados uno de los

principales determinantes del crecimiento económico. Estudios de Pavitt y Soete (1981),

Dosi et al. (1988b), muestran de manera empírica la relación entre estas dos variables.

Un buen resumen es el que realizan Ríos y Marroquín (2013) al mencionar que “El eje

central de estos modelos reside en que la innovación tecnológica permite un crecimiento

económico sostenible debido a que son constantes los retornos a la innovación en

términos de capital humano empleado en el sector de I+D. El análisis empírico de esta

relación se lleva a cabo habitualmente a partir de la estimación de una función de

producción en la que se incluye como variable explicativa el capital tecnológico también

llamado stock de conocimientos (Romer, 1990).”

1.3 Inversión en I+DLevin et al. (1987), incorporó a la relación entre innovación y productividad, el uso de

patentes, como mecanismo para garantizar la propiedad privada sobre los beneficios de

la innovación. Dependiendo de la industria y el tipo de innovación, otros mecanismos de

propiedad son el secreto comercial, el tiempo de desarrollo de nuevas tecnologías,

rigidez de la curva de aprendizaje y los servicios post-venta.

14


La relación positiva entre innovación y crecimiento del producto ha sido verificada en

estudios que usan modelos de tipo panel data como los de Frantzen (2000) y Griffith et al

(2001). Con respecto a trabajos que empiezan a diferenciar el efecto de la innovación,

dependiendo del sector económico, se encuentra a Zachariadis (2003) que compara el

efecto de la innovación sobre la producción de manufactura con el efecto en la

producción agregada, y concluye que el efecto que tienen la innovación sobre la

producción agregada es mayor al que se encuentra sobre la producción manufacturera.

Este estudio da un primer indicio de la importancia de la innovación y su efecto en el

sector de servicios, en el que se centra de este trabajo.

En esa misma línea el trabajo de Grossman y Helpman (1991), incorporan competencia

imperfecta a los modelos de crecimiento. En su estudio diferencian tres sectores: sector

producción final, el sector de bienes intermedios y el sector de I+D. En este último se

considera un sector clave en los modelos de crecimiento sostenible, por ser un sector

que utiliza capital humano para producir nuevas ideas y diseños, que se venden a

sectores de bienes intermedios y finalmente llega al sector del producto final.

1.4 Microeconomía de la innovación.La escuela evolucionista, a la que pertenecen autores como Richard Nelson, Sydney

Winter y Giovanni Dosi, han establecido la relación entre la innovación y la productividad

en la firma. La interacción de las capacidades esenciales, sus procesos y estructura

organizacional y la estrategia de mercado, lleva a que la firma se diferencie y se

transforme. La necesidad de transformación se genera por las capacidades requeridas

por la firma para alcanzar los objetivos propuestos (Nelson R. , 1991).

Una empresa es productiva en la medida en que logre diferenciarse y generar una

brecha tecnológica. Esa diferenciación le permita mantenerse, crecer y generar rentas.

En este sentido la corriente evolucionista se enfoca en proponer que el conocimiento es

la base del desempeño empresarial, principio fundamental por el cual es reconocida su

principal crítica a la teoría neoclásica de la empresa que se enfoca en la maximización de

ganancia y el equilibrio interno. Nelson y Winter estudian los determinantes de los

procesos de cambio técnico al interior de la firma y diseñan una regresión lineal que

pretende explicar el factor de cambio técnico (𝐴) a través las estrategias de innovación de

la firma, los dividendos y la inclinación de ahorrar mano de obra (Nelson & Winter, 1982)

Metodología 15

Reconociendo el conocimiento como factor determinante del desempeño empresarial, la

referencia que hacen Alderete y Gutiérrez (2012), se convierte en un hecho pertinente

en que “las empresas son partícipes de un cambio de escenario económico a nivel

mundial con el advenimiento de la Nueva Sociedad de la Información o Nueva Economía,

que establece el rol preponderante del conocimiento y la inserción de las nuevas

Tecnologías de Información y Comunicación (TIC) a la actividad productiva (Brynjolfsson

y Hitt, 2000)”. Kendrick (1987) ha estudiado aquellos factores determinantes de la

productividad y los resultados en empresas del sector servicios comparando con

empresas del sector manufactura, encontrando que las siguientes variables tienen una

asociación significativa positiva con la productividad: el promedio de educación de los

trabajadores, la relación de las ventas con la inversión en investigación y desarrollo,

directa e indirecta; cambios en las proporciones de I+ D, tasas de crecimiento de

inversión en capital fijo por trabajador, variabilidad de las tasas de despido; y escala

económica.

En contraste, Giovanni Dosi (1988) señala que el cambio técnico no es solamente la

tecnología como la entendía Solow, sino que tiene atributos más complejos y diversos.

Destaca entonces que se debe considerar en un sentido más amplio y que las

innovaciones están íntimamente relacionadas con la industria donde se encuentra la

firma, ya que cada sector tiene requerimientos científicos particulares.

Dutrénit G. et al. (2013) examinan los factores determinantes, obstáculos y efectos de la

innovación en la productividad de las empresas de servicios en México. Al aplicar el

modelo CDM, llegan a tres interesantes resultados: i) factores como el tamaño, la

estrategia de apertura, el uso de fondos públicos y el comportamiento exportador de las

empresas, aumentan la propensión a invertir en innovación; ii) las empresas con una

mayor intensidad de aprendizaje e innovación tienden a mostrar un rendimiento superior

en materia de innovación en comparación con las empresas que invierten poco en

aprendizaje e innovación; y iii) los resultados de la innovación tienen un efecto positivo en

la productividad de las empresas. Finalmente, destacan la importancia de promover el

aprendizaje y la innovación como base para mejorar la productividad de las empresas de

servicios en México, desde las políticas públicas.

16


1.5 Innovación en el sector serviciosStanley Metcalfe y Ian Miles (2000), han centrado sus estudios sobre la innovación

tecnológica. Se han interesado especialmente por las industrias de servicios como

usuarios y fuentes de innovación.

Ellos han defendido la importancia de estudiar la innovación en el sector servicios, por su

papel como “importantes usuarios de nuevas tecnologías de la información”, y “algunos

servicios están desempeñando funciones activas en el desarrollo de la economía más

intensiva en conocimientos”. Por esta razón juegan un rol fundamental en el proceso de

transferencia tecnológica, contribuyen al desarrollo de nuevas tecnologías, y la

innovación en los servicios pasa a ser un factor clave del crecimiento de los países.

(Miles, 1996)

De acuerdo con Miles (2011): “El crecimiento de la atención a la innovación que involucra

a los servicios ha sido impulsada por la creciente importancia de las actividades de

servicios en sociedades industriales y de todo el mundo, así como el énfasis en los

servicios en la competitividad de empresas de todo tipo”. Miles establece una diferencia

entre innovación en el sector servicios, y la innovación en materia de servicios. La

primera se refiere a innovación de productos y procesos (desarrollar servicios nuevos y

mejorados) en las empresas, los sectores y las industrias de servicios. La segunda se

refiere a la creación de nuevos servicios, aunque sean servicios vinculados a cualquier

sector de la economía. A partir de los años 80, ha tenido mayor interés el análisis de la

innovación de servicios, pues los esfuerzos estuvieron dedicados a la industria de

manufactura, las empresas de servicios eran empresas atípicas o poco innovadoras, y

por lo tanto se consideraba que la innovación provenía del sector de manufactura, y las

empresas de servicios solo eran receptoras pasivas de dicha innovación.

Coombs y Miles (2000) y Gallouj. y Savona (2010) propusieron tres enfoques para

explicar la innovación en materia de servicios, que posteriormente Droege, Hildreband

and Heras Forcada (2009) dividieron en cuatro enfoques:

- Enfoques de asimilación (Coombs & Miles, 2000). Los atributos económicos de

los servicios son fundamentalmente similares a los de los sectores

manufactureros, se miden igual y se gestionan de manera similar. Las diferencias

se explican por el rezago de los servicios frente a de los otros sectores.

Metodología 17

- Enfoques tecnológicos (Gallouj & Savona, 2010) coinciden con el enfoque de

asimilación de Coombs y Miles (2000), sin embargo, ponen mayor énfasis en la

importancia de las nuevas tecnologías de información para los servicios, y una

forma diferente de innovar, pues primero se aplican nuevas tecnologías para

hacer que la prestación de servicios sea más eficaz, y posteriormente se crean

nuevos servicios.

- Enfoques de demarcación, consideran las actividades de servicios

completamente distintas a las de manufactura, lo que hace necesario nuevos

instrumentos para su análisis. Un indicador como el perfil de competencias de la

mano de obra puede ser más efectivo para analizar la innovación en empresas de

servicios de alta tecnología o servicios intensivos en conocimiento. La

internacionalización de los servicios no se medirá en las exportaciones, sino en

formas de contratación como franquicias, formas de inversión o acuerdos de

cooperación. Los servicios son productos intangibles y no almacenables, tienen

un alto grado de interacción con los clientes, y podría considerarse que ellos

participan en su producción. Esto hace que los tipos de innovación y la gestión de

la innovación para el sector servicios sean distintos, y en consecuencia también

se debe modificar la forma de medir su productividad.

- Enfoque de síntesis. Este enfoque considera que la innovación en servicios

permite analizar aspectos, que no son exclusivos de las empresas y

organizaciones de servicios, y que pueden beneficiar al sector de industrias

manufactureras. La convergencia entre ambos sectores se da en la posibilidad de

que el sector de la manufactura integre en sus productos, servicios

complementarios como financiación, seguros, mantenimiento, software, etc. A

esto lo han denominado la “serviciación” de los productos, intuitivamente se

puede relacionar más fácilmente con el servicio post venta.

1.6 Estudios para el caso colombianoExisten pocos estudios en el país con el objetivo de analizar la relación de causalidad

entre innovación y productividad en el sector. La mayor parte de los trabajos se han

centrado en los efectos de diferentes variables en la productividad de las industrias de

manufactura. Ejemplo de ello son los estudios de Langebaek y Vásquez (2007), a través

de la aplicación de un modelo Tobit que buscan identificar cuáles son las variables que

18


determinan que una empresa tome la decisión de adelantar actividades de innovación,

para lo cual usan los datos de la Encuesta de Desarrollo e Innovación Tecnológica

(EDIT), encontrando que en (2007) en Colombia aún existía poco interés de las

empresas en innovar, y que era un esfuerzo propio de empresas grandes.

Para el sector servicios, Alderete y Gutiérrez (2012), analizan los determinantes de la

productividad laboral en las empresas de servicios de Colombia, enfocado en la relación

de la inversión y uso de las tecnologías de la información y de la comunicación –TIC– y la

productividad. Ellos identifican la relación directa entre la inversión y uso de TIC, y logran

demostrar que estos incrementan la productividad laboral en un 18%, asimismo

encuentran que “los recursos tecnológicos de las TIC (tanto inversiones en equipo como

uso de TIC), junto con el capital no TIC, la capacitación, el porcentaje de capital

extranjero y el porcentaje de empleados permanentes son los recursos más importantes

que impactan positivamente sobre la productividad de las empresas de servicios de

Colombia” (Alderete & Gutiérrez, 2012).

Debido a las limitaciones de acceso a información para el cálculo de la productividad total

factorial - PTF para las empresas del sector servicios, se opta en este estudio por

determinar el desempeño de las empresas a partir de la productividad laboral. Para esto

se toma como referencia el informe de productividad laboral en el sector TIC en Colombia

(MINTIC, 2019). En este informe el Ministerio explica que, aunque la medida

generalmente utilizada para medir productividad es la PTF, por la calidad de la

información disponible se opta por analizar la productividad laboral como una medida

tradicional de productividad. Asimismo, menciona el informe que para OECD (2017), la

productividad laboral, medida como el valor agregado bruto por hora trabajada, es una de

las medidas de la productividad más ampliamente usada a nivel de países, sin embargo,

por disponibilidad y confiabilidad de datos de horas trabajadas, usar el número de

personas empleadas (es decir, el total de empleados) es con frecuencia usado como un

proxy del factor trabajo. El MINTIC entonces calcula la productividad laboral de la

siguiente manera: PL = Producción Bruta / No. Trabajadores. Como conclusión del

estudio se muestra una tendencia creciente de la productividad laboral en el sector de las

TIC, que se explica por la disminución en la participación de trabajadores desplazados

por las tecnologías.

Metodología 19

Por su parte Busom y Vélez (2017) realizan un estudio para el caso colombiano

utilizando el modelo CDM, intentando identificar los efectos de la política pública de

ciencia, tecnología e Innovación colombiana. Utilizan una muestra de empresas obtenida

a partir de las encuestas de innovación de industria manufacturera y el sector servicios.

Los autores señalan que existe relación entre la percepción de las barreras para la

innovación por parte de los empresarios y la distribución de los recursos de la política.

20


2.Políticas de Ciencia Tecnología eInnovación en Colombia

2.1 Evolución de las políticas de CTeILa evolución de las políticas de CTeI, está directamente ligada a la arquitectura

institucional que ha venido evolucionado en las últimas tres décadas en el país. Las

políticas de CTeI y la definición de los instrumentos se sustentan especialmente en

presupuestos públicos que han garantizado una oferta de recursos asociados a

diferentes instrumentos de política cuyo objetivo ha sido el de fomentar la inversión y el

avance de la CTeI en Colombia. Buena parte de los instrumentos que se tienen en el país

han sido adoptados bajo la influencia de la experiencia internacional y los organismos

multilaterales.

El Ministerio de Ciencia y Tecnología, clasifica la evolución de las instituciones de CTeI

en cuatro etapas, con una etapa previa de influencia de organismos internacionales y la

suscripción de acuerdos de cooperación internacional, entre los años 1940 y 1967, que

impulsaron el diseño e implementación de políticas, y una estructura de entidades

orientadas al desarrollo de la educación y la investigación en el país. Nacieron entidades

como ICETEX, ICA, SENA, INCORA, Instituto de Asuntos Nucleares y el Instituto de

Investigaciones Tecnológicas. También en este periodo se crean universidades como la

Universidad Industrial de Santander (1948) y la Universidad de los Andes (1949) entre

otras.

La primera etapa, es donde se dieron los fundamentos de la institucionalidad de la

ciencia y la tecnología, entre los años 1968 y 1989. En este periodo se crearon

instituciones públicas como COLCIENCIAS y el ICFES (1968), con el apoyo del BID a

través de una línea de financiación. Colciencias se creó como un fondo de financiamiento

de la ciencia encargado de coordinar, difundir y ejecutar proyectos de desarrollo científico

y tecnológico. En 1970 se crea la Asociación Colombiana para el avance de la Ciencia

como una iniciativa de la sociedad civil preocupada por impulsar el desarrollo científico y

tecnológico en Colombia. En 1988 se conformó la misión de ciencia y tecnología con el

fin de revisar el estado del arte y proponer una reorganización institucional, junto con un

Metodología 21

marco normativo. Sí en el periodo anterior surgieron universidades, en esta etapa se

cuenta con el inicio de los doctorados en Colombia.

La segunda etapa comprendida entre los años 1990 a 1999, fue la etapa donde se dio el

principal desarrollo normativo del Sistema Nacional de Ciencia y Tecnología (SNCyT).

Se crean el Consejo Nacional, como organismo de dirección y coordinación del SNcyT, y

de las Comisiones Regionales de Ciencia y Tecnología (Decreto 585 de 1991)

Entre las normas más relevantes se pueden mencionar además del Decreto 585: Ley 29

de 1990, por la cual se dictan disposiciones para el fomento de la investigación científica

y el desarrollo tecnológico y se otorgan facultades extraordinarias, dando origen al

SNCyT. Ley 6ª de 1992 que establece incentivos tributarios de la CyT, el Conpes 2739

de 1994, primer Conpes de CyT, que acogió las recomendaciones de la Misión de

Ciencia, Educación y Desarrollo (1993). El Decreto 1767 de 1990 por el cual se dicta el

Estatuto de Ciencia y Tecnología. Adicionalmente, con los Decretos de 393 y 591 de

1991 se establecieron las directrices para coordinar la inversión nacional en ciencia y

tecnología. En esta etapa se identificaron como limitaciones para el desarrollo científico

en Colombia: “el bajo nivel de inversión en ciencia y tecnología, el insuficiente número de

investigadores y recurso humano calificado, la baja capacidad de innovación del sector

productivo, y la limitada interacción entre la oferta y demanda de conocimiento y

tecnología”.1

La tercera etapa, del año 2000 al 2009, es de fortalecimiento del SNCyT, a partir del

Conpes 3080 de 2000, a través del cual se vincularon los intereses locales y regionales

en el logro de los objetivos de política, y a través del Acuerdo 04 de 2002, el Consejo

Nacional de CyT se reconocen los Consejos Departamentales de Ciencia y Tecnología y

se definen las agendas regionales de CyT. Se crean el Sistema Nacional de ciencia y

Tecnología Agropecuaria (Ley 67 de 2000), el Fomipyme (Ley 509 de 2000), el Fondo de

investigación en Salud FIS (LEY 643 DE 2001), y el Fondo Emprender del SENA (Ley

789 de 2002).

Finalmente, la cuarta etapa, es una etapa de reformas y ajustes a la institucionalidad ya

creada hasta ese momento. Se transformó a Colciencias en Departamento Administrativo

de CTI (Ley 1286 de 2009) con funciones de formulación y ejecución de políticas, planes

1 Ministerio de Ciencia, Tecnología e innovación, Departamento Nacional de Planeación.POLÍTICA NACIONAL DE CIENCIA, TECNOLOGÍA E INNOVACIÓN 2016-2025. Documentoborrador para discusión 01/09/2020.

22


y programas de CTeI. Se modificó el Sistema Nacional de Ciencia y Tecnología para

convertirlo en el Sistema Nacional de Ciencia, Tecnología e Innovación (SNCTI),

resaltando la importancia de la innovación en la competitividad. Se crearon los Consejos

Departamentales de Ciencia, Tecnología e Innovación (CODECTI). Se adopta la

importancia de la innovación, a través de varias iniciativas de política: CONPES 3582

Política Nacional de Ciencia y Tecnología, el Plan Nacional de Desarrollo 2010-2014

Prosperidad para todos, se incorpora la innovación en los objetivos de política, y se crea

el Sistema General de Regalías, tal vez la principal fuente de recursos para CTeI hasta

nuestros días.

Actualmente, se está discutiendo un documento de POLÍTICA NACIONAL DE CIENCIA,

TECNOLOGÍA E INNOVACIÓN 2021 – 2030. Después de un esfuerzo no culminado de

generar una política adelantado en el 2016 sin que se hubiera publicado. Este borrador

en discusión de la empresa privada, la sociedad civil, los actores del Sistema de ciencia

tecnología e innovación y las instituciones del Gobierno en cabeza de los Ministerios de

Ciencia, Tecnología e Innovación y de Industria, Comercio y Turismo, cuenta con las

recomendaciones de la Misión Internacional de Sabios como uno de sus principales

insumos.

2.2 Instrumentos de política en ColombiaDe acuerdo con la Misión Internacional de Sabios son instrumentos de política de CTeI:

“intervenciones, en su mayoría guiadas por el Estado, conducentes a cambios que

converjan en un gran propósito: hacer que el conocimiento sea la base del crecimiento

económico y del desarrollo social, ambientalmente sostenibles, del pueblo colombiano”

(2019: p.37).

Al hablar de instrumentos se habla de leyes y otros documentos legales, cambios

institucionales, medidas de política pública o proyectos. En el caso de Ciencia,

Tecnología e Innovación, los instrumentos de política también son medios que proveen

fuentes de recursos directas o indirectas, para financiar planes, programas, proyectos y

actividades de ciencia, tecnología e innovación.

Metodología 23

De acuerdo con el reporte de instrumentos de política del Observatorio de Ciencia

Tecnología en Innovación de la OEI2, en Colombia se aplican los siguientes instrumentos

de política que son: Fondos de promoción a la innovación y la competitividad de las

empresas, programas de apoyo a la incorporación de investigadores y becarios en

empresas, fondos de promoción a la investigación científica y tecnológica, becas para

estudios de grado, posgrado y postdoctorado, programas de creación y apoyo a

posgrados, Programas de áreas prioritarias y vinculación internacional de investigadores

y becarios nacionales.

Como evidencia de la aplicación de estos instrumentos, se encuentra lo identificado por

Crespi et al. (2011), quienes identifican que el presupuesto de Colciencias para el 2011,

estaba dedicado principalmente a tres instrumentos:

i) Fortalecimiento de las capacidades de CTeI, a través del cofinanciamiento de

investigación básica y aplicada desarrollada por universidades y otras organizaciones de

investigación públicas (41% del presupuesto total de Colciencias).

ii) Entrenamiento en Ciencia y Tecnología, a través de la implementación de programas

de becas para estudios de pregrado y posgrado (28% del presupuesto de inversión de

Colciencias); e,

iii) Innovación empresarial a través de la asignación de líneas de crédito y donaciones

conjuntas (18% del presupuesto de inversión).

En la tabla 2-1 se resumen las principales normas que han definido o establecido los

instrumentos de política de CTeI:

Tabla 2-1. Instrumentos de política de Ciencia, tecnología e innovación.

NORMA O DOCUMENTO CONPES INSTRUMENTO DE POLITICALey 1286 de 2009Por la cual se modifica la Ley 29 de 1990,se transforma a Colciencias enDepartamento Administrativo, se fortaleceel Sistema Nacional de Ciencia,

Se autoriza a través del Fondo FJCOperaciones:1. Financiar programas, proyectos,entidades y actividades de ciencia,tecnología e innovación.

2 Organización de Estados Iberoamericanos, Reporte de instrumentos de políticahttp://www.politicascti.net/index.php?option=com_content&view=article&id=20&Itemid=48&lang=es , en25 de mayo de 2020.

http://www.politicascti.net/index.php?option=com_content&view=article&id=20&Itemid=48&lang=es

24


Tecnología e Innovación en Colombia y sedictan otras disposiciones.

2. Invertir en Fondos de Capital de Riesgou otros instrumentos financieros, para elapoyo de programas,Proyectos y actividades de ciencia,tecnología e innovación.Y se crea el Consejo Nacional deBeneficios Tributarios en ciencia,tecnología e Innovación.

Ley 1739 de 2014, modifica el EstatutoTributario, la Ley 1607 de 2012, se creanmecanismos de lucha contra la evasión yse dictan otras disposiciones.Ley 1819 de 2016, modifica la forma decalcular los beneficios tributarios porinversiones en CTIConpes 3834 de 2015 crea loslineamientos de política para estimular lainversión privada en ciencia, tecnología einnovación a través de deduccionestributarias.Conpes 3892 de 2017, actualiza elanterior.

Se regula la deducción tributaria porinversiones en investigación, desarrollotecnológico o innovación.

Se incluyen proyectos de innovación paraacceder al beneficio de deducción

Se aceptan proyectos de innovación.Se acepta parcialmente presentacióndirecta de proyectos de empresas quetengan unidades empresariales de I+D+i

Ley 1951 de 2019. Por la cual se crea elMINISTERIO DE CIENCIA, TECNOLOGÍAE INNOVACIÓN, se fortalece el SISTEMANACIONAL DE CIENCIA, TECNOLOGÍAE INNOVACIÓN y se dictan otrasdisposiciones.

Se crea el Ministerio de CienciaTecnología e Innovación, como organismopara la gestión de la administraciónpública, rector del sector y del SistemaNacional Ciencia, Tecnología e Innovación(SNCTI), encargado de formular, orientar,dirigir, coordinar, ejecutar, implementar ycontrolar la política del Estado en estamateria, teniendo concordancia con losplanes y programas de desarrollo.

Ley 1955 de 2019“Por el cual se expide el Plan Nacional deDesarrollo 2018-2022 “Pacto porColombia, pacto por la equidad”.

Define como uno de los objetivos depolítica pública el pacto por la Ciencia/ laTecnología y la Innovación: un sistemapara construir el conocimiento de laColombia del futuro. Dentro de esteobjetivo se establecen dos estrategias:Desarrollo de sistemas nacionales yregionales de innovación integrados yeficaces; Y tecnología e investigación parael desarrollo productivo y social.

Fuente: Elaboración propia.

Metodología 25

3.Metodología

3.1 Adaptación del modelo CDM al sector serviciosEl modelo propuesto por Crepón, Duguet y Mairesse (1998) permite estimar la incidencia

de la innovación en la productividad, al mismo tiempo que reconoce a esta última como

un proceso heterogéneo a lo largo de las firmas y sectores. A través de este modelo se

pretende indagar acerca de: i) los determinantes de la innovación, ii) la intensidad de

esta, iii) el efecto del acceso a fondos públicos para proceso de innovación, como

manifestación de la política de CTeI, en el grado de innovación de la firma, iv) y, el efecto

de la innovación en la productividad de las firmas del sector servicios para el caso

colombiano.

Dado que el interés de este trabajo es evaluar la relación el impacto entre de la CTeI y su

efecto en la productividad del factor trabajo, se partirá del modelo CDM aplicado por

Castro (2018), adaptándolo para su aplicación al sector servicios. El modelo está

compuesto por cuatro ecuaciones que se explican a continuación:

La primera ecuación del modelo, busca evaluar el impacto entre la CTeI y la

productividad de los factores, en este caso el factor trabajo para las empresas del sector

servicios. Se calcula la productividad laboral de cada empresa3:

(Ecuación 1)𝑃𝐿𝑖𝑗𝑡

= α + β𝑍𝑖𝑗𝑡

+ φ𝑋𝑖𝑗𝑡

+ 𝑆𝑒𝑐𝑡𝑗𝑡

+ µ𝑖

+ ε𝑖𝑗𝑡

PL = Productividad laboral, calculada como Producción bruta / Personal ocupado para la

empresa i en el periodo t.

𝑍 = Tipología de la innovación (𝑍) de acuerdo con la clasificación definida por el manual

Frascati (OCDE, 2015).

3 La productividad laboral se calcula tomando los valores de Producción bruta reportados por lasempresas en la encuesta EAS y dividiendo sobre el personal ocupado reportado por la empresapara el mismo periodo.

26


- ISE: Innovadora en el sentido estricto

- ISAPROD: innovadora en sentido amplio en productos

- ISAPROS: innovadora en sentido amplio en procesos

- PINN: potencialmente innovadora

Se define como un vector de variables binarias que caracterizarán la innovación de la

firma. La definición de cada tipología se amplía en la siguiente sección.

𝑋 = variables de control de la firma 𝑖,

- (lnl) logaritmo natural de la cantidad de trabajadores de la firma

- (lnpacti) logaritmo natural del personal dedicado a actividades de innovación

Sect = Clasificación de acuerdo con la taxonomía definida por Soete y Miozzo (1989) que

contempla tres subsectores dentro del sector servicios:

- SDP – Servicios dominados por proveedores

- SR – Servicios de red

- PTEC - Proveedores de tecnología especializada y servicios basados en ciencia

La variable Sect representa el control del comportamiento del sector en donde se

ubica cada firma de acuerdo con la clasificación taxonómica de Soete y Miozzo (1989)

que adapta, para el sector servicios, la clasificación definida por Pavitt (1984) aplicable

a las empresas de manufactura. La clasificación para la aplicación del modelo se hizo

a partir de los códigos CIIU de las firmas. En el anexo 2 se presenta un diagrama de

conceptualización de esta taxonomía de Soete – Miozzo y su adaptación de los datos

del modelo para su construcción.

= designa los efectos fijos de cada firma.µ

La segunda ecuación, busca establecer una relación entre la política y la innovación,

para lo cual se formula un conjunto de ecuaciones independientes para los diversos

valores de Zijt, que se estiman utilizando modelos Probit, de la siguiente manera:

Metodología 27

𝑍𝑖𝑗𝑡

= {1 𝑠𝑖 α+φ𝑋

𝑖𝑗𝑡+β𝐺𝑝

𝑖𝑗𝑡+γ𝐼

𝑖𝑗𝑡+𝑆𝑒𝑐𝑡

𝑗𝑡+µ

𝑖+ε

𝑖𝑗𝑡>0

0 𝑑𝑒 𝑜𝑡𝑟𝑎 𝑚𝑎𝑛𝑒𝑟𝑎 (Ecuación 2)

Donde Z𝑖j𝑡 es la clasificación de la firma dentro de la tipología de innovación definida en

el Manual Frascati y que es utilizado por la EDITS; 𝐺𝑝𝑖𝑡 corresponde al monto de la

financiación pública recibida por la firma 𝑖, en el periodo 𝑡; 𝐼 es la inversión de recursos

propios de la firma 𝑖 en innovación en el periodo 𝑡. Nuevamente se utilizan el conjunto de

variables control de la firma, así como la tendencia sectorial.

Se estiman modelos Probit condicional, dado que se construye una variable dummy,

donde la variable Zijt tomará el valor de 1, si la empresa cumple la condición de ser

innovadora en sentido estricto, y 0 si no cumple la condición, a manera de ejemplo y de

la misma forma se aplica para las 4 tipologías de innovación.

Si bien los modelos Logit y Probit persiguen el mismo objetivo (medir la probabilidad de

éxito de que el evento ocurra) se decide escoger un modelo Probit por la naturaleza de la

normalidad en las variables y que las predicciones del modelo sean más precisas, pues

muestra la estabilidad numérica en el proceso de optimización de las variables al

observar los efectos marginales.

La siguiente relación por analizar es la intensidad de las actividades de innovación y

desarrollo en las empresas de servicios. La ecuación de intensidad se basa en la relación

de productos innovadores sobre el total de la producción, reportados por las firmas y

busca establecer cuáles son sus determinantes:

(Ecuación 3)𝐸𝑖𝑗𝑡

= α + φ𝑋𝑖𝑗𝑡

+ 𝑠𝑒𝑐𝑡𝑗𝑡

+ µ𝑖

+ ε𝑖𝑗𝑡

, 𝑠𝑖 𝐸𝑖𝑗𝑡

> 0

𝐸 = Muestra la proporción de la producción que corresponde a innovaciones.

𝑋 = variables de control de la firma 𝑖, antes explicadas.

Sect = Clasificación de acuerdo con la taxonomía definida por Soete y Miozzo (1989) que

contempla tres subsectores dentro del sector servicios:


28




Por último, µ designa los efectos fijos de cada firma.

Finalmente, se tiene la última ecuación que busca encontrar los determinantes que

empujan la firma a realizar actividades de innovación.

𝐷𝑖𝑗𝑡

= { 1 𝑠𝑖 α+φ𝑋𝑖𝑗𝑡+𝑠𝑒𝑐𝑡𝑗𝑡+µ𝑖+ε𝑖𝑗𝑡>00 𝑑𝑒 𝑜𝑡𝑟𝑎 𝑚𝑎𝑛𝑒𝑟𝑎 (Ecuación 4)

Se utiliza un modelo probit que correlaciona la variable dependiente 𝐷 = ejecución de

actividades de innovación de la firma 𝑖, y las variables de control de la firma (𝑋) y la

tendencia sectorial de la taxonomía de Soete y Miozzo (1989).

3.2 Variables y tratamiento de datosPara estimar el modelo se utilizaron los datos de la Encuesta de Desarrollo e Innovación

Tecnológica del sector servicios (EDITS) y de la Encuesta Anual de Servicios (EAS)

(2010-2017) que realiza el DANE emparejando los datos a nivel de empresa. A partir de

esta información se realizó un panel de datos con el microdato para un conjunto de 2.903

empresas para las que se cuenta con información en ambas encuestas (EDITS y EAS), y

se utilizaron en total 83,590 registros en el periodo 2010-2017. El modelo se estimó sobre

un panel desbalanceado y no se tuvieron en cuenta las firmas con datos faltantes.

La encuesta EDITS se empezó a aplicar a partir del 2004, de manera bianual, se cuenta

con datos hasta el 2017 (el microdato para la encuesta 2018-2019 aún no están

disponibles). Al revisar la composición de la encuesta, se observa que hay

homogeneidad en las preguntas formuladas solamente a partir de la encuesta 2010-2011,

por lo que se utilizarán datos para el periodo 2010-2017. Siguiendo los lineamientos del

Manual de Oslo (2005), la unidad estadística primaria de la EDITS es la empresa.

La encuesta EAS, cuenta con información para el periodo 2006-2018, y su recolección es

anual. Para efectos de estandarización, en este estudio se tomó la información del

periodo 2010-2017.

Metodología 29

De la encuesta EAS, se tomaron las variables de Producción bruta y personal ocupado

total, el CIIU y la identificación de empresa, que permite hacer el emparejamiento con la

base de la otra encuesta. El total de empresas que reportaron en la EAS con datos en

alguno de los años del periodo de estudio es de 8.071 empresas y un total de 43.291

registros.

Tabla 3-1. Datos descriptivos EAS.

Total de registros EAS 2010-2017 43,291

Total de empresas únicas EAS 2010-2017 8,071

Número de empresas según años condatos

Frec

1 982

2 720

3 835

4 391

5 1,027

6 522

7 220

8 3,374

Total general 8,071Fuente: Elaboración propia con información DANE.

De la encuesta EDITS, se tomaron las demás variables requeridas para la construcción

del modelo CDM adaptado al sector servicios. El total de empresas que reportaron en la

EDIT con datos en alguno de los años del periodo de estudio es de 10.751 empresas y

un total de 55.186 registros.

Tabla 3-2. Datos descriptivos EDITS.

Total de registros EDITs 2010-2017 55,186

Total de empresas únicas EAS 2010-2017 10,751

Número de empresas según años con datos Frec

2 2,638

4 2,595

6 2,311

8 3,207


30


Teniendo en cuenta que la EDITS es de reporte bianual, se tomaron los datos de esta

encuesta y se transformaron para que quedaran en una base anual. Para hacer esto, se

crearon registros nuevos para años independientes, donde se incluyen los datos que

cuentan con reporte para cada año por separado, como son ventas nacionales totales,

total monto invertido en actividades innovación, fondos públicos utilizados por la firma

para procesos de innovación. Para las variables que reportan un solo dato para el

periodo bianual, se replicó el mismo dato, para completar el registro anualizado.

Antes de hacer el emparejamiento de las bases, se hizo una revisión de la Clasificación

Industrial CIIU de las empresas, ya que para las encuestas anteriores al 2014, se utilizó

la clasificación CIIU rev 3.1 adaptada para Colombia, y del 2014 en adelante, se reporta

el CIIU rev 4.1 adaptada para Colombia. Con la tabla de correlación entre las versiones

del CIIU disponible en el Dane, se asignó el CIIU de la revisión 4.1. a las empresas en la

base completa.

Una vez estandarizados los CIIU, se procedió a cruzar las dos bases y consolidar un solo

panel de datos, tomando como llave el numero identificador ID de las empresas que es el

mismo para las dos encuestas. El total de empresas que con datos en las dos bases en

alguno de los años del periodo de estudio en la base emparejada es de 2.903 empresas

y un total de 14.887 registros en la base anualizada para el periodo 2010 - 2017.

Tabla 3-3. Datos para empresas en EDITS y EAS

Total de registros EDITs y EAS 2010-2017 14,887

Total de empresas únicas en EDITs y EAS 2010-2017 2,903

Año Frec

2010 1,486

2011 1,448

2012 1,723

2013 1,747

2014 1,953

2015 1,963

Metodología 31

2016 2,289

2017 2,278

Total general 14,887

Número de empresas según años con datos Frec

1 86

2 718

3 50

4 451

5 60

6 589

7 15

8 934


Para la estimación de productividad del factor trabajo, se tomaron las variables

Producción Bruta, y el Personal Ocupado reportado en la encuesta EAS, y los datos de la

base emparejada.

Las demás variables requeridas para el modelo se calcularon con variables de la EDITS,

y los datos de la base emparejada.

Para el cálculo de la variable de intensidad de innovación, 𝐸𝑖𝑗𝑡. se siguió la definición

propuesta por Chudnovsky et al. (2006), tomando la inversión total en innovación sobre el

total de ventas nacionales que la firma registró en el mismo periodo.

Para la definición de la ejecución de actividades de innovación 𝐷𝑖𝑗𝑡, se tomaron los

logaritmos de las variables de inversión propia de la firma en 𝑙𝑛𝑝𝑟𝑖𝑣 y la inversión pública

utilizada por la firma 𝑙𝑛𝑝𝑢𝑏.

Para definir las tipologías de innovación, necesarias para la construcción del vector de

variables definidas como el vector 𝑍𝑖𝑗𝑡., se utilizó la información de la EDITS, para definir

en la cual se establecen cuatro tipos de empresas, definidas en función de los resultados

de innovación obtenidos durante el periodo de observación

- ISE - Innovadoras en sentido estricto: aquellas firmas que introdujeron un

producto o un servicio nuevo o significativamente mejorado en el mercado

internacional.

32


- ISAPROD - Innovadoras en el sentido amplio en productos: aquellas firmas que

introdujeron un producto o un servicio nuevo o significativamente mejorado en el

mercado nacional, o para sí misma.

- ISAPROS - Innovadoras en el sentido amplio en procesos: aquellas firmas que

introdujeron un nuevo método organizacional, de comercialización y mercadeo.

- PINN - Potencialmente innovadoras: aquellas firmas que en el periodo tienen en

ejecución algún proceso de innovación o que tuvieron un proceso y lo

abandonaron.

Para la construcción de la variable 𝑠𝑒𝑐𝑡𝑗𝑡 , se realizó un proceso de clasificación a partir

de los códigos CIIU (Rev. 4 A.C.) de las firmas, siguiendo el análisis propuesto por Miles

(1996). En el Anexo 2 se amplía una descripción de la taxonomía, y el listado detallados

de códigos CIIU presentes en el panel de datos, con que se crearon los tres subsectores

de empresas del sector servicios utilizados para categorizar la variable Sect:




En el anexo 3 se presenta el directorio completo de variables del modelo, las variables de

las encuestas de donde se seleccionaron los datos correspondientes, y se presentan

estadísticas descriptivas de las variables.

3.3 Análisis descriptivo de los datosSe presenta en la gráfica 3-1 el número de empresas presentes en el panel de datos

para las tres categorías de empresas, con el propósito de ayudar a identificar dinámicas

de innovación que puedan ser explicadas por el subsector al que pertenecen las

empresas de servicios.

Metodología 33

Gráfico 3-1. Conteo de las firmas de acuerdo con la Taxonomía de Soete - Miozzo

Fuente: Elaboración propia con base en datos EAS – EDITS, Dane.

Las empresas clasificadas como servicios dominados por proveedores (incluye

educación salud, servicios personales, alimentos y bebidas, peluquerías, ventas al por

menor), es la predominante y ha tenido un crecimiento en el número de empresas

presentes con datos del 265% entre el 2010 y el 2017. El siguiente grupo con mayor

participación es el de las empresas de servicios que se prestan en red o que utilizan

redes de información elaboradas (bancos, transporte, seguros), categoría que muestra

una disminución progresiva en su participación en el panel de datos, bajando un 32%

número de empresas presentes en el periodo de estudio. Las empresas proveedores de

servicios especializados en tecnología o basados en ciencia tienen el comportamiento

más estable de la muestra, con un crecimiento del 12%. Aunque este análisis no puede

tomarse como representación del total de industrias presentes en la economía del país,

dado que se construye con la información de las empresas presentes en el panel de

datos, si es información que permitirá analizar los resultados del modelo.

34


Gráfico 3-2. Productividad laboral media


Al analizar el comportamiento de la productividad laboral media de las empresas del

sector servicios presentes en el panel de datos, se observa una tendencia al crecimiento,

que confirma el resultado obtenido en el informe de productividad laboral del sector de

TIC elaborado por Mintic (2019). Este comportamiento es explicado al tiempo, por los

mayores aumentos en la eficiencia productiva y por la pérdida de empleos en el sector.

Sin embargo, esta última conclusión no puede ser trasladada al periodo de estudio de

este trabajo, toda vez que el número de personal ocupado reportado por las empresas

del sector servicios incluidas en la muestra creció entre 2010 y 2017.

Metodología 35

Gráfico 3-3. Personal ocupado de las empresas de servicios


En la gráfica 3-4, se observan los sectores definidos por la clasificación taxonómica que

muestran un nivel de productividad diferente, confirmando lo planteado por Nelson y

Winter (1982).

Gráfico 3-4. Productividad laboral de las empresas de servicios


36


Los servicios en red y los servicios de tecnología especializada y basados en ciencia

muestran una tendencia creciente en la productividad mientras que los dominados por

proveedores muestran una tendencia decreciente. Hay unos datos atípicos que valdría la

pena estudiar posteriormente.

Finalmente, con el fin de verificar problemas de endogeneidad, se comparan en la

siguiente gráfica la productividad media de las empresas que reportaron haber invertido

recursos públicos en innovación frente a las que reportaron que no invirtieron recursos

públicos.

Gráfico 3-5. Productividad laboral media con inversión de recursos públicos


La gráfica muestra que la productividad laboral media de las empresas que no invirtieron

recursos públicos en innovación, tiene promedios similares a la media del total de

empresas de la gráfica 3-2, y un comportamiento similar a la curva de personal ocupado

de la gráfica 3-4, mientras que la productividad de las empresas que reportaron haber

invertido recursos de fuente pública en actividades de innovación, muestran una

productividad laboral promedio con valores más bajos. Asimismo, la productividad laboral

media para el total de empresas de la muestra tiene una tendencia creciente, mientras

que la productividad laboral media de las empresas que invirtieron recursos públicos en

innovación es constante. Adicionalmente, de las 2.903 empresas incluidas en la muestra,

Metodología 37

solamente 115 reportan haber invertido recursos de fuente pública en innovación, con lo

cual se podría concluir a partir de los datos y al desbalanceo de la muestra, que no hay

evidencia de endogeneidad, es decir que las firmas más productivas no son las que

tienden a recibir fondos públicos.

38


4.Resultados del modelo

Para estimar el modelo CDM aplicado al sector servicios, se realizaron tres modelos de

estimación aprovechando la estructura de datos panel, y que permiten la comprobación

de consistencia de los estimadores: en el primero se realizó el estimador Pooled (OLS -

mínimos cuadrados ordinarios por sus siglas en inglés) de la muestra, para verificar que

el modelo está correctamente especificado, las variables exógenas no están

correlacionados con los errores (no existe endogeneidad en el modelo) y se estimó

consistentemente; en el segundo, se realizó la estimación mediante datos panel con

efectos fijos; y en el tercero, consistió en la estimación a través de datos panel, efectos

fijos, errores robustos (corrección de la varianza). El análisis se centra en la estimación

de datos panel con efectos fijos teniendo en cuenta que permite controlar factores

inobservados en los sujetos, y que no presenta diferencias en los coeficientes frente al de

efectos fijos robustos.

En primer lugar, se presentan los resultados de las estimaciones para la ecuación 1 que

permite ver el efecto sobre la productividad laboral de las empresas del tipo de

innovación.

Tabla 4-1 Estimación de la ecuación 14: Incidencia de la innovación en la productividadlaboral

VARIABLES(1)PL

Pool

(2)PL

Efectos fijos

(3)PL

Efectos fijos robustosTipología de la innovaciónise - Innovadoras en sentido estricto 0.0154 -0.00986 -0.00986

(0.121) (0.120) (0.0578)isaprod - Innovadoras en producto 0.0568 0.112** 0.112**

(0.0442) (0.0448) (0.0391)isapros - Innovadoras en procesos -0.0233 -0.126*** -0.126**

(0.0265) (0.0304) (0.0377)pinn - Potencialmente innovadoras -0.0314 -0.0238 -0.0238

(0.0267) (0.0266) (0.0265)Variables de control de la firma

4 PLijt=+βZijt+φXijt+sectjt+µi+εijt

Metodología 39

lnl 0.0529*** 0.0402*** 0.0402*(0.0117) (0.0119) (0.0209)

lnpacti 0.0160 0.0261** 0.0261(0.0108) (0.0109) (0.0168)

Constante α 11.33*** 11.41*** 11.41***(0.0559) (0.0571) (0.0841)

Observaciones 4.287 4.287 4.287R-squared 0.011 0.015 0.015Número de años 8 8 8

Standard errors in parentheses*** p<0.01, ** p<0.05, * p<0.1

Fuente: Elaboración propia, fuente datos DANE, EDITS-EAS

Revisando los coeficientes de las variables de control, hay un efecto positivo del número

de trabajadores sobre la productividad laboral de la firma, siendo mayor el del número

total de trabajadores, y menor el de trabajadores dedicados a actividades de ciencia,

tecnología e innovación, aunque en ambos casos el efecto es menor.

Frente al impacto de las diferentes tipologías de innovación sobre la productividad, se

observa que en el caso de las firmas innovadoras en sentido estricto (ISE) no evidencia

correlación con la productividad laboral, y un resultado similar se observa para las

empresas potencialmente innovadoras (PINN), donde el impacto es negativo y bajo con

un -2.38%. El que la firma sea innovadora en sentido amplio en procesos (ISAPROS) se

correlaciona negativamente en -12,6%, mientras la firma innovadora en sentido amplio de

productos genera un impacto positivo del 11,2% en la productividad laboral de las

empresas. Estos resultados muestran que en el sector servicios las empresas que

presentan innovación en productos, presentan mejores resultados en su productividad.

Frente a los resultados para las empresas innovadores en sentido estricto e innovadoras

a nivel de procesos, se podría interpretar que una destinación de recursos para el

desarrollo de innovación por parte de la empresa, puede incidir negativamente en la

productividad laboral en el mismo periodo, pero podría tener un efecto positivo en la

productividad a futuro. Esto se podría verificar incluyendo en el modelo rezagos

temporales.

40


Los resultados para las empresas que mostraron innovación en procesos y que son

potencialmente innovadoras muestran que en el sector servicios si hay un efecto positivo

de la política de CTeI, en la productividad de las empresas del sector y que están en las

etapas iniciales del proceso de innovación.

Estos resultados plantean que solo en el caso de las empresas que logran desarrollar

innovación a nivel de sus productos, se logra un aumento de la productividad. Para poder

concluir si este tipo de innovación es efecto de las políticas de CTeI, particularmente la de

proveer recursos públicos para innovación, debemos continuar con el análisis de los

resultados del modelo.

Los siguientes resultados que se presentan, son la estimación de modelos probit

independientes para cada una de las Tipologías de la innovación (𝑍), tratando de

identificar el nivel de influencia de la fuente de financiación utilizada para invertir en

innovación en las empresas. La estimación de esta ecuación se compone de cuatro

estimaciones separadas, correspondiendo a la tipología definida, donde se estimaron los

efectos marginales de cada ecuación.

Tabla 4-2. Estimación de la ecuación 25: Determinantes de la tipología de innovación Zijt

VARIABLES (1)ise

(2)isapros

(3)isaprod

(4)pinn

Variables de control de la firmaLnl – ln personal ocupado -0.353*** 0.182*** -0.0677 -0.223***

(0.126) (0.0585) (0.0652) (0.0604)Lnpacti – ln personal ocupadodedicado a actividades de CTeI 0.233* 0.0269 0.136** 0.0976

(0.120) (0.0591) (0.0655) (0.0615)Variables de la inversión en CTeILnfinpub – ln financiación conrecursos públicos 0.178*** 0.00750 0.0843** -0.0604

(0.0632) (0.0358) (0.0400) (0.0395)Lnfinpriv – ln financiación conrecursos privados 0.114 -0.0868** 0.0543 0.189***

(0.0745) (0.0386) (0.0430) (0.0407)

5 Zijt={1 si α+φXijt+βGpijt+γIitj+sectjt+µi+εijt>0; 0 de otra manera

Metodología 41

Tipología de Soete-MiozzoSDP - Servicios dominados porproveedores 4,079 -0.311* -0.246 0.146

(122.3) (0.177) (0.198) (0.179)SR- Servicios en red 3,889 -0.655*** 0.559** 0.241

(122.3) (0.201) (0.223) (0.210)PTEC- Proveedores de tecnologíay basados en ciencia 0.0698 -0.325 0.346

(0.259) (0.313) (0.273)

Constante α -8,202 0.269 -2.634*** -0.351(122.3) (0.517) (0.577) (0.550)

Observaciones 601 640 640 640Número de años 8 8 8 8



Verificando el resultado de las variables de control sobre las tipologías de innovación, se

observa que solo en el caso de las firmas innovadoras en procesos, el tamaño de la

empresa en términos de personal ocupado, genera innovación con un efecto del 18.2%.

Por el contrario, el número de trabajadores no incide en la generación de innovación de

productos, o en las empresas potencialmente innovadoras o innovadores en sentido

estricto. Por el contrario, contar con personal dedicado a hacer actividades de ciencia,

tecnología en innovación, si incide positivamente en la generación de todos los tipos de

innovación en las empresas, con mayor impacto para impulsar empresas innovadoras en

sentido estricto.

El acceso a recursos públicos es una variable que genera el efecto positivo esperado a

través de las políticas de CTeI, impulsando tipos de empresa innovadoras, a excepción

de las empresas potencialmente innovadoras, donde recibir recursos públicos para

innovación, muestra un efecto negativo. Para las empresas innovadoras en sentido

estricto el impacto es del 17.8% y para empresas innovadoras de producto es del 8.43%.

Para empresas innovadoras en procesos no hay realmente un efecto, y es posible que se

deba a la orientación de las convocatorias de financiación de innovación que lidera

MinCiencias. El efecto negativo de 6% en las empresas potencialmente innovadoras,

puede deberse también a la falta de conocimiento técnico para invertir esos recursos

recibidos en la generación de impacto de innovación.

42


Este resultado, combinado con los resultados de la ecuación 1, permite confirmar el

efecto positivo de la política de CTeI en la productividad laboral de las empresas, que se

hace evidente para aquellas empresas que hacen innovación de productos. Sin embargo,

cuando las empresas son innovadores en procesos, o están en etapas previas o

avanzadas de innovación, el modelo no permite confirmar que haya un efecto positivo del

acceso a recursos públicos sobre la productividad laboral de las empresas.

Los siguientes resultados, muestran que factores inciden en la intensidad con que se

realizan actividades de innovación en las empresas, y los efectos diferenciados

dependiendo del subsector al que la empresa pertenece.

Tabla 4-3. Estimación de la ecuación 36: intensidad de las actividades de investigación ydesarrollo en la firma.

VARIABLES

(1)E

Pool

(2)E

Efectos fijos

(3)E

Efectos fijosrobustos

Variables de control de la firmalnl -0.0287*** -0.0271*** -0.0271**

(0.00316) (0.00320) (0.00882)lnpacti 0.0295*** 0.0274*** 0.0274**

(0.00305) (0.00312) (0.00821)Tipología de Soete-MiozzoSDP - Servicios dominados porproveedores -0.00725 -0.00558 -0.00558

(0.00868) (0.00868) (0.00583)SR- Servicios en red -0.00243 -0.00329 -0.00329

(0.0100) (0.0100) (0.00821)PTEC- Proveedores de tecnología ybasados en ciencia 0.167*** 0.165*** 0.165**

(0.0132) (0.0132) (0.0558)

Constante α 0.120*** 0.116*** 0.116***(0.0147) (0.0147) (0.0259)

Observaciones 9.036 9.036 9.036R-squared 0.044 0.040 0.040Número de años 8 8 8



6 Eijt=+φXijt+sectjt+µi+εijt,si Eijt>0

Metodología 43

En estos resultados se confirma el impacto positivo de contar con personal dedicado a

actividades de ciencia, tecnología e innovación, al momento de definir el nivel de

inversión en innovación por parte de la firma. Por el contrario, un mayor número de

empleados, presenta un efecto negativo en la intensidad de innovación que adelanta la

firma.

Frente al subsector al que pertenece la empresa, se evidencian efectos positivos en las

empresas que son Proveedores de tecnología y basados en ciencia sobre la decisión de

invertir en innovación, con un coeficiente de 16.5%. Para las empresas que prestar

servicios en red, o servicios dominados por proveedores los coeficientes son negativos y

muy bajos, por lo que no hay conclusión del efecto de pertenecer a estos subsectores,

sobre la decisión de invertir en innovación en las firmas.

Por último, se presentan los resultados de los determinantes que mueven a las empresas

a realizar actividades de innovación7:

Tabla 4-4. Estimación de la ecuación 48: Determinantes que empujan a la firma a realizaractividades de innovación.

VARIABLES

(1)D

Probit

(2)D

Efectosaleatorios

(3)D

Efectosaleatoriosrobustos

Variables de control de la firmalnl 0.0192 0.0219 0.0219

(0.0142) (0.0147) (0.0324)lnpacti 0.292*** 0.307*** 0.307***

(0.0154) (0.0159) (0.0403)Tipología de Soete-MiozzoSDP - Servicios dominados porproveedores -0.106*** -0.118*** -0.118**

(0.0386) (0.0391) (0.0523)SR- Servicios en red 0.133*** 0.138*** 0.138***

(0.0452) (0.0459) (0.0427)PTEC- Proveedores de tecnología ybasados en ciencia 0.0685 0.0583 0.0583

(0.0625) (0.0633) (0.0703)

8 Dijt={1 si α+φXijt+sectjt+µi+εijt>07 Para este modelo Probit, se estimaron efectos aleatorios y efectos aleatorios robustos.

44


Constante α 0.597*** 0.568*** 0.568***(0.0670) (0.102) (0.132)

Observaciones 11.600 11.600 11.600Número de años 8 8 8



Los resultados de la última ecuación, muestran que el personal ocupado incide

positivamente en la decisión de innovar, pero el efecto es mucho mayor si la empresa

dedica personal a actividades de innovación, lo cual se evidencia en el coeficiente del

30.7%. En cuanto al subsector al que pertenece la firma, ser una empresa de servicios

en red o proveedores especializados en tecnología, es un factor que empuja a la firma a

hacer innovación, siendo mayor el efecto en las empresas de servicios de red, que en las

segundas. Ser una empresa clasificada como dominada por los proveedores, no genera

un efecto positivo sobre la innovación.

5.Conclusiones y recomendaciones

5.1 ConclusionesEste es un primer trabajo de aplicación del modelo CDM para evaluar el impacto de las

políticas de CTeI en el desempeño laboral de las empresas del sector servicios en

Colombia, para el cual se construyó un panel de datos cruzando la información obtenida

por el Dane en las encuestas EAS y EDITS a nivel de empresa. La unificación de las

bases se hizo tomando como llave el numero identificador ID de las empresas que es el

mismo para las dos encuestas, y también requirió hacer una estandarización de los

códigos CIIU revisión 4 adaptada para Colombia, para hacer homogéneos los datos en el

periodo de tiempo de estudio 2010-2017.

También es un ejercicio que logra un avance en la aplicación de la taxonomía de

Soete-Miozzo (1989), para clasificar las empresas sector servicios, agrupándolas por la

naturaleza y patrones de innovación que desarrollan.

Se aplicó el modelo CDM adaptado al sector servicios, obteniendo que el acceso a

recursos públicos para inversión en CTeI tiene un efecto positivo, impulsando a las

empresas a ser innovadoras en el sentido amplio de productos (introducir un producto o

un servicio nuevo o significativamente mejorado en el mercado nacional, o para sí

misma) y también con resultado positivo en el caso de las empresas estrictamente

innovadoras (introducir un producto o un servicio nuevo o significativamente mejorado en

el mercado internacional).

Por otra parte, los resultados confirman que en el sector servicios las empresas que

presentan innovación en productos, presentan mejores resultados en su productividad

laboral, y teniendo en cuenta que son este tipo de empresas, las que están mostrando un

efecto positivo del acceso a recursos públicos para innovación, se puede concluir que

particularmente en el caso de las empresas que hacen innovación en productos, hay un

efecto positivo de las políticas de CTeI en la productividad laboral, como factor de

eficiencia empresarial.

Si bien este resultado confirma la hipótesis propuesta, es una comprobación parcial para

un tipo de innovación específico, orientado a la mejora de productos. Pero los resultados

no se comparten para todas las empresas del sector servicios.

46


Los resultados de las estimaciones permitieron establecer que: i) Para el caso de las

empresas que adelantan innovaciones en producto, se confirma la hipótesis del impacto

positivo de las políticas de CTeI en un mejor desempeño de la firma medido en términos

de productividad laboral, ii)La política pública incentiva a las firmas a emprender

actividades de innovación de nuevos productos en la prestación de servicios y también

impacta positivamente a las empresas que ya cuenta con innovación en productos a nivel

internacional, iii) Se confirma el impacto positivo de contar con personal dedicado a

actividades de ciencia, tecnología e innovación, al momento de definir el nivel de

inversión en innovación por parte de la firma.

Las estimaciones también mostraron un efecto positivo del capital humano –representado

en el personal dedicado a innovación- a lo largo de todo el proceso innovador de las

empresas. Esto permite concluir que la inversión en capital humano, a través de

programas de formación doctoral, son efectivos y deben mantenerse o ampliarse.

Finalmente, con estos resultados se espera proveer un punto de análisis adicional para

quienes definen políticas públicas, al identificar algunos puntos de partida para revisar la

orientación de las convocatorias de financiación de innovación que lidera Minciencias o la

necesidad de acompañamiento técnico para que la inversión de recursos genere mayor

innovación.

5.2 RecomendacionesDe la literatura analizada reciente y el trabajo realizado con las bases de datos del

DANE, es positivo contar con información como la recogida a través de las encuestas

EDITS Y EAS, que datos tipo censo, acogiendo la mayoría de pautas metodológicas

trazadas por la OCDE y el Manual de Oslo. No obstante, vale mencionar que, por la

disparidad en los datos, para este estudio se usó un data panel desbalanceado, por lo

que las actividades permanentes de revisión y ampliación de los datos recogidos es

fundamental.

Es necesario indagar aún más sobre las características económicas del sector servicios,

verificar si la taxonomía propuesta por Soete y Miozzo, cuenta con actualización en la

literatura económica, y más importante, hace falta un ejercicio de adaptación de la

taxonomía al caso colombiano. Este ejercicio si existe para el sector manufactura con

Metodología 47

respecto a la Taxonomía de Pavitt, pero hace falta en el sector servicios, que permita

analizar con mayor certeza impactos para cada subsector.

Otra limitación enfrentada para la aplicación del modelo CDM al sector servicios, fue la

falta de acceso a los datos completos del cuestionario de la cuesta EAS, específicamente

a la sección que contiene información sobre el valor capital de las empresas, y como se

distribuye entre los diferentes tipos de capital. Esta información no está publicada por lo

que limita la estimación del stock de capital.

En este mismo sentido, el MinTIC en su ejercicio de cálculo de productividad para las

empresas TIC (MINTIC, 2019), hace evidente que la cantidad y la calidad de los datos

que están disponibles para toda la economía no siempre están disponibles a nivel de

sectores económicos, como es el caso de trabajo medido como el total de horas

trabajadas por todas las personas que participan en el proceso de producción, que no

está disponible por subsectores, razón por la cual se aproxima esta variable con el

personal ocupado tanto para el estudio del MinTIC como en este trabajo.

Se podría fortalecer el análisis de las cifras del modelo CDM aplicado al sector servicios,

con un ejercicio de rezagos temporales, para verificar si hay efectos rezagados de

inversión en innovación y del tamaño de las empresas en la productividad laboral.

También podría mejorarse el modelo incorporando otras variables como propiedad

intelectual o análisis por otras categorías de servicios.

Asimismo, con acceso al microdato completo de la encuesta EDITS, sería muy

interesante hacer una construcción del PTF con un modelo de frontera estocástica de

producción, como el realizado por Castro (2018) para la industria de manufactura.

Actualmente existe un borrador de política de CTeI, que es fundamental para el sector de

ciencia y tecnología en el país, que permita generar políticas públicas siguiendo las

recomendaciones de la Misión Internacional de Sabios para fortalecer los mecanismos de

apoyo a la ciencia, la tecnología y la innovación en el país. El resultado de este trabajo

permite hacer recomendaciones a dicha política, en el sentido de reconocer que el sector

servicios es un sector orientado tanto hacia la innovación de procesos como de

productos, la evidencia del efecto positivo de recursos públicos y capital humano

dedicado a actividades de innovación en las empresas, y la importancia de la innovación

48


en la productividad, para continuar diseñando políticas orientadas a dinamizar la

innovación en el país.

Anexo 1. Modelo CDM para sectormanufactura en Colombia

La adaptación del modelo CDM propuesto por Castro (2018) para el sector manufactura

en Colombia busca modelar la relación existente entre productividad con innovación, y se

compone de las siguientes ecuaciones:

La primera ecuación busca evaluar el impacto entre la CTeI y la productividad total de

factores:

(Ecuación 5)𝐸𝑇𝑖𝑗𝑡 = α + β𝑍𝑖𝑗𝑡 + φ𝑋𝑖𝑗𝑡 + 𝑠𝑒𝑐𝑡𝑗𝑡 + µ𝑖 + ε𝑖𝑗𝑡

En donde ET representa la productividad total factorial (PTF) de la firma i medida a través

del método de frontera estocástica de producción; Z es la clasificación de la firma dentro

de la tipología de innovación definida por el manual Frascati: Innovadora en el sentido

estricto (ise), innovadora en sentido amplio en productos (isaprod), innovadora en sentido

amplio en procesos (isapros), potencialmente innovadora (pinn), no innovadora (ni)9; X

representa el conjunto de variables de control de la firma i, cantidad de trabajadores de la

firma (lnl), personal dedicado a actividades de innovación (lnpacti), stock de capital de la

firma (lnk), expresadas como logaritmos naturales; Sect representa el control del

comportamiento del sector en donde se ubica cada firma de acuerdo con la clasificación

taxonómica definida por Pavitt (1984), que es recogida y ajustada para Colombia por

Álvarez y García (2012); μ recoge los efectos fijos de cada firma.

¨La ecuación 2 analiza los determinantes que empujan la firma a realizar actividades de

innovación Z = ejecución de actividades de innovación de la firma 𝑖.

𝐷𝑖𝑗𝑡 = {1 𝑠𝑖 α + φ𝑋𝑖𝑗𝑡 + 𝑠𝑒𝑐𝑡𝑗𝑡 + µ𝑖 + ε𝑖𝑗𝑡 > 0

(Ecuación 6)0 𝑑𝑒 𝑜𝑡𝑟𝑎 𝑚𝑎𝑛𝑒𝑟𝑎

Se define entonces la variable 𝐷 que representa el emprendimiento de actividades de

innovación por parte de la firma 𝑖. Se atribuyen como determinantes de la innovación las

variables control de la firma y la clasificación sectorial de Pavitt.

9 Z en consecuencia, se define como un vector de variables binarias que caracterizarán lainnovación de la firma.

50


La ecuación 3 busca analizar la intensidad de las actividades de innovación y desarrollo

en la firma:

(Ecuación 7)𝐸𝑖𝑗𝑡 = α + φ𝑋𝑖𝑗𝑡 + 𝑠𝑒𝑐𝑡𝑗𝑡 + µ𝑖 + ε𝑖𝑗𝑡, 𝑠𝑖 𝐸𝑖𝑗𝑡 > 0

Se basa en la relación de productos innovadores sobre el total de la producción, donde 𝐸

= Muestra la proporción de la producción que corresponde a innovaciones.

Finalmente, la ecuación 4 busca establecer una relación entre la política y la innovación

más clara:

𝑍𝑖𝑗𝑡 = {1 𝑠𝑖 α + φ𝑋𝑖𝑗𝑡 + β𝐺𝑝𝑖𝑗𝑡 + γ𝐼𝑖𝑡𝑗 + 𝑠𝑒𝑐𝑡𝑗𝑡 + µ𝑖 + ε𝑖𝑗𝑡 > 0

(Ecuación 8) 0 𝑑𝑒 𝑜𝑡𝑟𝑎 𝑚𝑎𝑛𝑒𝑟𝑎

Donde 𝑍 es la clasificación de la firma dentro de la tipología de innovación definida por el

manual Frascati; 𝐺𝑝𝑖𝑡 corresponde al monto de la financiación pública recibida por la

firma 𝑖, en el periodo 𝑡; 𝐼 representa la inversión de recursos propios de la firma 𝑖 en

innovación en el periodo 𝑡., se agrega el conjunto de variables control de la firma, así

como la tendencia sectorial.

Metodología 51

Anexo 2. Taxonomía de Soete y Miozzo

Lejos de estar impulsados por la oferta, como suponían las primeras taxonomías de la

innovación, como la taxonomía de Pavitt (1984), la variedad de prácticas innovadoras en

las empresas del sector servicios es tan amplia como la del sector manufactura. Soete y

Miozzo (1989) proponen una visión diferenciada de la producción y el uso de

innovaciones dentro de los servicios. Miles (1996), basado en lo propuesto por Soete y

Miozzo (1989) sugiere tres categorías de empresas de servicios, que se presentan en la

siguiente figura:

Ilustración A2-1. Taxonomía para el sector servicios.

Para la aplicación de la taxonomía al modelo CDM aplicado al sector servicios, se definela variable SECT, que toma tres valores:

52


SDP – Servicios dominados por proveedores correspondiente al tipo 1 de la taxonomíade Soete-Miozzo.

SR – Servicios de red, correspondiente al tipo 2 de la taxonomía de Soete – Miozzo.

PTEC – Proveedores de tecnología especializada y servicios basados en ciencia,correspondiente al tipo 1 de la taxonomía.

Se agrupan las empresas de la base de datos emparejada, en tres subsectores, deacuerdo con CIIU que reporta la empresa, para cada uno de los tipos de empresa de lataxonomía, de la siguiente manera:

Tabla A2-1. Subsectores de empresas según el CIIU

TIPOLOGIA CIIU rev 4 A.C. DESCRIPCION SECTOR

I. SERVICIOS DOMINADOS PORPROVEEDORES -SDP

47 Comercio al por menor, (incluso el comercioal por menor de combustibles), excepto el devehículos automotores y motocicletas.

59 Actividades cinematográficas, de video yproducción de programas de televisión,grabación de sonido y edición de música

58 Actividades de edición

85 Educación

56 Actividades de servicios de comidas ybebidas

86 Actividades de atención de la salud humana

II. SERVICIOS DE RED

53 Correo y servicios de mensajería

61 Telecomunicaciones

55 Alojamiento

49 Transporte terrestre; transporte por tuberías

51 Transporte aéreo

III. PROVEEDORES DETECNOLOGIA ESPECIALIZADA YSERVICIOS BASADOS ENCIENCIA

60 Actividades de programación, transmisióny/o difusión

63 Actividades de servicios de información

62 Desarrollo de sistemas informáticos,consultoría informática y actividadesrelacionadas.

72 Investigación científica y desarrollo

Metodología 53

Anexo 3. Directorio de variables yestadísticas descriptivas

Tabla A3-1. Variables del modelo

Variable Símbolo Descripción FuenteVariables de control

Personal empleado por la firma lnl Logaritmo natural del número de total empleadosde la firma EDITS

Personal dedicado a ACTI lnpacti Logaritmo natural del personal dedicado aactividades de ciencia tecnología e innovación EDITS

Clasificación sectorial sect Se estima para el sector servicios. EAS

Fondos públicos utilizados porla firma para procesos deinnovación

lnfinpubLogaritmo natural del total de los fondos públicosrecibidos por la firma para la ejecución deproyectos de innovación

EDITS

Fondos propios utilizados por lafirma para procesos deinnovación

lnfinprivLogaritmo natural del total de fondos propiosutilizados por la firma en el proceso deinnovación

EDITS

Tipología de innovación Zijt

Firma innovadora en sentidosestricto ise

Logro en la obtención e introducción de unproducto nuevo o mejorado en el mercadointernacional

EDITS

Firma innovadora en sentidoamplio en productos isaprod

Logro en la obtención e introducción de unproducto nuevo o mejorado en el mercadonacional

EDITS

Firma innovadora en sentidoamplio procesos isapros

Logro en la implementación de nuevas técnicasorganizacionales, de mercadeo ocomercialización.

EDITS

Firma potencialmenteinnovadora pinn

Firma que durante el periodo se encuentraejecutando o abandonó un proceso deinnovación.

EDITS

Variables dependientes

Ejecución de actividades deinnovación D Firma que durante el periodo invirtió en cualquier

actividad clasificada como innovación EDITS

Intensidad de la innovación E Proporción de inversión en innovación de la firmasobre el total de ventas EDITS

Productividad laboral PLProductividad Bruta sobre personal ocupado enla firma EAS

Fuente: Construcción propia

Tabla A3-2. Estadísticas descriptivas principales variablesVariable N Rango Mínimo Máximo Media Desv. Desviación

Ventas nacionales totales (Miles de pesoscorrientes)

44300 15,292,607,629.00-

15,292,607,629.00 56,370,579.96 337,149,603.48

Total monto invertido en actividades deinnovación

15072 97,406,220.00-

97,406,220.00 1,161,147.94 5,349,785.25

Recursos propios de la empresa. Montoinvertido.

15072 97,352,149.00-

97,352,149.00 852,573.44 4,417,784.86

Recursos públicos para la realización deACTI. Monto invertido.

15072 29,789,956.00-

29,789,956.00 74,366.03 841,760.26

Total personal ocupado promedio 55186 22,300.00-

22,300.00215.66

657.25

Total personal ocupado promedio queparticipó en la realización de ACTI

21907 2,949.00-

2,949.0015.57

71.72

Producto bruto 42486 4,687,251,686.00-

4,687,251,686.00 22,356,074.32 116,344,245.68

Personal ocupado 42973 23,567.00-

23,567.00306.76

954.03

Personal remunerado 42973 23,567.00-

23,567.00306.30

954.08

N válido (por lista) 3404

Fuente: Construcción propia con datos de EAS y EDITS del Dane.

Anexo 4. Métodos econométricos del modelo

A.Modelos de panel data de efectos fijosEl modelo de datos de panel tiene un valor aleatorio en el intercepto, es decir, en esβ

0

una extracción aleatoria de la ejecución de actividades de innovación, para evitar que los

errores estén autocorrelacionados entre sí en las unidades de series de tiempo (Gujarati,

2009).

La estimación del modelo dinámico de datos panel lineal involucra una serie de tiempo,

en donde es necesario tener en cuenta que los errores no se correlacionen con los

vectores o coeficientes. En sentido estricto (Muro, 2014) el modelo se estima de la

siguiente manera:

(1)𝑌𝑖𝑡

= β0

+𝑖=0

𝑁−1

∑ α𝑗𝑑

𝑖+

𝑘=0

𝑘−1

∑ β𝑘𝑋

𝐾𝑖𝑡+ 𝑢

𝑖𝑡+ ε

𝑖𝑡

Donde se puede suponer que es la productividad laboral equivalente a la ejecución de𝑌𝑖𝑡

actividades de innovación de las empresas de Colombia que es una función lineal de las

variables explicativas:

es cada una de las empresas.𝑖

son las observaciones en el tiempo.𝑡

Es el término dicotómico de cada una de las agrupaciones.α𝑗𝑑

𝑖

Es el término error el cual ya no es aleatorio por la inclusión del componente individual𝑢𝑖𝑡

fijo invariable en el tiempo pero que varía de una agrupación a otra.𝑎𝑗

Es el residuo con las propiedades de ruido blanco (distribución normal con mediaε𝑖𝑡

cero).

56


En cuanto a los modelos dinámicos (Cobacho, 2004) se incluyen en su análisis valores

rezagados de la variable dependiente. El modelo básico por tanto presenta un retardo de

tipo 1:

(2)𝑌𝑖𝑡

= θ𝑦𝑖,𝑡−1

+ 𝑥`𝑖𝑡

β + ε𝑖𝑡

El termino de perturbación está representada por dos términos, , de modoε𝑖𝑡

= α𝑖

+ 𝑣𝑖𝑡

que el modelo a estimar es:

(3)𝑌𝑖𝑡

= α𝑖

+ θ𝑦𝑖,𝑡−1

+ 𝑥`𝑖𝑡

β + 𝑣𝑖𝑡

En el caso dinámico, se estimará dos modelos uno de ellos son los Mínimos Cuadrados

Ordinarios-OLS (por sus siglas en ingles) para estimar el modelo Pooled y el otro sobre

de datos de panel con efectos fijos por lo tanto no se presentará el modelo básico de

retardo tipo 1.

B.Modelos de probabilidad condicionada probitOtro modelo necesario para estimar los impactos de las variables antes

mencionadas es el modelo Probit condicional, el cual permite medir la

probabilidad de que el evento sobre “ejecución de actividades de innovación de la

firma” se cumpla. Su base se fundamenta bajo la función de densidad normal, la

cual como lo muestra la ecuación 4:

(4)𝐹 𝑥( ) = 12π

𝑒− 𝑥−µ( )2/2σ2

Esto se le conoce como Función de Densidad Acumulativa (FDA) en regresiones donde

los modelos tienen una variable dicótoma, que se encuentran entre 0-1 (Gujarati 2004).

Esta FDA se denota como dice la ecuación 5,

(5)𝐹 𝑥( ) =−∞

𝑥0

∫ 1σ 2π

𝑒− 𝑥−µ( )2/2σ2

Cabe anotar que es un valor que especifica una variable independiente X (las cuales𝑋0

son: (lnl) (lnpacti)). Así entonces la Función de densidad se resume como:

Metodología 57

(6)𝐹 𝑧( ) = 12π

𝑒−𝑧/2

En el cálculo de los modelos Probit la función de densidad Z es la distribución normal con

tres desviaciones estándar, los cuales las variables seleccionadas deben comportarse

normalmente, donde la probabilidad de la variable dependiente que representan las

ecuaciones pertenecientes al conjunto de variables dicótomas. Teóricamente se expresa

como:

(7)Pr 𝑃𝑟 𝑋( ) = Φ 𝑋'β( )Así Gujarati (2004) especifica el modelo Probit a partir de “un índice de conveniencia no

observable (también conocido como variable latente), el cual está determinado por una 𝐼𝑖

o varias variables explicativas que sean, por ejemplo” Gujarati (2004, pág.566). Por lo

cual, la clasificación de las firmas i dentro de la tipología de innovación, permitirá que el

índice depende de cuál sea la probabilidad que se dé el evento de éxito. Por lo tanto,𝐼𝑖,

este índice se comporta de manera condicional, es decir, 1 si se cumple el evento, 0 si no

se cumple. Esta ecuación se expresa de la siguiente manera:

(8)𝐼𝑖

= β0

+ β1𝑋

𝑖

Dada la anterior ecuación, entonces la pregunta es ¿cómo se determina la probabilidad

de la relación entre la política y la innovación? Se condiciona la variable dependiente de

forma binaria como se describió en la primera ecuación Y=1, si las firmas ejecutan

actividades de innovación entonces es D= 1 y D = 0 si no las realizan.

Cabe aclarar, que el índice presenta umbrales donde las firmas ejecutan actividades𝐼𝑖

de innovación dado el conjunto la mano de obra y la capacitación de la misma. Este

umbral se denota con la letra , de modo que si excede a . Según Gujarati (2009) “ , al𝐼𝑖* 𝐼

𝑖𝐼

𝑖*

igual que , no es observable, pero si se supone que está distribuido normalmente con la 𝐼𝑖

misma media y varianza, es posible, no solo estimar los parámetros del índice sino

también obtener alguna información sobre el índice no observable mismo” (Gujarati,

2009, pág. 566).

58


La probabilidad de que sea menor o igual que , depende de la FDA y este modelo𝐼𝑖* 𝐼

𝑖

(Probit) se estima bajo la máxima verisimilitud10, dentro de lo cual la FDA normal

estandarizada se define como:

(9)𝑃𝑖

= 𝑃 𝑌 = 1( ) = 𝑃 𝐼𝑖* ≤ 𝐼

𝑖( ) = 𝑃 𝑍𝑖

≤ β0

+ β𝑖𝑋

𝑖( ) = 𝐹(β0

+ β𝑖𝑋

𝑖)

Donde , significa la probabilidad de los valores de las variables𝑃𝑖

= 𝑃 𝑌 = 1( )

predeterminadas se cumpla, es decir . (Gujarati, 2009)𝑍𝑖 𝑁~(0, 1)

La función del índice se puede especificar como una función donde se expresa en𝐼𝑖

𝐹(𝐼𝑖)

la siguiente ecuación:

(10)𝐹 𝐼𝑖( ) = 1

2π −∞

𝐼𝑖

∫ 𝑒−𝑧2/2𝑑𝑧 = 12π

−∞

β0+β

𝑖𝑋

𝑖

∫ 𝑒−𝑧2/2𝑑𝑧

Otro aspecto importante, son los efectos marginales de un modelo Probit para

cada variable independiente con respecto a la dependiente. Donde se observará

la probabilidad de que se atribuyen como determinantes de la innovación las variables

control de la firma.

C. Pruebas de significancia estadística,heterocedasticidad, within y normalidad.

Las pruebas de significancia estadística del modelo muestran, que a través de la prueba

de Hausman se calculó la consistencia de los vectores , con el cual se decidió estimar(β)

el modelo por efectos fijos para cada elemento de (𝜇𝑖).

En este sentido, se calculó, el estimador “within” el cual mide la asociación de las

desviaciones y las variables exógenas para los efectos fijos el que arrojó el valor de

0.6980, lo que permite inferior la consistencia de los estimadores. En este sentido, los

efectos del tiempo son independientes.

10 Es un método de estimación que ajusta el modelo y sus parámetros

Metodología 59

En cuanto a las pruebas de heteroscedasticidad de las variables del modelo, se realizó la

prueba de Breusch-Pagan / Cook-Weisberg para las variables independentes el cual

arrojó el valor de la Probabilidad > chi2 es de 0.0605, rechazando la hipótesis nula de

presencia de heteroscedasticidad. Igualmente, para complementar el análisis se realizó

la prueba de Wald para el modelo panel data con efectos fijos que se obtuvo Probabilidad

>chi2 de 0.1419, mostrando así que las variables presentan homoscedasticidad.

Por último, se realizaron pruebas de normalidad a través de histogramas de frecuencia

que busca determinar la normalidad en los residuos como se puede observar en el

gráfico 1.

Gráfico 0-1. Prueba de normalidad de los residuos

Se realizaron los histogramas de frecuencias, donde se observa que los residuos se

comportan normalmente. En el gráfico 1, puede verse el comportamiento de los datos, en

cuanto a su producción bruta y las variables independientes. Por otra parte, se observa

en el gráfico 2 que los datos se agrupan en intervalos continuos y presentan una

60


tendencia hacia su media. Esto permite evidenciar que los datos se comportan

normalmente.

Gráfico 0-2. Normalidad de los datos.

Este gráfico muestra la normalidad de los datos en cuatro cuantiles, y la medida de

tendencia central de los datos por encima y por debajo de su media. Esto permite

observar la dispersión de los datos.

Metodología 61

Referencias

Alderete, M., & Gutiérrez, L. (julio-diciembre de 2012). TIC y productividad en las industrias de

servicios en Colombia. Lecturas de Economía(77), 163-188.

Brynjolfsson, E., & Hitt, L. (2000). Beyond Computation: Information Technology, Organizational

Transformation and Business Performance. Journal of Economic Perspectives, 14, 23-48.

Busom, I., & Vélez-Ospina, J. A. (2017). Innovation, Public Support, and Productivity in Colombia. A

Cross-industry Comparison. World Development, 99(C), 75-94.

Castro, A. (2018). El Papel de la Política de Ciencia, Tecnología e Innovación en la productividad de

la industria manufacturera colombiana. Tesis de grado, U. Externado de Colombia.

Chudnovsky, D., López, A., & Pupato, G. (2006). Innovation and productivity in developing

countries: A study of Argentine manufacturing firms’ behavior (1992-2001). Research

Policy, 35(2), 266–288. Obtenido de https://doi.org/10.1016/j.respol.2005.10.002

Cobacho, B. (2004). Métodos lineales de estimación con datos de panel: Una aplicación al estudio

de los efectos de la inversión pública federal en México. Universidad Politécnica de

Cartagena.

Coombs, R., & Miles, I. (2000). Innovation, Measurement and Services. En J. S. (eds.), Innovation

Systems in the Service Economy: Measurement and Case Study Analysis (págs. 85-103).

Boston, MA: Kluwer Academic.

Crepón, B., Duguet, E., & Mairesse, J. (1998). Research, innovation and Productivity: An

Econometric Analysis at the Firm Level. Working paper 6696, National Bureau of Economic

Research. Obtenido de https://doi.org/10.1080/10438599800000031

Crespi, G., Maffioli, A., & Melendez, M. (2011). Public Support to innovation: the Colombian

COLCIENCIAS´ experience. BID. Recuperado el 22 de 05 de 2021, de

https://publications.iadb.org/publications/english/document/Public-Support-to-Innovatio

n-The-Colombian-COLCIENCIAS-Experience.pdf

Dosi, G. (1988). Sources , Procedures , and Microeconomic Effects of Innovation. (Vol. 26). Journal

of Economic Literature. Obtenido de https://doi.org/10.2307/2726526

Dosi, G., Freeman, C., Silverberg, G., & Nelson, R. (1988b). Technical Change and Economic Theory.

London: Pinter.

Droege, H., Hildebrand, D., & Heras Forcada, M. (2009). Innovation in services: present findings,

and future pathways. Journal of Service Management,(20(2)), 131-155.

Dutrénit, G., De Fuentes, C., Santiago, F., Torres, A., & Gras, N. (2013). Innovation and Productivity

in the Service Sector. The Case of Mexico. DISCUSSION PAPER No.IDB-DP-293,

62


Inter-American Development Bank, Competitiveness and Innovation Division, Institutions

for Development.

Frantzen, D. (2000). Innovation, international technological diffusion and changing influence in of

R&D on productivity. Cambridge Journal of Economics.

Freeman, C., Clark, J., & Soete, L. (1985). Desempleo e Innovación Tecnológica. Ministerio de

Trabajo y Seguridad Social de España., Madrid.

Gallouj, F., & Savona, M. (2010). Towards a Theory of Innovation in Services. En F. G. (eds.), The

Handbook of Innovation and Services. Cheltenham: Edward Elgar.

Griffith, R., Redding, S., & Van Reenen , J. (2001). Mapping the two faces of R&D: productivity

growth in a panel of OECD industries. CEPR Discussion Paper., 2457.

Grossman, G., & Helpman, E. (1991). Innovation and growth in the global economy.

Gujarati, D. (2009). Econometría. Mexico D.F.: The McGraw-Hill Companies, Inc.

Kendrick, J. (1987). Service Sector Productivity (Vol. 22). Business Economics. Obtenido de

Recuperado el 27 de 05 de 2020, de www.jstor.org/stable/23484197

Langebaek, A., & Vásquez, D. (2007). Determinantes de la Actividad Innovadora en la Industria

Manufacturera Colombiana. Borradores de Economía, 433. Obtenido de

http://www.banrep.gov.co/docum/ftp/borra433.pdf

Levin, R., Klevorick, A., Nelson, R., & Winter , S. (1987). Appropriating the retur-ns from industrial

research and development. Brooking Papers on Economic Activity, 3.

Metcalfe, J. S., & Miles, I. (2000). Innovation Systems in the Service Economy: Measurement and

Case Study Analysis. 18.

Miles, I. (1996). Innovation in Services: Services in innovation. University of Manchester, UK,

Programme of Policy Research in Engineering, Science and Technology (PREST).

Miles, I. (2011). Innovation and the Services Economy. En BBVA, Innovation. Perspectives for the

21st century (págs. 287-303). Madrid. Recuperado el 10 de Agosto de 2020, de

https://www.bbvaopenmind.com/libros/innovacion-perspectivas-para-el-siglo-xxi/

MINTIC. (2019). Productividad laboral del sector TIC en Colombia. Bogotá: Ministerio de la

tecnología, informacion y comunicaciones.

Muro, J. d. (2014). informality and Minimum Wages by Cohort in Colombia. Cuadernos de

Economía , 478.

Nelson, R. (1991). Why Do Firms Differ, and How Does it Matter? (Vol. 12). Strategic Management

Journal. Recuperado el 08 de 2020, de Obtenido de http://www.jstor.org/stable/2486434

Nelson, R., & Winter, S. (1982). An evolutionary theroy of economic change. Harvard University

Press.

Metodología 63

Nieto, V. (2017). Una Nota Sobre la Evolución de la Productividad Total Factorial en el Sector

Manufacturero (1974-2012). Archivos de Economía(463). Obtenido de

http://www.dotec-colombia.org/index.php/series/118-departamento-nacional-de-planea

ción

OCDE. (2015). Frascati Manual 2015: Guidelines for Collecting and Reporting Data on Research

and Experimental Development, The Measurement of Scientific, Technologicaland

Innovation Activities. París, Francia: Publicado por acuerdo con la OCDE.

doi:http://dx.doi.org/10.1787/9789264239012-en

Pavitt, K. (1984). Sectoral patterns of technical change: Towards a taxonomy and a theory.

Research Policy, 13(6), 343–373. Obtenido de

https://doi.org/10.1016/0048-7333(84)90018-0

Pavitt, K., & Soete, L. (1981). International differences in economic growth and the international

location of innovation. En H. Giersh (Ed.), Emerging technologies: consequences for

economic growth, structural change and employment. Tubingen: J.C.B. Mohr.

Rios , H., & Marroquín, J. (2013). Innovación tecnológica como mecanismo para impulsar el

crecimiento económico. Evidencia regional para México. Contaduría y Administración,

58(3).

Romer, P. M. (1990). Endogenous Technological Change. Journal of Political Economy, 98(5),

S71–S102. Obtenido de http://www.jstor.org/stable/2937632 Accessed:

Romer, P. M. (1994). The origins of endogenous growth. Journal of Economic Perspectives, 8.

Soete, L., & Miozzo , M. (1989). Trade and development in services: a technological perspective.

(M. E. (UNCTAD). United Nations University, Ed.) Working Paper, No. 89-031.

Solow, R. M. (1957). Technical Change and the Aggregate Production Function. The Review of

Economics and Statistics, 39(3), 312–320. Obtenido de

http://www.jstor.org/stable/1926047

Solow, R. M. (1957). Technical Change and the Aggregate Production Function. The Review of

Economics and Statistics, 39(3), 312–320. Obtenido de

http://www.jstor.org/stable/1926047

Zachariadis, M. (2003). R&D, Innovation and technological progress: a test of the schumpeterian

framework without scale effects. Canadian Journal of Economics, 36(3), 566-686.

¿cuáles son los efectos de los instrumentos de política de

Documents