Programa de Ciencia y

Tecnología del CIDE

Documentos de Trabajo en
Ciencia y Tecnología

CIDECyT 06-01

LOS DETERMINANTES DE LAS ACTIVIDADES

TECNOLÓGICAS EN MÉXICO

David Romo Murillo

Pablo Hill de Titto

Centro de Investigación y Docencia Económicas

Marzo de 2006
 CIDECyT 06-01

Acerca de los Autores

David Romo Murillo es doctor en Políticas Públicas por la Universidad de Princeton,

Maestro en Ciencias en Ingeniería de Sistemas por la Universidad de Virginia, y Licenciado
en Ingeniería Química por la Universidad Autónoma de Zacatecas. Sus posiciones anteriores
incluyen: investigador en el Instituto de Investigaciones Eléctricas, investigador asociado de
la Comisión Económica para América Latina y el Caribe (CEPAL) de las Naciones Unidas,
así como posiciones docentes en la Universidad de Princeton y el ITAM. El Dr. Romo ha
recibido, entre otras, una beca Fulbright y el Premio CIDE 2002 a la Investigación Científica
y Tecnológica. Sus principales intereses de investigación se concentran en el estudio del
impacto de la integración económica (a través del comercio y la inversión extranjera directa)
en el desarrollo tecnológico y el medio ambiente con especial énfasis en América Latina.
Actualmente se desempeña como Coordinador del Programa de Ciencia y Tecnología del
CIDE y como socio director de DS Consultores.
david.romo@cide.edu, dromo@dsconsultores.com

Pablo Hill de Titto actualmente se desempeña como investigador financiero dentro de la

Dirección de Análisis del Sistema Financiero del Banco de México. Es licenciado en
Economía (mención honorífica) por el ITAM. Anteriormente se ha desempeñado como
analista en el Centro de Análisis e Investigación Económica (CAIE) del ITAM y director de
la publicación Gaceta de Economía en la misma institución. También ha formado parte de la
Facultad Menor del Departamento de Economía del ITAM. Ha recibido, entre otras, becas de
las fundaciones Goldman-Sachs (Estados Unidos) y Carolina (España).
pghill@banxico.org.mx

Serie de Documentos de Trabajo en Ciencia y Tecnología

Programa de Ciencia y Tecnología del CIDE
Carretera México-Toluca 3655
Col. Lomas de Santa Fe, México, D.F. 01210

Editor: Dr. David Romo Murillo (david.romo@cide.edu)

Tel: (52 55) 5727-9800 ext. 2721
Fax: (52 55) 5727-9878
www.cidecyt.org

2
 CIDECyT 06-01

Sumario

Este estudio tiene por objetivo principal analizar los principales determinantes de la
realización de actividades tecnológicas en las empresas del sector industrial mexicano. Para
tal fin, se realiza una exhaustiva revisión de la teoría sobre el tema para identificar las
variables que afectan el proceso innovador en la empresa. Posteriormente se comprueba la
importancia de cada una de estas variables a través de modelos econométricos haciendo uso
de los datos contenidos en la Encuesta Nacional de Innovación 2001. Los resultados nos
proporcionan una radiografía fiel del dinamismo innovador del sector manufacturero
mexicano, la cual puede servir de base para el diseño de instrumentos de política que tengan
por objetivo mejorar la capacidad innovadora y, por ende, la competitividad de la empresa
mexicana.

Palabras clave: innovación, desarrollo tecnológico, industria manufacturera, México.

3
 CIDECyT 06-01

1. Introducción
Este estudio tiene por objetivo analizar los principales determinantes de la realización de
actividades tecnológicas en las empresas del sector industrial mexicano. La estructura del
reporte es la siguiente. En la segunda sección se describe a grandes rasgos el proceso de
innovación, así como sus posibles determinantes. También se describen variables
importantes que afectan el desarrollo tecnológico de una empresa y el proceso de
innovación. Este constituye el marco teórico dentro del cual se engloba el análisis
subsecuente. En la tercera sección se describe la fuente principal de los datos que serán
utilizados para realizar el análisis: la Encuesta Nacional de Innovación (ENI). También se
analiza, a manera de estadística descriptiva básica el proceso de innovación, así como los
principales objetivos y las dificultades que enfrenta el mismo. En la cuarta sección se
desarrollan los modelos econométricos que utilizamos para la evaluación. Antes de la
presentación del modelo que se propone estimar se revisa la literatura existente en el área de
estudios sobre innovación y, posteriormente a la presentación de los modelos formulados, en
la sección quinta, se describen las técnicas econométricas más convenientes para la
estimación de los mismos. La sexta sección delimita el alcance del modelo, mencionando las
suposiciones y limitantes a las que se enfrenta dicha representación matemática de la
innovación a través de las ecuaciones propuestas en la cuarta sección. Los resultados se
presentan en la sección séptima, explorando además las implicaciones de los mismos. Para
terminar, en la sección octava se desarrolla un Índice de Capacidades Tecnológicas (ICT)
para obtener una visión de conjunto de la situación de las empresas que constituyen el sector
manufacturero mexicano. Finalmente, en la sección novena se discuten algunas conclusiones
generales.

2. Marco teórico
Desde sus primeros pensadores, la economía se ha preocupado por tratar de dar respuesta a
la pregunta de qué es lo que determina el valor de la producción de un país y las maneras en
las que ésta crece. Se han planteado una diversidad de respuestas a esta pregunta, que van
desde la división del trabajo hasta la acumulación de capital.1 Existe una enorme cantidad de
estudios, tanto teóricos como empíricos sobre el crecimiento económico y, en general, las
conclusiones apuntan a que el aumento del valor de lo que produce una economía se debe,
bien a la acumulación de factores de producción, bien a las mejoras tecnológicas, o bien a
una combinación de ambas. Sin embargo, nos encontramos ante una de las paradojas de
mayor importancia en el estudio de la economía tanto teórica como aplicada. Nos referimos
a que hay un consenso general entre economistas en el planteamiento de que el progreso
tecnológico y la innovación en las técnicas productivas son el factor más importante en la
dinámica del crecimiento económico de las sociedades capitalistas y, a pesar de ello, el tema
no ha recibido la atención que corresponde a una cuestión de tal envergadura por parte de los
estudiosos de la materia.2 De hecho, muchas veces los economistas han planteado que la
innovación tecnológica es una “caja negra”3 que corresponde estudiar y explicar a los
ingenieros y no a los economistas (Freeman, 1994).

1
Está fuera del alcance y propósito de este trabajo revisar las teorías del crecimiento económico, que
empiezan desde la tradición de Adam Smith y David Ricardo hasta los modelos de crecimiento de
Solow con sus variantes, los modelos de crecimiento endógeno y otros que cubre la enorme literatura
sobre el tema.
2
Ver Prescott (1998).
3
Se le atribuye esta expresión a Nathan Rosenberg, quien publicó los libros Inside the Black Box y
Exploring the Black Box, en 1982 y 1994 respectivamente.

4
 CIDECyT 06-01

Revisando el conjunto de las líneas de investigación que se han seguido en distintos

estudios realizados por economistas sobre el progreso tecnológico, podemos concluir que la
gran mayoría de los trabajos empíricos se han hecho a nivel agregado (es decir, de los
países), con algunos de ellos enfocados a nivel de estudios de caso de empresas específicas.
La mayoría de los estudios macroeconómicos solamente miden el cambio tecnológico de
manera residual; es decir, se plantea que los aumentos en la producción que no se pueden
explicar por la acumulación de los factores de producción se deben a cambios tecnológicos.
Se puede plantear que estos modelos sufren de problemas de agregación, como lo nota
Freeman (1994), además de que carecen de una teoría estructurada, en términos económicos,
de cómo se lleva a cabo el desarrollo tecnológico al tomar una función de producción
agregada (Duguet, 2002).

Por ello, y en concordancia con lo que apuntan Nelson y Winter (1977), planteamos
una aproximación que se enfoca al nivel de la empresa, pero comparando empresas
pertenecientes a una variedad de ramas de la industria. Nos enfocamos al nivel de la empresa
porque, por un lado, son las empresas quienes aprenden y, sobre todo, pueden acumular
conocimiento técnico y tecnológico respecto a la operación de los sistemas de producción y
procesos productivos; es decir, el conocimiento se acumula simplemente por operar ya que
muchas veces éste es tácito. Esto se conoce en términos económicos como learning by
doing. Por otro lado, contar con una unidad o división dedicada a la investigación dentro de
la empresa presenta una ventaja sobre tener que depender de información proveniente del
exterior de la misma, y es que al estar interrelacionada con las áreas de producción y
mercadeo de los bienes que se producen se pueden adecuar los objetivos de la investigación
a las estrategias globales de la empresa, incrementando así las posibilidades de éxito
comercial de la innovación. Como se puede leer más adelante, esto último reduce, aunque
por ningún motivo elimina, la incertidumbre sobre los resultados de la innovación.

2.1. El proceso de innovación a nivel de la empresa

Para que una empresa decida emprender proyectos de innovación interactúan dos grupos de
fuerzas. Claramente está, por un lado, la percepción de quienes toman las decisiones dentro
de la empresa de que existe la oportunidad de innovar y la existencia de los incentivos
adecuados para hacerlo, junto con la percepción de la capacidad de innovar. Es decir, no sólo
es conveniente y factible en términos del ambiente que rodea a la empresa, sino que es viable
dentro de la empresa. Por otro lado, también está un conjunto de variables que no controla la
empresa, pero que también afectan dicha decisión; éstas tienen que ver con características de
la industria e incluso del entorno que afecta a todas las industrias, por ejemplo, las
condiciones de mercado y la competencia.

Al describir las características principales del proceso de innovación, conviene tener

presente su definición. Ésta se puede leer en la Tabla 1, donde se puede apreciar, además, la
distinción entre la innovación en producto y en proceso. Las definiciones concuerdan con
una propuesta inicial de Schmookler (1966), quien sugería que cuando una empresa produce
un bien que utiliza métodos o insumos nuevos o diferentes a los que la gran mayoría de las
demás empresas emplean se puede considerar que esa empresa es innovadora. La innovación
se refiere, entonces, a cualquier tipo de incorporación de nueva tecnología, ya sea en
procesos o productos, a través de la cual la capacidad de producción de una empresa
aumenta.

5
 CIDECyT 06-01

Tabla 1.
Definiciones de innovación en proceso y en producto
Innovación en Proceso

La innovación tecnológica en procesos se refiere a la implementación/adopción de métodos de producción

nuevos o significativamente mejorados. Esta puede involucrar cambios en equipo, recursos humanos,
métodos de trabajo o combinaciones de estos elementos. Tales métodos deben tener como finalidad la
producción de productos tecnológicamente nuevos o mejorados, mismos que no puedan ser producidos
utilizando métodos convencionales de producción.

Innovación en Producto

La innovación tecnológica en producto, se refiere a la implementación/comercialización de un producto con

características funcionales mejoradas, de tal forma que ofrece un servicio totalmente nuevo o mejorado. Un
producto tecnológicamente nuevo, puede ser desarrollado con base en tecnologías radicalmente nuevas, o
ser el resultado de tecnologías existentes empleadas en nuevos usos, o bien del uso de nuevos
conocimientos. Un producto tecnológicamente mejorado es aquél cuyo funcionamiento ha sido
significativamente mejorado, a partir ya sea de nuevos componentes o materiales, o a través de la
integración de nuevos subsistemas.

Fuente: CONACYT (2003).

El proceso de innovación es, a fin de cuentas, un proceso productivo que, como

explicamos en los siguientes párrafos con mayor detalle, tiene ciertas características que lo
distinguen de los demás. Esto implica que debe presentar, al menos en un nivel teórico,
cierta relación entre insumos y productos. En cuanto a los insumos podemos mencionar la
contratación de recursos humanos calificados o la inversión en adquisición de bienes de
capital, maquinaria y equipo que se planea destinar a las actividades de desarrollo
tecnológico e innovación. Por otro lado, los productos de la innovación se pueden apreciar
en mayores ventas, producción de patentes, introducción de nuevos productos y reducción de
costos.

Probablemente la característica más importante que distingue al proceso de

producción de nuevas tecnologías es que está sujeto a un alto grado de incertidumbre. Si bien
la economía ha tenido un amplio desarrollo teórico en cuanto al estudio de este tema, la
incertidumbre del proceso innovador es mucho más compleja de la que se ha modelado
matemáticamente para fines de análisis económico.

La noción de incertidumbre en contextos económicos se refiere a la existencia de

información imperfecta o desconocida sobre cuál estado de la naturaleza, de entre una lista
definida de estados, se observará. Sin embargo, cuando una empresa toma la decisión de
emprender un proyecto de innovación, la incertidumbre no se refiere únicamente a la falta de
conocimiento exacto o aproximado de los costos del proyecto o los posibles resultados de las
decisiones. Además de esto, hay incertidumbre sobre el número de estados de la naturaleza
que existen. Para utilizar términos económicos, la incertidumbre no es sólo sobre la lista de
posibles estados de la naturaleza (o los resultados de las decisiones), sino también sobre las
decisiones alternativas que es posible tomar (las empresas tampoco conocen
exhaustivamente la lista de acciones que se pueden emprender). Dosi (1988) distingue

6
 CIDECyT 06-01

ambos tipos de incertidumbre, llamando incertidumbre económica a la ignorancia sobre los

estados de la naturaleza e incertidumbre fuerte (strong uncertainty) a no conocer tampoco las
posibles estrategias que se tienen como opciones en cada etapa del proceso innovador. Por si
esto fuera poco, a la incertidumbre de obtener resultados se agrega la incertidumbre sobre la
viabilidad comercial de los nuevos productos o procesos.

Ahora bien, la incertidumbre que hemos llamado fuerte no es la única característica

que distingue al proceso innovador de los demás procesos productivos. La segunda
característica que distingue a este proceso es que el desarrollo científico y tecnológico tiene
rasgos de ser un bien público. En este sentido, cuando una empresa realiza una determinada
innovación no sólo utiliza, sino que también crea conocimiento respecto de nuevos
materiales o mejores diseños o nuevos procesos. El nuevo conocimiento se agrega al nivel
(en el sentido económico de stock) de conocimiento con el que cuentan otras empresas para
llevar a cabo sus propios procesos de investigación. Si este conocimiento se hace público ya
sea por filtraciones, espionaje, ingeniería inversa, políticas de apertura de la empresa o por
obtención de patentes de las que hay difusión, combinado con la característica de no
rivalidad en el uso del conocimiento (ya que se puede utilizar en diversos lugares y por
distintas personas al mismo tiempo), tenemos un bien público casi puro. En pocas palabras,
la información fluye con rapidez y está al alcance en diversas modalidades4.

Esta externalidad positiva se conoce como el problema de apropiabilidad en la

innovación. Dicho problema se ha tratado de aminorar con el reconocimiento y defensa de
los derechos de propiedad intelectual, ya sea a través de patentes, derechos de autor,
posibilidad de dar licencias tecnológicas y otros mecanismos. Sin embargo, esto sólo
interioriza una parte de los beneficios colectivos que se producen cuando una empresa
produce algún cambio tecnológico. La imposibilidad de apropiarse de manera total, o casi
total los beneficios de innovar, junto con la incertidumbre fuerte a la que está sujeto el
proceso de innovación plantean un problema crónico de sub-inversión en el desarrollo
tecnológico por parte de las empresas. Estas condiciones justifican la intervención estatal
para alentar el desempeño innovador a través del diseño e implementación de políticas
públicas apropiadas.

2.2. El proceso de innovación a nivel de la industria

El proceso de la innovación a nivel de la industria se ha entendido tradicionalmente como un
proceso de dos etapas, o como un proceso que tiene dos patrones básicos: la innovación real
y la difusión de la innovación. Cada uno de estos patrones corresponde a una distinción que
hizo inicialmente Schumpeter (1961) sobre dos tipos de empresas o individuos. En primer
lugar están los emprendedores, individuos que toman la iniciativa en el desarrollo y la
comercialización inicial de nuevos productos o procesos productivos. Esta etapa la llamó de
destrucción creativa, que sigue un patrón de esfuerzos por los emprendedores de realizar
innovaciones y cambios que mermen las ventajas competitivas y tecnológicas de las
empresas establecidas.5 En segundo lugar está un grupo mucho más amplio de personas que
simplemente imitan las innovaciones del emprendedor original. El nombre que proponen
Breschi et al. (2000) para esta etapa es el de acumulación creativa, ya que lo que caracteriza
a este patrón de innovación es la persistencia y dominio del mercado por parte de empresas
4
Para una revisión de las características de bien público que tiene el desarrollo tecnológico ver Dosi
(1988), Bell y Pavitt (1993) y Saggi (2000).
5
Aunque luego cambió un poco de parecer, indicando que el tipo de individuos a los que se refería
podrían incluso ser ingenieros de investigación y desarrollo dentro de empresas ya establecidas
(Cohen y Levin, 1989).

7
 CIDECyT 06-01

relativamente grandes, así como la presencia de ciertas barreras tecnológicas a la entrada en

la industria.

Sin embargo, no resulta claro cuál de estas etapas sea más importante, e incluso la
distinción entre ambas no es tan clara como postulaba Schumpeter. Esto se debe a que si
bien la innovación de los emprendedores es muy importante, muchas veces son los pequeños
cambios de diseño de los imitadores y la innovación incremental la que perfecciona y da a
los productos innovados su forma más eficiente y madura, haciéndolos viables
económicamente y representando ganancias extraordinarias para los (muchas veces mal
llamados) imitadores. El ejemplo más claro de este fenómeno está en el desarrollo inicial de
la máquina de vapor, que si bien fue un enorme avance tecnológico, no fue sino hasta que los
imitadores modificaron ciertos componentes de manera incremental que se alcanzó un nivel
de eficiencia en la transmisión de calor y en su conversión a energía motriz adecuados.

Lo que hasta ahora hemos presentado se puede resumir en el hecho que la innovación
es un proceso económico bastante complejo que conviene estudiar desde el nivel de las
empresas (pero considerando la industria a la cual pertenecen) y que, como exponemos en
los siguientes párrafos, se ve afectado por un conjunto de variables críticas que impactan el
desarrollo de dicho proceso. Inicialmente se presenta la oportunidad (entendida como una
combinación de incentivos generales difundidos por toda la economía o el sector industrial
relevante con la coyuntura propia de la compañía) para realizar actividades de innovación.
Una vez que se toma la decisión de aprovechar las oportunidades que se presentan, se
enfrenta entonces la decisión sobre el monto y naturaleza de los recursos a dedicar a los
proyectos de investigación y desarrollo. Finalmente se dan los resultados de dichos
proyectos, que se espera tengan éxito comercial y, con ello, permitan a la empresa obtener
mayores ganancias y una mejor posición competitiva.

2.3. Variables que afectan el proceso innovador

Existen dos variables que han sido estudiadas en trabajos empíricos de manera constante
desde que Schumpeter (1942) propuso que serían determinantes en el desempeño
tecnológico e innovador de una empresa. Por un lado está el tamaño de la empresa y por el
otro está la concentración o estructura del mercado. Las hipótesis de Schumpeter al respecto
fueron que la innovación aumenta más que proporcionalmente con el tamaño y que también
aumenta con la concentración del mercado.

Respecto a la relación positiva entre innovación y tamaño de la empresa, se han

dado toda una serie de explicaciones, no todas de las cuales se relacionan directamente con
lo que subyace en los postulados de Schumpeter. Se ha planteado que sólo las empresas
grandes pueden realizar la inversión necesaria para emprender proyectos de innovación, ya
sea financiándolos directamente o bien obteniendo créditos para hacerlo. En el caso del
financiamiento directo una empresa grande tiene mayor volumen de ventas, ingresos y,
consecuentemente, utilidades que puede invertir para llevar a cabo el esfuerzo innovador. En
el caso del financiamiento externo de la empresa se ha tratado de explicar mediante la
existencia de fallas intrínsecas en el mercado de capitales, con problemas de información
asimétrica y riesgo moral (moral hazard) que, al aunarse a la incertidumbre fuerte del
proceso innovador, crean incentivos para la falta crónica de financiamiento.6 Una empresa
grande tiene dos elementos que proporcionan información a quien prestará los fondos: el
tamaño de la empresa está correlacionado con sus habilidades no sólo de crear fondos con
6
Scherer (1999) ha planteado que este problema se ha aminorado de manera importante en Estados
Unidos con la creación de fuentes de capital de riesgo (venture capital).

8
 CIDECyT 06-01

los cuales se puede pagar el crédito, sino también que esta capacidad es duradera, por lo que
normalmente tienen los activos necesarios para ponerlos como colateral de los créditos
(Dosi, 1988). Esto es, las empresas más grandes tienen mayor capacidad de crear flujos de
dinero para pagar sus deudas y, si es necesario, mayores niveles de activos para hacer frente
a una situación en la cual el proyecto no obtenga resultados deseados.

Otras explicaciones que se han dado para esperar una correlación positiva entre
tamaño e innovación de las compañías es que probablemente hay economías de escala en las
actividades de investigación y desarrollo (Cohen y Levin, 1989). Esto es, si una empresa
comienza un proyecto y este termina diversificando sus posibles aplicaciones en dos o tres
ramas distintas, las empresas con mayor tamaño posiblemente también tienen una base más
amplia de productos en venta a los que se les puede aplicar los dos o tres resultados distintos
de la innovación. Una tercera explicación para la correlación positiva propuesta entre ambas
variables es que una empresa más grande tiene mayores retornos esperados para el desarrollo
de nuevas tecnologías porque una vez que se logre comercializar cierta innovación, el
mercado potencial es mayor, ya que la empresa grande cuenta con una mayor cantidad de
clientes.

Sin embargo, a lo largo de las últimas tres décadas los estudios empíricos que se han
realizado al respecto han tenido resultados contrarios a los que predicen las explicaciones
anteriores. Esta aparente contradicción se ha explicado de dos maneras. Freeman (1994)
plantea que el efecto de las empresas pequeñas puede estarse sobreestimando porque la
mayoría de los estudios omiten información sobre si las empresas son realmente pequeñas o
solamente pequeñas subsidiarias nacionales de empresas trasnacionales. La otra explicación
que ofrece Bressand (1990) es que la dinámica de la innovación ha cambiado y que ahora la
innovación depende mucho más de redes (networks) de pequeñas compañías involucradas en
grandes proyectos, algunas de las cuales están, incluso, especializadas en ciertos pasos del
proceso innovador. El autor enfatiza que las redes no se producen tanto por una cuestión de
reducción de costos (operativos y de transacción), sino por el comportamiento estratégico de
las empresas, además de que el efecto de estas redes no se captura en los datos recabados en
las encuestas.

En cuanto a la concentración de mercado, el planteamiento original de Schumpeter

se abre en dos direcciones. En primera instancia, las compañías que se enfrentan a la
decisión de invertir en proyectos de innovación deben tener, ex ante, un entorno oligopólico.
Esto se debe a que en un mercado altamente concentrado las reacciones y la interacción
estratégica entre empresas son mucho más predecibles porque las estrategias de las empresas
competidoras son mucho más estables, controlando así una parte de los riesgos que tiene que
manejar la empresa. En segundo lugar, las empresas deben también tener la expectativa de
un mercado concentrado u oligopólico ex post, es decir, una vez que hayan terminado el
proyecto de manera exitosa, pues esto resuelve un problema esencial: el de la apropiabilidad.
Esto es, un mercado concentrado presenta en menor grado el problema de la apropiabilidad
debido a que es más fácil prevenir la difusión de la nueva tecnología o de los procesos para
crear el nuevo producto, así como para defender los derechos sobre propiedad intelectual si
se requiere.

Sobre este tema es necesario hacer un número de observaciones. Si bien en algunos

estudios que se han realizado para analizar esta relación se ha encontrado que a mayor grado
de concentración del mercado habrá mayor inversión en innovación y resultados de ésta, en
documentos de investigación de economía aplicada que se han realizado en los últimos diez
años se ha negado, o por lo menos cuestionado seriamente, la existencia de éste patrón de

9
 CIDECyT 06-01

comportamiento. Freeman (1994) plantea que el esfuerzo innovador de las empresas que no
concentran gran cantidad del mercado es muy importante. Bell y Pavitt (1993) incluso
ironizan que una falta absoluta de presión competitiva fue una de las razones por las cuales
los sistemas de planeación económica centralizados que cayeron bajo la influencia soviética
fracasaban metódicamente en la adopción de técnicas de producción más eficientes.

Esto llevó a que se plantearan dos tipos de sectores en cuanto a la relación que guarda
la actividad de investigación y desarrollo tecnológico con la concentración. Por un lado están
los sectores donde la alta concentración es necesaria por las razones que hemos expuesto en
los párrafos precedentes. Por otro lado, existe también cierto tipo de sectores (en general
sectores de vanguardia tecnológica de maquinaria, instrumentos de precisión y software, por
poner unos ejemplos) en donde la competencia es muy encarnizada, de forma que la única
manera en que las empresas sobreviven es invirtiendo cantidades considerables de recursos a
la investigación y desarrollo para diferenciarse de sus competidores a través de productos
innovados. Esto implicaría, entonces, una relación en forma de campana o de U invertida
entre la concentración del mercado y la innovación.7 Hay incluso autores que plantean que la
estructura de los mercados depende de otros determinantes específicos de la industria o
sector al que se esté haciendo referencia. Esto nos lleva a describir el entorno de
oportunidades tecnológicas que rodean a las empresas como otras variables importantes en la
determinación del esfuerzo de innovación.

Las oportunidades tecnológicas que caracterizan el entorno de las empresas

determinan qué tan factible o probable es la obtención de resultados positivos en el proceso
innovador, dada una cierta cantidad de inversión en el proyecto. Breschi et al. (2000)
plantean que si estas oportunidades proveen de fuertes incentivos para emprender
actividades de desarrollo tecnológico e innovación, entonces el entorno económico en el que
están insertas las empresas no está caracterizado por una restricción demasiado fuerte sobre
la escasez de recursos. Esta conclusión es lógica si pensamos que los retornos esperados de
realizar investigación y desarrollo son mayores mientras más oportunidades tecnológicas se
les presenten a las compañías.

Una de las variables que mayor impacto tiene sobre las oportunidades tecnológicas a
las que se enfrenta una empresa es el sector industrial al que pertenece. Cada sector tiene
dinámicas propias que lo distinguen del resto. Por ejemplo, el sector minero posee
características que lo hace más propicio a la innovación en proceso, mientras que el sector
farmacéutico es más propicio a la innovación de productos. Por su parte, las ramas química y
de maquinaria y equipo tienen mayor maleabilidad, innovando muchas veces en productos,
pero también en procesos. Es entonces importante tomar en cuenta que el sector al que
pertenecen las distintas empresas no sólo afecta de manera directa las oportunidades
tecnológicas que se les presentan, sino que también lo hacen de manera indirecta, a través de
su impacto sobre otras de las variables que afectan la innovación.

Otro factor fundamental para determinar el desempeño innovador es la transferencia

de tecnología entre empresas y entre países, así como los mecanismos por los cuales ésta se
lleva a cabo. De hecho, uno de los aspectos más descuidados en la construcción de modelos
para explicar el crecimiento económico y el comercio son las posibilidades reales de llevar a
cabo la transferencia de tecnologías entre países o, mejor dicho, de empresas de un país a
empresas o filiales que se encuentran en otros. En la mayoría de las teorías sobre comercio
se toma como dada la tecnología y como supuesto el acceso libre sin costos a las mejores

7
Ver Aghion et al. (2002).

10
 CIDECyT 06-01

tecnologías por parte de todos los países. Sin embargo, tal como plantea Lall (1992), este no
es el caso. Saggi (2000), por ejemplo, llega a concluir que los costos asociados a la
transferencia de tecnología a nivel internacional son altos, mencionando la existencia de
estudios que los ubican entre el 20 por ciento y en ocasiones hasta la mitad de los costos
totales de los proyectos.

Existe una multitud de canales a través de los cuales se lleva a cabo la transferencia
de tecnología a nivel internacional. Entre estos se encuentra la documentación técnica, las
publicaciones internacionales, la capacitación de trabajadores en lugares distintas a los de
origen, intercambios de personal técnico, utilización de nueva maquinaria y equipo, etc.
Saggi (2000) hace una distinción fundamental entre dos maneras de realizar la transferencia
de tecnología. Una es de manera directa, en la cual la transferencia se lleva a cabo por el
comercio mismo de los métodos de producción (licencias, patentes, prácticas empresariales y
del proceso de producción) y otro canal indirecto, que tiene que ver con el comercio de
bienes, la movilidad internacional de los factores de producción, y las importaciones de
bienes de capital que luego se adecuan a los procesos productivos locales y en general lo que
se conoce como derramas tecnológicas (technological spillovers).

Se ha observado (Lee y Mansfield, 1996) que la intensidad de la transferencia de

tecnología depende no sólo de la cantidad total de las inversiones de un país en otro, sino
también del tipo de inversión que hacen las empresas foráneas. Esto es, cuando una empresa
extranjera invierte en México, lo puede hacer de varias maneras: a través de una sucursal
comercializadora (que denotaría un nivel de transferencia tecnológica casi nulo), una filial
ensambladora, o bien una empresa que lleva a cabo la producción, e incluso a veces la
investigación y desarrollo mismos (que implicaría una transferencia tecnológica total, que
incluye el proceso de innovación mismo). De esta forma, un canal a través del cual las
empresas adquieren tecnología extranjera es mediante la inversión extranjera directa (IED).
Cabe hacer notar que este tipo de inversión es, bajo la clasificación que mencionamos de
Saggi (2000), uno de los canales por los cuales se está transfiriendo directamente la
tecnología. Incluso, este último autor propone que la IED es el mayor contribuyente a la
transferencia de tecnologías a nivel mundial.

Mientras mayor sea la participación que tenga la compañía foránea en la empresa que
se localiza en el país huésped, se puede esperar que mayor sea la probabilidad de que la
transferencia de tecnología se lleve a cabo de manera completa y que el proceso que se esté
transfiriendo sea el más vanguardista. Por lo menos así lo indican los resultados obtenidos en
los estudios de Lee y Mansfield (1996) y Blomström y Kokko (1993). Cada uno de ellos
enfatiza aspectos distintos de este fenómeno. Los primeros plantean que mientras mayor sea
la protección que se les da a los derechos de propiedad intelectual como licencias y patentes
en los distintos países, las empresas decidirán transferir mayor parte del proceso productivo a
esas localidades, desarrollando así los efectos de derramas tecnológicas hacia las empresas
nacionales.8 Los segundos enfatizan la importancia de las capacidades de absorción
tecnológica; es decir, si hay trabajadores calificados para llevar a cabo las distintas etapas de
la producción de manera individualizada para la región.

Además de los canales directos de transferencia tecnológica mediante la inversión,

también mencionamos los indirectos, que se dan a través del contacto continuo con clientes
8
Tal como lo estudió Romo Murillo (2005) para el caso mexicano, la ocurrencia de derramas
tecnológicas de la inversión extranjera directa no es un proceso automático. Las mismas dependerán
del establecimiento de los canales necesarios para que se de la interacción entre las firmas nacionales
y extranjeras.

11
 CIDECyT 06-01

y proveedores. Es por ello de gran importancia la actividad en los mercados internacionales

de las distintas compañías. Tanto involucrarse en actividades de exportación como contar
con proveedores extranjeros son dos variables que incentivan a las empresas a innovar, pues
tienen contacto con tecnologías foráneas y deben satisfacer las exigencias de otros mercados
en cuanto a calidad del producto y tiempos de entrega. Además, la interacción con los
usuarios de los productos innovados provee de información a las empresas sobre las
modificaciones pertinentes que se deben hacer a las innovaciones para que tengan éxito
comercial. Freeman (1994) observa que los estudios empíricos han demostrado de manera
amplia la importancia que tienen los proveedores en las mejoras incrementales a los
productos, así como la diversificación de las innovaciones radicales hacia otros mercados.
Por ello, se esperaría que contar con un proveedor extranjero incrementara las probabilidades
de involucrarse en un proyecto de desarrollo tecnológico.

Estar involucrado en actividades de exportación parece tener el mismo efecto, ya que

las exigencias de los clientes también incentivan a que las empresas mejoren su desempeño
tecnológico. En concordancia con lo que plantea a nivel teórico Lall (1992), Chudnovsky et
al. (2004) afirman que los efectos más importantes de la liberalización y la apertura
comercial en Argentina fueron el aumento en inversión de las compañías nacionales en su
propia modernización tecnológica. Sin embargo, también plantean que en general se prefirió
la importación de tecnología sobre el desarrollo de innovaciones domésticas. Es decir, tanto
respecto a esta variable como con la inversión extranjera directa, los efectos esperados son
ambiguos, ya que si bien hay una correlación positiva generalizada entre éstos y la
innovación, puede ser que las empresas reciban los productos finales del proceso innovador,
sin haber llevado a cabo actividades de investigación y desarrollo tecnológico.

Por último, tocamos dos temas que están íntimamente relacionados entre sí
concernientes al financiamiento. La variable referente a los apoyos gubernamentales es,
probablemente, la más importante. De hecho, Cohen y Levin (1989) observan que la
actividad del gobierno ha sido la influencia que mayor cantidad de estudios han tratado de
analizar. La actividad del gobierno tiene que ver desde su contribución directa al crear y
financiar centros de investigación en distintas áreas (varias de las veces adjuntos a
universidades públicas), asistiendo en la difusión del conocimiento que se desarrolla en
dichos institutos, subsidiando la investigación privada, hasta protegiendo las leyes de
propiedad intelectual y patentes, etc. Para fines de este estudio nos limitaremos a tomar
como variable explicativa los apoyos gubernamentales a los proyectos tecnológicos de las
empresas manufactureras, cuestión que está relacionada con el segundo tema: la
disponibilidad de créditos o fuentes de financiamiento privadas. Como ya mencionamos, la
incertidumbre fuerte a la que está sujeto el proceso innovador hace que se presenten
problemas de riesgo moral y externalidades que tienen efectos sobre la falta crónica de
financiamiento para estos proyectos. Se supone que contar con algún apoyo gubernamental o
de una institución bancaria privada debe ser determinante en la cantidad de recursos que se
le dedican dentro de una empresa a actividades de investigación y desarrollo tecnológico,
aunque probablemente no en sus resultados.

2.4. Medición de los resultados del proceso innovador

Al tratar el tema de la medición de los resultados de proyectos de innovación nos
enfrentamos a un problema conceptual y de cálculo empírico, pues es difícil dar una
valuación acertada al éxito en el desempeño innovador de una empresa. El número de
patentes probablemente ha sido una de las medidas que más se han utilizado para aproximar
la medición de los resultados de la innovación. Sin embargo, como mencionan Cohen y

12
 CIDECyT 06-01

Levin (1989), hay un número de inconvenientes asociados con la misma. En primer lugar
está el hecho de que la mayoría de las patentes nunca se llevan a la aplicación o se explotan
de manera comercial. En segundo lugar, y relacionado con el problema anterior, está el
hecho de que medir los resultados de la innovación a través de las patentes otorga la misma
importancia a todos los desarrollos tecnológicos que hayan logrado obtener ese tipo de
derechos. Sin embargo, muchas patentes son más valiosas que otras. Este problema se ha
tratado de resolver midiendo la importancia de las patentes por el número de referencias que
hacen otras patentes a las primeras. El tercer problema es que existen industrias en las cuales
la protección que confieren los derechos sobre patentes no es muy buena,9 por lo que la
apropiación de las rentas por innovación se prefiere explotar dando mayores servicios
complementarios y de mercadeo.

En los últimos años, en especial desde la publicación del Manual de Oslo (OECD,
1997), se ha aproximado el desempeño de las empresas en cuanto a la innovación y
desarrollo tecnológico a través de preguntas directas a los gerentes o directores de las
empresas sobre el porcentaje de ventas que atribuyen a productos innovados o creados con
procesos innovados, con lo cual se obtiene una medida de los resultados de los proyectos y la
inversión en innovación. Empero, a cambio de obtener esta medida directa, se sacrifica la
objetividad de la misma. A pesar de ello, se considera que la inclusión de esta pregunta en
las encuestas que se levantan sobre desarrollo tecnológico e innovación es un avance (Lööf y
Heshmati, 2003; Crépon et al., 1998).

Terminamos el esbozo detallado de nuestro marco teórico planteando que los

objetivos del presente estudio son concentrarse en los determinantes de la inversión y los
resultados de la innovación, analizados empíricamente a través de los datos recabados en la
Encuesta Nacional de Innovación del año 2001. Siguiendo un esquema similar al propuesto
por Chudnovsky et al. (2004), nos proponemos dar una explicación y una respuesta tentativa
a las interrogantes sobre qué tipos de empresas son las que tienen mayor probabilidad de
tomar la decisión de involucrarse en proyectos de investigación y desarrollo tecnológico, qué
es lo que hace que las empresas decidan dedicarle recursos a los proyectos que emprenden,
así como las variables que hacen mas probable el éxito de los proyectos y la introducción al
mercado de productos o procesos innovados.

3. La Encuesta Nacional de Innovación10

El Consejo Nacional de Ciencia y Tecnología (CONACYT) realizó en 2001 el levantamiento
de la Segunda Encuesta Nacional de Innovación (ENI) en los sectores Manufacturero y de
Servicios a través del Instituto Nacional de Estadística, Geografía e Informática (INEGI). El
objetivo central de la encuesta fue recolectar datos representativos de la situación que guarda
la actividad innovadora en las empresas industriales y de servicios.11

9
El ejemplo que plantean Cohen y Levin (1989) es el de la industria relacionada con la ingeniería
mecánica, donde las patentes son fácilmente evadidas cambiando algún componente o parte del
diseño de la máquina.
10
Se agradece la amable cooperación de la Dirección de Análisis Estadístico del CONACYT a través
del Act. Octavio Ríos, quien proporcionó información sobre la ENI y acceso a la base de datos para
la realización del análisis estadístico.
11
Cabe hacer notar que en este análisis sólo se utilizan los datos referentes a empresas del sector
industrial. El sector servicios no fue incluido debido a que los datos del mismo no habían sido
depurados.

13
 CIDECyT 06-01

A pesar de que la Encuesta Nacional de Innovación cuenta con una versión anterior,
realizada en 1997, los datos entre ambas encuestas no son comparables ya que siguen
metodologías distintas.12 Mientras que la ENI de 1997 presenta un sesgo deliberado hacia las
empresas con mayor propensión a realizar actividades de innovación, éste se eliminó en la
ENI de 2001. Es decir, se pretendió seguir un esquema aleatorio en el diseño de la ENI de
2001. Además, cabe mencionar que las preguntas de la ENI en su última edición recolecto
información para el periodo comprendido entre los años 1999 y 2000. La metodología de la
encuesta está basada en propuesta de la OCDE publicada en el manual de la propia
organización sobre recolección e interpretación de datos referentes a la actividad científica,
tecnológica y de innovación. El documento que delinea la propuesta mencionada se conoce
como el Manual de Oslo (OECD, 1997).

El hecho de que se haya tomado como base del diseño metodológico los lineamientos
que propone la OCDE es importante, ya que permite comparar los datos de encuestas de
innovación de varios países. De hecho, varios de los estudios que fueron consultados
realizan el análisis de encuestas basadas en el Manual de Oslo. Una ventaja adicional que
plantea el uso de la ENI 2001 es que la fase del ciclo económico por la que atravesaba
México en esos dos años no fue contraproducente para las actividades de innovación. Esto se
debe a que durante ambos años las perspectivas del crecimiento eran buenas y en general
había capacidad de inversión por parte de las empresas.

Los cuestionarios de la ENI se aplicaron a un total de 1,712 empresas de tres grandes

divisiones de actividad económica según la Clasificación Mexicana de Actividades y
Productos (CMAP): minería, industria manufacturera e industria de la construcción. Del total
de observaciones, 64 son del sector de minería, 39 corresponden al sector constructor, y el
resto (1,609) al manufacturero. En los casos en los que el porcentaje de empresas
encuestadas por rama de actividad económica no corresponde al real, se calcularon factores
de expansión, mismos que se utilizan para mantener la representatividad de la encuesta (de
lo contrario, ésta dejaría de ser aleatoria). Con la aplicación de tales factores, el número de
observaciones asciende a un total de 8,385, las cuales se dividen en 201, 39 y 8,145 para las
divisiones mencionadas, respectivamente.

El proceso de innovación comienza con la motivación de la empresa a realizar

cambios en sus productos o procesos con la finalidad de que éstos ofrezcan un servicio
nuevo o significativamente mejorado. Es decir, el inicio del proceso es el objetivo o
motivación inicial de la empresa para innovar, seguido de lo cual se destinan recursos a las
actividades de innovación (es decir, se determina el monto de la inversión). Durante el
desarrollo del proceso innovador hay varios factores que determinan el resultado: algunas
fuerzas lo favorecen o benefician, mientras que otras lo entorpecen y dificultan. Este proceso
se muestra gráficamente en la Figura 1.

12
Esta situación imposibilita la realización de un análisis estadístico de panel con los resultados de
los dos años.

14
 CIDECyT 06-01

Incentivos

Objetivos de Resultados
Inversión en Proceso
de la
la innovación Innovación Innovador
Innovación

Obstáculos

Figura 1.
El proceso innovador

A continuación describimos algunos de los resultados que arroja la ENI 2001 para los
distintos rubros del proceso innovador: objetivos que motivan la inversión en innovación,
obstáculos que la frenan, insumos al proceso y resultados del mismo.

En cuanto a los objetivos de la innovación, los dos rubros más importantes se refieren
a la participación que tienen las empresas en el mercado. Se les pidió a las empresas
encuestadas que respondieran, en una escala entre 1 y 4, la importancia que le asignan a
ciertos objetivos.13 En promedio, los objetivos más importantes son tanto mantener la
participación que se tiene en el mercado como la posibilidad de aumentarla. De hecho, del
total de firmas encuestadas que realizaron algún tipo de innovación (565 en total), 391
empresas le dieron el máximo grado de importancia (calificación 4) a mantener su
participación, mientras que 380 afirmaron que era igualmente importante aumentarla. Cabe
mencionar, además, que en segundo término hay otras dos principales motivaciones para
involucrarse en actividades de desarrollo tecnológico. Éstas se refieren a mejorar la calidad
de los productos y reducir los costos de producción. En estos casos, las calificaciones
promedio que se le dieron a dichos objetivos fueron de 3.42 y 3.37, respectivamente, entre
las empresas que se involucraron en proyectos de innovación. Como se aprecia en la Figura
2, también son importantes las cuestiones ambientales, ya que la reducción de daños al
medio ambiente en el proceso productivo y el desarrollo de productos que no afecten al
medio ambiente tienen también calificaciones relativamente altas, al igual que la reducción
en el consumo de energía.

13
En donde 1 corresponde a un objetivo “No significativo” y 4 corresponde a un objetivo “Altamente
significativo”.

15
 CIDECyT 06-01

Mantener la participación del mercado (391)

Aumentar la participación del mercado (380)

Mejorar calidad de productos (358)

Reducir costos (348)

Ampliar gama de productos (239)

Mejorar la flexibilidad productiva (221)

Reducir daños al medio ambiente en el proceso (249)

Desarrollar productos que no afecten medio ambiente (258)

Reducir consumo de energía (205)

Sustitución de sus actuales productos (161)

0 0.5 1 1.5 2 2.5 3 3.5 4

Calificación Promedio

Fuente: elaboración propia en base a los resultados de la ENI.

Los números entre paréntesis indican las empresas que calificaron el objetivo como “Altamente significativo.”

Figura 2.
Importancia de los objetivos de la innovación

Considerando que son éstos los objetivos principales que mueven a las empresas a
emprender proyectos de innovación, cabe también mencionar algunos datos respecto de los
insumos de la innovación, es decir, la cantidad y destino de los recursos que se comprometen
con el fin de incrementar las capacidades tecnológicas de las empresas. Como una primera
observación podemos notar que el 89 por ciento del gasto total destinado a la innovación se
da dentro de las empresas, mientras que solamente el 11 por ciento restante de la inversión
que hacen las compañías se utiliza en la adquisición externa de servicios de investigación y
desarrollo. Esto puede empezar a relacionarse con lo expuesto en el marco teórico sobre la
importancia de hacer estudios a nivel de empresa (no a nivel de economías agregadas), así
como la posibilidad de que la buena comunicación entre quienes realizan las actividades de
investigación y desarrollo y los departamentos de producción y mercadeo brinden mayores
probabilidades de éxito comercial a los productos innovados.

Otro factor determinante es el tamaño de la empresa. Efectivamente, si desagregamos

el gasto por el tamaño de empresa, terminamos observando que son las empresas medianas y
grandes las que deciden innovar invirtiendo recursos dentro de sus propias organizaciones.
La Figura 3 muestra gráficamente este fenómeno. La mayor parte del gasto en las empresas
pequeñas (más del 80 por ciento) se destina a fuentes externas a las mismas, lo cual denota
una falta de capacidades tecnológicas internas para el desarrollo de proyectos de
innovación.14
14
Para estratificar a las empresas por tamaño, utilizamos aquí el último criterio establecido en el
Diario Oficial de la Federación del 31 de diciembre de 2002 como parte de la Ley para el Desarrollo
de la Competitividad de la Micro, Pequeña y Mediana Empresa. De acuerdo al mismo, se considera
la siguiente estratificación para el sector manufacturero:

16
 CIDECyT 06-01

100%
90%
80%
70%
60% Extramuros
50% Intramuros

40%
30%
20%
10%
0%
Pequeñas Medianas Grandes

Fuente: elaboración propia en base a los resultados de la ENI.

Figura 3.
Gasto destinado a actividades de innovación dentro y fuera de la empresa

Como mencionamos también en la introducción, hay distintas maneras en las que las
compañías deciden innovar, por lo que conviene hacer otro tipo de distinción en el gasto que
realizan las empresas en sus proyectos de desarrollo tecnológico. Del total de recursos
dedicados para tal fin, alrededor de dos terceras partes se destinan para la adquisición de
maquinaria y equipo. Este tipo de adquisición de tecnología que ya está incorporada a la
máquina se compara con sólo el 7 por ciento del gasto total que se destina a la introducción
de tecnologías externas, pero que no se adquieren ya incorporadas a la maquinaria. De la
Figura 4 también se observa que se destinan proporciones casi iguales a la investigación y
desarrollo, el diseño industrial, y el lanzamiento al mercado de productos innovados. El
rubro que recibe la menor proporción de los gastos totales es el de capacitación ligada a las
actividades de innovación que representa sólo el 2 por ciento del total.

• Micro : 0 a 10 trabajadores
• Pequeña : 11 a 50 trabajadores
• Mediana : 51 a 250 trabajadores
• Grande : 251 y más trabajadores

Cabe hacer notar que los resultados de la ENI no reportan ninguna empresa micro involucrada en
algún proyecto de innovación. Por esta razón no se incluye este rubro en la gráfica.

17
 CIDECyT 06-01

Investigación y
Desarrollo Tecnológico
Lanzamiento al mercado 8%
8%
Capacitación
2%

Diseño industrial
9%

Adquisición de Adquisición de
tecnologías externas
maquinaria y equipo
7%
66%

Fuente: elaboración propia en base a los resultados de la ENI.

Figura 4.
Destino de los recursos para actividades de innovación

Habiendo observado que el lugar hacia donde se destina la mayor cantidad de

recursos es dentro de las empresas, así como el hecho de que la mayor parte del gasto tiene
como propósito la adquisición de maquinaria y equipo, es también conveniente plantearse la
pregunta sobre los mecanismos que utilizan las empresas para financiar este gasto. Las
empresas que deciden emprender un proyecto de desarrollo tecnológico en México enfrentan
un ambiente francamente adverso con respecto a la obtención de financiamiento. Los
empresarios mexicanos tienen entonces, como opciones de financiamiento las siguientes:

• Fondos propios,
• Financiamiento bancario,
• Apoyos gubernamentales,
• Capital de riesgo, y
• Inversionistas privados (ángeles).

La Figura 5 presenta los resultados de la Encuesta Nacional de Innovación sobre la

importancia de los diferentes mecanismos de financiamiento en las empresas para el periodo
1999-2000. La distribución porcentual mostrada está en línea con lo que se discutió
anteriormente con respecto a la dificultad de acceder a fuentes de financiamiento para la
IyD. Así, no resulta sorprendente que la gran mayoría de las empresas (el 71 por ciento)
financien sus proyectos de desarrollo tecnológico con recursos propios, seguido en un lejano
segundo lugar por créditos de instituciones bancarias. Otro aspecto a resaltar de estos
resultados es que los apoyos gubernamentales constituyeron una fuente de financiamiento
para apenas el 3 por ciento de las empresas.

18
 CIDECyT 06-01

Recursos propios 71

Créditos de Instituciones Bancarias Privadas 13

Recursos de empresas subsidiarias o asociadas 6

Recursos de otras empresas 4

Apoyos gubernamentales 3

Apoyos de organismos internacionales 2

Otro 1

0 10 20 30 40 50 60 70 80

Fuente: elaboración propia en base a los resultados de la ENI.

Figura 5.
Mecanismos de financiamiento de proyectos de innovación

Este último resultado, así como el conjunto de observaciones referentes a las fuentes
de los recursos destinados a inversión en innovación son muy relevantes, pues cuando a los
encuestados se les pide evaluar la importancia de los obstáculos a los que se enfrenta la
realización de proyectos de innovación, la falta de fuentes de financiamiento ocupa el tercer
lugar después de factores asociados con el costo y el riesgo. En una escala del 1 al 4, 145 de
las 565 empresas innovadoras califican como altamente significativo (con calificación 4) el
obstáculo que presenta la falta de fuentes de financiamiento adecuadas. Esto se relaciona
directamente con los costos elevados de innovación que, como muestra la Figura 6
constituye el principal obstáculo para 182 de las empresas, alrededor de la tercera parte. El
papel del gobierno en este ámbito es doble pues no sólo proporciona apoyos públicos a las
compañías, sino que también actúa como regulador de normas, estándares y tratamiento
fiscal a este tipo de gastos. Después de la falta de fuentes de financiamiento, la esfera de
influencia del gobierno (tanto la parte regulatoria como la de apoyos directos) es considerada
importante, con calificaciones promedio de 2.31 y 2.08, respectivamente. Otros obstáculos
que se perciben con una importancia menor se refieren a la falta de información (sobre el
mercado y sobre tecnología) y de personal calificado.

19
 CIDECyT 06-01

Costos de innovación muy elevados (182)

Riesgo económico excesivo (185)

Falta de fuentes de financiamiento adecuadas (145)

Obstáculos derivados de la legislación (123)

Falta de receptibilidad de la clientela a nuevos productos (68)

Falta de información sobre mercado (61)

Falta de información sobre tecnología (48)

Falta de apoyos públicos (95)

Falta de personal calificado (56)

Rigidez en la organización de la empresa (47)

0 0.5 1 1.5 2 2.5 3 3.5 4

Calificación promedio

Fuente: elaboración propia en base a los resultados de la ENI.

Los números entre paréntesis indican las empresas que calificaron el obstáculo como “Altamente significativo.”

Figura 6.
Importancia de los obstáculos la innovación

Por último, revisamos a continuación los resultados de la innovación. Cabe hacer

notar que sólo 565 de las 1,712 empresas encuestadas se involucraron en algún proyecto de
innovación. La influencia del tamaño en la decisión de involucrarse o no en dichos proyectos
parece ser importante, pues no hubo microempresas que lo hicieran, y sólo el 12 por ciento
de las empresas pequeñas lo hicieron, mientras que la proporción de las empresas medianas
(26%) y grandes (40%) es mucho más significativa. Los resultados de los esfuerzos de llevar
a cabo el proyecto de innovación son los siguientes. En cuanto a la innovación en producto
únicamente, ésta participa con el 22 por ciento del total de las innovaciones. A su vez, la
innovación solamente en proceso es el resultado del 30 por ciento de los proyectos. El 48 por
ciento restante se refiere a actividades de investigación y desarrollo tecnológicos que
resultaron en innovación de ambos tipos, tanto en producto como en proceso.

En este rubro, es importante observar las relaciones de cooperación que existen entre
las empresas y entre empresas e institutos de investigación o universidades. La Figura 7
indica el origen de las innovaciones en producto y en proceso. De la figura se observa que la
gran mayoría las innovaciones tienen su origen en la propia empresa, con un porcentaje
mayor para las innovaciones en producto. A este rubro le sigue el desarrollo de las
innovaciones a través de la colaboración con otras empresas. La colaboración con institutos
de investigación, así como el desarrollo de innovaciones por parte de éstos no constituyen
fuentes importantes de las innovaciones introducidas, lo cual pone en evidencia la falta de
lazos entre el sector productivo y el sector académico nacional.

20
 CIDECyT 06-01

100% 1.2 0.8

14.2
20.8
2.8 Ins titutos de
80%
3.6 inves tigación o
Univers idades

Em pres a en
60%
colaboración con
otras em pres as
81.9 Em pres a en
40% 74.8 colaboración con
ins titutos o
univers idades
20% Propia em pres a

0%
Innovación en Producto Innovación en Proceso

Fuente: elaboración propia en base a los resultados de la ENI.

Figura 7.
Origen de los productos y procesos innovados

Otra de las clasificaciones de importancia para evaluar los resultados de la

innovación se refiere al grado de novedad de los productos introducidos al mercado. Esto es,
si la empresa innovó en producto, observar si el nuevo producto es sólo uno ya existente en
el mercado, pero que la empresa imitó (en cuyo caso es una innovación a nivel de la
empresa), si se introdujo un producto nuevo al mercado nacional, pero no al mundial; o bien
si la innovación fue radical y se introdujo un nuevo producto a nivel mundial. La relación
entre el grado de novedad y el tamaño de la empresa se puede observar en la Figura 8, la cual
es muy indicativa de la relación entre el tamaño y la innovación, pues las empresas pequeñas
innovaron exclusivamente de forma interna y para el mercado nacional, mientras que las
medianas y grandes si tuvieron una participación importante en las innovaciones radicales.

En cuanto al número de patentes que se le otorgaron a las empresas encuestadas

durante el periodo comprendido entre 1999 y 2000, cabe destacar que el sector que superó
(con creces) al resto fue el de la industria química, con 287, seguido por el de productos
metálicos, maquinaria y equipo con 50, tal como se puede observar en la Figura 9. Esto
captura, en cierta forma, las oportunidades tecnológicas y dinámicas propias de los sectores
industriales involucrados. Se observa entonces que sectores maduros, tal como la minería y
la construcción, son los que registran el menor dinamismo en cuanto a actividades de
patentamiento.

Con esto terminamos un breve repaso estadístico de la información más relevante

contenida en la ENI, para dar paso a la especificación de los modelos econométricos que se
analizan en la siguiente sección.

21
 CIDECyT 06-01

100%

90%

80%

70%

60% A nivel del mercado mundial

A nivel del mercado nacional
50%
A nivel de la empresa
40%

30%

20%
10%

0%
Pequeña Mediana Grande

Fuente: elaboración propia en base a los resultados de la ENI.

Figura 8.
Grado de novedad de los productos innovados por tamaño de empresa

Industria química 287

Productos metálicos,maquinaria yequipo 50

Productos minerales no métalicos e industrias metálicas básicas 39

Productos alimenticios ybebidas 19

Industria textil ydel vestido 14

Industria de la madera ydel papel 5

Otras industrias,incluyendo a la construcción 2

Minería metálica yno metálica 0

0 50 100 150 200 250 300

Patentes

Fuente: elaboración propia en base a los resultados de la ENI.

Las patentes otorgadas incluyen sólo a las empresas encuestadas.

Figura 9.
Patentes otorgadas en el periodo 1999-2000 por sector industrial

22
 CIDECyT 06-01

4. Especificación de los modelos

En esta sección se especifican los modelos econométricos que serán evaluados para estudiar
el proceso innovador en las empresas del sector industrial mexicano. Con el fin de poner
nuestro estudio en perspectiva, la primera parte incluye una revisión de la literatura relevante
que comprende a otros estudios similares, mientras que en la segunda parte se explica en
detalle la formulación de los modelos.

4.1. Revisión de la literatura

De lo que se ha expuesto hasta aquí, debemos recordar que el proceso innovador es uno de
los procesos productivos que tiene mayor nivel de complejidad por el número de variables
que lo afectan, así como uno de los que mayor grado de riesgo presentan, por la
incertidumbre que rodea a sus resultados. Con respecto al análisis empírico de este proceso,
debemos notar que las encuestas que toman como guía los fundamentos que propuso la
OCDE en el Manual de Oslo presentan una gran ventaja al compararlas con encuestas que
siguen otras metodologías. Por un lado, recaban información referente a los insumos y los
productos de la innovación, tratándolos como elementos distintos. Por otro lado, este tipo de
encuestas han hecho posible cambiar la manera en la que se estructura el análisis en torno al
tema del desarrollo tecnológico y la innovación. Como bien apunta Van Leewen (2002), las
mejoras en la recopilación de información han permitido dar mayor estructura a los modelos,
que al hacerse más complejos brindan mayor acercamiento a la identificación de las
relaciones entre la productividad y la investigación y desarrollo tecnológicos.

Crépon et al. (1998) introdujeron una nueva manera de realizar el análisis de las
encuestas al formular un modelo que pretende insertar el proceso innovador dentro del
análisis del cambio tecnológico y sus efectos sobre la productividad de las empresas. La
manera en la que abordaron el tema fue mediante un sistema de ecuaciones que describen
una secuencia de etapas en el desarrollo de la innovación, desde que se toma la decisión de
innovar hasta que la innovación se ve reflejada en los niveles de productividad de la
empresa. La Figura 10 presenta esta cadena de toma de decisiones para emprender la
innovación y sus efectos, en el que cada uno de los pasos fue modelado con una ecuación.

La originalidad del análisis de Crépon et al. (1998) radica en que toma en cuenta la
diferencia entre los insumos de la innovación y sus resultados. Por ello, de alguna manera, se
puede considerar que fueron ellos quienes iniciaron una nueva ola de estudios que adoptan
esta distinción en el procedimiento. Incluso Lööf y Heshmati (2003) reconocen que la
manera en la que abordan el problema Crépon et al. ofrece un modelo teórico atractivo, así
como los métodos econométricos apropiados para entender lo que en otras ocasiones se ha
llamado una caja negra.15 El estudio de Lööf y Heshmati toma como base el modelo que se
presenta en la Figura 10, pero lo estima con distintas herramientas econométricas con el fin
de entender las diferencias en los resultados y la sensibilidad de éstos ante distintitos
supuestos sobre las distribuciones de los errores.

15
Rosenberg (1982, 1994).

23
 CIDECyT 06-01

Decisión de realizar actividades

de innovación

Intensidad de la innovación

Proceso de
innovación
Resultados de la innovación

Productividad de la empresa

Figura 10.
El proceso innovador y la productividad de la empresa

Los resultados que obtienen Crépon et al. (1998) para el caso de Francia, así como
otros trabajos que siguen la misma línea de investigación, como el de Benavente (2002) para
Chile confirman, hasta cierto grado, las hipótesis Schumpeterianas sobre las variables más
importantes que afectan el desempeño tecnológico de una empresa. Como ya mencionamos
en la sección referente al marco teórico, tanto el tamaño de la empresa como la estructura de
mercado afectan de manera importante las decisiones sobre la realización de actividades de
investigación y desarrollo.

Van Leewen (2002) estudia la dinámica del proceso innovador con datos de los
Países Bajos dando especial énfasis a sus características de acumulación temporal. Por esto,
su aproximación estadística y econométrica al tema es un tanto distinta de la del resto de los
autores que fueron consultados. Él hace explícita la diferencia entre niveles y flujos de
recursos que se destinan a la investigación y desarrollo, tomando como indicador de los
niveles el número de patentes con las que ya cuenta la empresa (sea porque las desarrolló o
porque las compró) y como flujo el número de nuevas patentes. Sus conclusiones revelan
que las empresas requieren montos de inversión constantes a lo largo del tiempo para
mantener un nivel dado de desarrollo, pero que además los resultados no siempre son los
esperados; lo cual confirma la aseveración de que el desarrollo de innovaciones está sujeto a
una mayor incertidumbre que el resto de los procesos productivos.

El trabajo de Chudnovsky et al. (2004) también presenta resultados interesantes sobre

la naturaleza dinámica de la innovación. Una de sus conclusiones es que si una empresa ya
era innovadora, o lo fue en periodos pasados inmediatos, aumenta la probabilidad de que ésta
tenga desarrollos tecnológicos en el periodo presente. Este resultado denota la naturaleza
acumulativa de las capacidades tecnológicas. Además, este trabajo toma en cuenta los
efectos de la apertura económica sobre la innovación a través de dos canales. El primero es
la adopción de nuevas tecnologías por la inversión extranjera directa, mientras que el
segundo se refiere a si la empresa está o no involucrada en actividades de comercio
internacional, ya sea que exporte o que tenga contratos de importación de tecnología tanto en
procesos como en maquinaria. Este trabajo es de especial importancia para nuestro análisis

24
 CIDECyT 06-01

ya que estudia a Argentina, un país emergente latinoamericano que sufrió un cambio

económico estructural importante.

Otra característica que muchas veces se pasa por alto en el análisis del entorno
tecnológico de las empresas es la posibilidad de que existan derramas (spillovers) de
conocimiento y tecnologías de producción dentro de las industrias. Duguet (2002) incorpora
este concepto en su análisis de la industria francesa y desarrolla un estudio que clasifica a la
innovación dependiendo de si ésta resulta en la introducción de un nuevo producto o si sólo
resulta en la imitación de productos desarrollados por otras empresas. Propone que las
derramas provienen no sólo de la cooperación en actividades de investigación y desarrollo
entre empresas o con otro tipo de instituciones como universidades, sino también de la
existencia de patentes y derechos de propiedad en general (un ejemplo de esto último son las
marcas o licencias de tecnología). Además, concluye que la importancia de estas derramas es
significativa para la innovación auténtica (que no es imitativa) y afecta positivamente la
productividad total de los factores a nivel de la empresa.

De la revisión de la literatura, que se presenta en forma resumida en la Tabla 2, se

puede concluir que resulta conveniente incorporar al análisis la distinción entre insumos y
productos de la innovación. Las ventajas de hacerlo son, por un lado, agregar la dinámica de
toma de decisiones en las fases iniciales de la innovación al modelo teórico de dicho proceso
y, por otro, la posibilidad de estimar la relación entre los insumos y los productos de la
innovación. Sin embargo, hay que recalcar que a pesar de que se puede estimar la relación
entre insumos y productos, no se puede considerar que se está estimando una función de
producción de innovación, sino sólo sus determinantes.

4.2. Formulación de modelos

En esta sección se desarrollan los modelos que serán evaluados econométricamente. Se
presenta un “modelo integrado” siguiendo la línea de los estudios discutidos en la sección
precedente. El modelo integrado que estimamos sigue de cerca la propuesta teórica del
proceso de innovación que hemos descrito en la Figura 10. Cabe mencionar que de los
trabajos que fueron revisados en la sección anterior, los más relevantes para tomar como
base en nuestra propuesta son los de Crépon et al. (1998), así como los de Duguet (2002) y
Chudnovsky et al. (2004). En primer lugar, la importancia del artículo de Crépon et al.
(1998) radica en que, hasta donde conocemos, es el primero en hacer la distinción entre
insumos y productos de la innovación e integrarlos en un solo modelo. Lo notable de los
otros dos trabajos es que toman medidas alternativas de los resultados de la innovación,
como se discute más adelante.

Del trabajo de Crépon et al. (1998) tomamos el planteamiento básico de tener una
ecuación que describa cada etapa del proceso de innovación. Esto es, una ecuación para la
toma de decisión de innovar o no hacerlo, otra ecuación para la toma de decisión sobre
cuánto invertir en actividades de innovación, seguida por una especificación sobre los
productos o resultados de la innovación. Nos vemos obligados, sin embargo, a eliminar los
cálculos referentes a la cuarta ecuación que mide el impacto de la innovación sobre la
productividad de la empresa. Esto se debe a que nuestra fuente de información no cuenta con
datos sobre la productividad o el valor agregado de las empresas y, por cuestiones de
confidencialidad no es posible enlazar los datos de la Encuesta Nacional de Innovación con
los correspondientes a los Censos Económicos para empresas específicas, que contiene los

25
 CIDECyT 06-01

datos relevantes para el cálculo de la productividad laboral (valor agregado por trabajador) o
de la productividad total de los factores.16

Tabla 2.
Resumen de la revisión de literatura

Autor y
País y periodo
año de Objetivos del Estudio Conclusiones o Comentarios
de estudio
publicación
Crepón et al. Francia Estudiar las relaciones entre La probabilidad de involucrarse en
(1998) (1986–1990) investigación, innovación y proyectos de desarrollo tecnológico se
productividad a nivel de incrementa con el tamaño de la
empresas. empresa, su participación de mercado,
así como la diversificación de
productos.

Chudnovsky et al. Argentina Estudiar los determinantes de A mayor investigación interna de la

(2004) (1992–2001) insumos y productos de la empresa, mayor probabilidad de ser
innovación, así como su una empresa innovadora. Si se es
impacto sobre la productividad innovadora, mayor aumento en la
en las empresas. productividad.

Duguet (2002) Francia Estudiar los efectos de la Sólo la innovación radical incrementa
(1985–1991) innovación sobre la la TFP. Introduce el concepto de
productividad total de los derramas tecnológicas.
factores (TFP) a nivel de la
empresa.

Van Leewen Países Bajos Estudiar los efectos de fuentes Al observar la dinámica temporal
(2002) (1996–1998) internas y externas de bajan las estimaciones para los
innovación para las empresas, resultados de la innovación y suben
así como los efectos para la inversión.
acumulados a lo largo del
tiempo.

Benavente (2002) Chile Estudiar el impacto Confirma las hipótesis

(1997–1998) encadenado entre investigación Schumpeterianas sobre la innovación:
y desarrollo sobre la innovación los dos factores determinantes para la
y de la innovación sobre la innovación son el tamaño y el poder
productividad. de mercado.

Lööf y Heshmati Suecia Análisis de sensibilidad sobre Los resultados se calculan para los
(2003) (1996–1998) una misma muestra con niveles y las tasas de crecimiento de
diferentes distribuciones de la inversión y resultados de la
error. innovación.

Fuente: elaboración propia.

16
La información que nos es inaccesible se encuentra protegida por el principio de confidencialidad,
estipulado en el artículo 38 de la Ley de Información Estadística y Geográfica en vigor, en el cual se
indica que la información no puede ser divulgada de forma individualizada.

26
 CIDECyT 06-01

Introducimos, sin embargo, ciertas variaciones con respecto al esquema básico de

Crépon et al. (1998) que toman como motivación los otros dos trabajos mencionados
anteriormente. Por las razones que expusimos en la parte final de nuestro marco teórico,
introducimos distintas variables para medir los productos de la innovación. En específico,
tomamos del trabajo de Duguet (2002) la medida de innovación como un cambio
tecnológico que puede ser gradual o radical. Asimismo, del ejercicio de Chudnovsky et al.
(2004) tomamos como resultante de la innovación una variable categórica que expresa si la
empresa realizó un cambio en el proceso productivo, introdujo un cambio en producto, o
bien realizó innovaciones tanto en proceso como en producto. Preservamos, además, otras
propuestas que utilizan como magnitud de la importancia de la innovación el porcentaje de
ventas que provienen de artículos innovados, así como el número de patentes otorgadas.17

En resumen, estamos tomando como fundamento un modelo básico, pero que

estimamos con diversas medidas del resultado de la innovación, como se puede ver en la
Tabla 3. Hacemos esto porque, como ya hemos expuesto en secciones anteriores, el proceso
innovador está sujeto a amplios grados de incertidumbre, la cual se manifiesta en distintos
planos. Uno de ellos es la ambigüedad que plantea la medición del resultado de los esfuerzos
por introducir cambios tecnológicos, por lo que consideramos conveniente estudiar estos
resultados medidos en distintas formas y dimensiones.

Tabla 3.
Medidas de los resultados de la innovación
Estudio Descripción de la medida

Crépon et al. (1998) • Patentes otorgadas a la empresa.

Lööf y Heshmati (2003) y • Porcentaje de las ventas totales que se atribuyen a productos
Benavente(2002) innovados.

Duguet (2002) • Innovación gradual: mejora significativa de un producto existente,

lanzar un producto que es nuevo para la empresa pero no para el
mercado.
• Innovación radical: lanzar un producto que es nuevo para la
empresa y nuevo para el mercado.

Chudnovsky et al. (2004) • Innovación de producto únicamente

• Innovación de proceso únicamente
• Innovación de producto y proceso

Así, nuestro planteamiento es el siguiente. Proponemos cuatro modelos básicos a

estimar. Cada modelo cuenta con tres ecuaciones, una para representar cada etapa en el
proceso innovador. En todos los modelos las primeras dos ecuaciones se mantienen iguales,
ya que la variante entre cada uno de los cuatro modelos es solamente la manera en que se
mide el resultado de la innovación, que corresponde a la tercera ecuación. De esta forma:
17
Con respecto a estas medidas, ver los documentos de Lööf y Heshmati (2003) y de Benavente
(2002).

27
 CIDECyT 06-01

• La primera ecuación modela la decisión de las empresas de involucrarse o no en

proyectos de innovación tecnológica.
• La segunda ecuación mide la cantidad de recursos que se destinan para tal fin (es
decir, la intensidad de la inversión).
• Finalmente, en la tercera ecuación se evalúa el resultado del esfuerzo innovador de
distintas maneras como se indica en la Tabla 3.

A continuación presentamos las especificaciones econométricas de cada modelo.

Para hacerlo, describimos inicialmente el primer par de ecuaciones y posteriormente
enlistamos las cuatro posibilidades que conciernen a la tercera ecuación.

Ecuación 1:
Decisión de innovar

Innova = β 0,1 + β 1,1Empleados + β 2,1Pers _ Inv + β 3,1Grupo + β 4,1Concentración +

β 5,1Inv _ Ext + β 6,1Exporta + β 7 ,1Crédito + β 8,1 Apoyo _ Gob + β 9,1ISO _ 9 +

n
β 10,1División _ IyD + β 11,1 Asistencia + β 12,1Proveedor _ Ext + ∑
i = 13
β i ,1Sector + ε 1

(1)

Ecuación 2:
Insumos a la innovación

Inversión = β 0, 2 + β 1, 2 Empleados + β 2, 2 Pers _ Inv + β 3, 2 Grupo + β 4, 2 Concentración +

β 5, 2 Inv _ Ext + β 6, 2 Exporta + β 7,2 Crédito + β 8, 2 Apoyo _ Gob + β 9, 2 ISO _ 9 +

n

∑
i = 10
β i , 2 Sector + ε 2

(2)

Deben notarse dos puntos en la especificación propuesta para este sistema de

ecuaciones. Por un lado, hay un mayor número de variables independientes en la Ecuación 1
que en la Ecuación 2. Esto se explica en la sección 5, ya que se debe a una cuestión de la
estimación econométrica. Por otro lado, como se verá más adelante, es de especial interés
que la variable dependiente de la Ecuación 2 sea a su vez un regresor en todas las formas que
proponemos para la Ecuación 3. Esto se debe a que en nuestro marco teórico describimos al
proceso de innovación como un proceso productivo, por lo que la inversión en proyectos de
innovación tiene como consecuencia los resultados de los proyectos, si bien con cierto grado
de incertidumbre. Esta aclaración es importante y delicada, como se explicará al discutir los
detalles de la estimación.

Variables Dependientes 18
18
La definición detallada de las variables dependientes e independientes se presenta en el Apéndice
B.

28
 CIDECyT 06-01

Las dos variables dependientes que definen las Ecuaciones 1 y 2 son:

• Innova: Describe el primer paso del proceso innovador: la decisión de emprender

proyectos de innovación.
• Inversión: Se refiere a la cantidad de recursos que se invierten en la innovación, como
porcentaje de las ventas totales.

Variables Independientes
En general las variables independientes describen, en cierto grado, a las variables que ya
hemos descrito en la sección referente al marco teórico sobre el que pretendemos construir
nuestro análisis. Por ello todas ellas se refieren, ya sea de manera directa o indirecta, a los
fenómenos que hemos mencionado como críticos en el desempeño tecnológico de una
empresa: su tamaño, la concentración del mercado, las oportunidades tecnológicas que
existen en la industria, las posibilidades de transferencia tecnológica, la participación
extranjera, la participación o no en actividades de exportación, así como la disponibilidad de
financiamiento (ya sea a través de préstamos bancarios o de apoyos gubernamentales). A
continuación las enlistamos, proporcionando una breve explicación de cada una.

• Empleados: Se refiere al número total de empleados, y se toma como un indicador del

tamaño de la empresa.
• Pers_Inv: Se refiere al número de personas en la empresa como porcentaje del total de
empleados que se dedican a tareas de investigación y desarrollo. Esto describe, de
manera indirecta, las capacidades tecnológicas de la empresa.
• Grupo: Es una variable binaria (dummy) que indica si la empresa forma parte de un
grupo o no. El ser parte de un grupo influye sobre las posibilidades de introducción de
nuevas tecnologías y la transferencia de las mismas. Al mismo tiempo que puede
facilitar dichas transferencias (debido al contacto con la casa matriz), puede inhibir el
desarrollo de actividades tecnológicas en la empresa al depender excesivamente de
estas transferencias.
• Concentración: Se refiere a un índice de concentración de la rama industrial. Tal como
ya se ha discutido en otras secciones del estudio, podemos esperar que sea un
importante determinante del esfuerzo innovador, aun cuando se efecto en otros estudios
ha sido ambiguo.
• Inv_Ext: Es una variable binaria que expresa si existe participación extranjera en el
capital de la empresa. Es importante como un indicador potencial de la adopción y
transferencia de tecnología.
• Exporta: La participación o no en actividades de exportación (variable binaria) también
describe no sólo el tipo de competencia que enfrenta la empresa (exclusivamente
nacional o también extranjera), sino su apertura en cuanto a relaciones con otras
empresas y la oportunidades tecnológicas de la misma.
• Crédito: Es una variable binaria que indica si la empresa contó o no con créditos de
instituciones bancarias privadas para sus proyectos de innovación. Podemos esperar
que la disponibilidad de esta fuente de financiamiento afecte no sólo el monto de la
inversión en investigación y desarrollo, sino también la decisión de emprender o no el
proyecto de innovación.
• Apoyo_Gob: Nos proporciona información similar a la variable anterior, pero con una
fuente distinta de financiamiento, ya que es una variable binaria que indica si la
empresa tuvo algún apoyo gubernamental para el financiamiento del proyecto de
innovación.

29
 CIDECyT 06-01

• ISO_9: Determina si la empresa cuenta o no con la certificación de calidad ISO–9000.

Esta variable binaria constituye (al igual que las siguientes dos variables) un indicador
aproximado de las capacidades tecnológicas con las que cuenta la empresa.
• División_IyD: Variable binaria que indica si la empresa cuenta o no con una división o
área específica dedicada a actividades de investigación y desarrollo tecnológico.
• Asistencia: Determina si la empresa cuenta con contratos de asistencia técnica o
tecnológica con otras empresas, ya sean nacionales o extranjeras.
• Proveedor_Ext: Variable binaria que indica si la empresa cuenta con un proveedor
principal extranjero.
• Sector: Son variables binarias sectoriales que se incluyen para captar las diferencias en
oportunidades tecnológicas a nivel de industria en los sectores incluidos.

Ecuación 3:
Resultados de la innovación
Como ya habíamos advertido, hay una variedad de maneras de medir los productos de la
innovación. Por ello tenemos cuatro propuestas distintas sobre cómo medir los resultados de
la misma, como se explica a continuación.

Prod_Proc = β 0,3 + α Inversión + β 1,3 Empleados + β 2,3 Pers _ Inv + β 3,3Grupo +

β 4,3Concentración + β 5,3 Inv _ Ext + β 6,3 Exporta + β 7 ,3 ISO _ 9 +

n

∑
i= 8
β i ,3 Sector + ε 3

(3a)

• Prod_Proc: Es una medida de los resultados de la inversión en innovación. En este caso

se clasifica al tipo de innovación según se haya realizado en algún proceso productivo,
en algún producto de la empresa, o bien tanto en producto como en proceso. De esta
forma, esta variable toma uno de cuatro posibles valores, según se puede apreciar en la
Tabla 4.

Tabla 4.
Categorías de la variable Prod_Proc
Valor Clasificación

0 La empresa no innovó, no hubo resultados.

1 La empresa innovó en proceso únicamente.
2 La empresa innovó en producto únicamente.
3 La empresa innovó tanto en producto como en proceso.

30
 CIDECyT 06-01

Grad _ Radical = β 0,3 + α Inversión + β 1,3 Empleados + β 2,3 Pers _ Inv + β 3,3 Grupo +

β 4,3 Concentración + β 5,3 Inv _ Ext + β 6,3 Exporta + β 7 ,3 ISO _ 9 +

n

∑
i= 8
β i ,3 Sector + ε 3

(3b)

• Grad_Radical: En el segundo modelo el producto de la innovación se cataloga según el

grado de novedad del producto introducido al mercado, pudiendo ser una innovación
gradual o radical, por lo que puede tomar tres valores que se explican en la Tabla 5.

Tabla 5.
Categorías de la variable Grad_Radical
Valor Clasificación Significado

No hubo resultados de la innovación.

0 No innovó
1 Innovación gradual
2 Innovación radical
La empresa introdujo un producto nuevo para la
empresa o nuevo para el mercado nacional, pero
no nuevo a nivel mundial.
La empresa introdujo al mercado un producto
nuevo a nivel mundial.

Ventas _ Inn = β 0,3 + α Inversión + β 1,3 Empleados + β 2,3 Pers _ Inv + β 3,3 Grupo +

β 4,3 Concentración + β 5,3 Inv _ Ext + β 6,3 Exporta + β 7 ,3 ISO _ 9 +

n

∑
i= 8
β i ,3 Sector + ε 3

(3c)

• Ventas_Inn: En este caso cuantificamos el producto de la inversión en innovación como

el porcentaje de las ventas totales que provienen de productos innovados.

Patentes = β 0,3 + α Inversión + β 1,3 Empleados + β 2,3 Pers _ Inv + β 3,3 Grupo +

β 4, 3 Concentración + β 5,3 Inv _ Ext + β 6,3 Exporta + β 7 ,3 ISO _ 9 +

n

∑
i= 8
β i ,3 Sector + ε 3

(3d)

• Patentes: En el cuarto y último modelo los resultados de la inversión en innovación se

ven reflejados en el número de patentes que le fueron otorgadas a la empresa,
indistintamente de si éstas fueron otorgadas en México o en el extranjero. El número de

31
 CIDECyT 06-01

patentes otorgadas es normalizado por el número de trabajadores con el fin de obtener

una medida que sea comparable entre empresas.

En la Figura 11 se presenta un diagrama de la propuesta econométrica del modelo

integrado. Como se observa, todos los modelos constan de tres ecuaciones, y varían entre
ellos únicamente en lo que se refiere a la variable dependiente de la tercera ecuación: la
medida de los resultados de la innovación. Además, es factible agrupar los cuatro modelos
en dos clasificaciones básicas. Los primeros dos modelos, (3a) y (3b) tienen como variable
dependiente de la tercera ecuación una apreciación cualitativa del proceso innovador,
mientras que el segundo par de modelos, (3c) y (3d), mide los resultados de la innovación de
manera cuantitativa.

Variable Variables
Dependiente Independientes

Ecuación 1 Decisión de Innovar 1 Innova

Empleados
Pers_Inv
Ecuación 2 Insumos a la Innovación 2 Inversión
Grupo
Concentración
Ecuación 3 Productos de la Innovación
Inv_Ext
Exporta
Innovación en producto, proceso,
3a Prod_Proc Crédito
Medición o ambos
Apoyo_Gob
Cualitativa ISO_9
Innovación gradual o radical 3b Grad_Radical
División_IyD

Porcentaje de ventas provenientes Asistencia

de productos innovados 3c Ventas_Inn Proveedor_Ext
Medición
Sector
Cuantitativa Patentes por empleado otorgadas
3d Patentes
a la empresa

Figura 11.
Estructura del modelo econométrico integrado

5. Estimación econométrica
Una vez definido el sistema de ecuaciones que forman el modelo integrado que proponemos
para describir el proceso innovador, es imprescindible definir los métodos econométricos
que consideramos pertinentes en la estimación estadística del mismo. Por ello, a
continuación se detallan los métodos que proponemos, justificándolos y discutiendo sus
ventajas y posibles inconvenientes o alternativas.

Nuestro modelo estructural consta entonces de tres ecuaciones tal como se puede
observar a continuación, en donde la variable Resultados de la tercera ecuación representa
cuatro variables diferentes, como ya fue descrito en la sección precedente.

32
 CIDECyT 06-01

Innova = β 0,1 + β 1,1Empleados + β 2,1Pers _ Inv + β 3,1Grupo + β 4,1Concentración +

β 5,1Inv _ Ext + β 6,1Exporta + β 7 ,1Crédito + β 8,1 Apoyo _ Gob + β 9,1ISO _ 9 +

n
β 10,1División _ IyD + β 11,1 Asistencia + β 12,1Proveedor _ Ext + ∑
i = 13
β i ,1Sector + ε 1

(1)

Inversión = β 0, 2 + β 1, 2 Empleados + β 2, 2 Pers _ Inv + β 3, 2 Grupo + β 4, 2 Concentración +

β 5, 2 Inv _ Ext + β 6, 2 Exporta + β 7,2 Crédito + β 8, 2 Apoyo _ Gob + β 9, 2 ISO _ 9 +

n

∑
i = 10
β i , 2 Sector + ε 2

(2)

Resultados = β 0,3 + α Inversión + β 1,3 Empleados + β 2,3 Pers _ Inv + β 3,3Grupo +

β 4,3Concentración + β 5,3 Inv _ Ext + β 6,3 Exporta + β 7 ,3 ISO _ 9 +

n

∑
i= 8
β i ,3 Sector + ε 3

(3)

En cuanto a la estimación de las dos primeras ecuaciones (comunes a todos los

modelos), los distintos trabajos referenciados coinciden en que deben estimarse en una
misma etapa.19 Esto se debe a que estimándolos de manera conjunta se soluciona un posible
problema de sesgo de selección en la segunda ecuación.

El sesgo de selección que aparece en la segunda ecuación se explica por el siguiente

fenómeno. La ecuación de insumos a la innovación es una regresión simple que toma como
variable dependiente la inversión en innovación; esta variable, por obvias razones, toma
valores únicamente positivos. Dicha variable (Inversión) toma valores estrictamente
positivos si la empresa tomó la decisión de emprender proyectos de innovación, mientras que
toma el valor de cero si la empresa decidió no involucrarse en ese tipo de proyectos. De esta
forma, resulta imposible observar inversión negativa en innovación. Por otro lado, existen
razones para creer que todas las empresas querrán dedicar recursos a la innovación. Esto se
debe a que, hablando de manera generalizada, las empresas saben que innovar les da
mayores márgenes de ganancia, por lo que la tendencia será a querer innovar. Sin embargo,
existe un determinado costo fijo y relativamente elevado de emprender proyectos de
innovación, que en nuestro contexto se puede entender como el costo de oportunidad de
dichos recursos. Esto es lo que lleva a la existencia de empresas que deciden no involucrarse
en actividades de innovación. Para fines econométricos, estas empresas no han revelado la

19
Ver especialmente Lööf y Heshmati (2003), así como Crépon et al. (1998) y Benavente (2002).

33
 CIDECyT 06-01

cantidad de recursos que idealmente dedicarían para actividades de innovación, pues

decidieron no emprender proyectos con dicho fin. Las observaciones de empresas que no
tuvieron proyectos de innovación, es decir, que decidieron no innovar son las que reportan
una inversión en innovación igual a cero.

Este fenómeno provoca un sesgo de selección. Si estimamos la Ecuación 2 por sí sola

estaremos estimando el valor esperado de la inversión en innovación dadas las variables
explicativas; pero también, dada la decisión de innovar. Con esto, podemos afirmar que la
muestra para la segunda ecuación deja de ser aleatoria, surgiendo entonces un sesgo en la
estimación porque la muestra se seleccionó según el criterio de haber decidido innovar.20 La
estimación en esta situación no sería válida, entonces, para la población de empresas en su
conjunto.

Aquí nos encontramos frente a dos problemas econométricos. Por un lado, está la
cuestión de que sólo se observan valores positivos para la inversión en innovación. Esta
situación se podría resolver estimando un modelo tobit con datos censurados, o bien con una
regresión para datos truncados. Sin embargo, esto nos obligaría a dejar fuera del análisis a la
Ecuación 1, desperdiciando valiosa información sobre cómo se lleva a cabo la selección, es
decir, sobre el proceso de decidir involucrarse o no en proyectos de innovación. Esto le
restaría capacidad explicativa al modelo sobre qué variables afectan la decisión de innovar.
Para corregir el sesgo de selección que surge de nuestro modelo, decidimos recurrir al
procedimiento de corrección en el sesgo de Heckman, como lo proponen Lööf y Heshmati
(2003). Consideramos esta metodología adecuada ya que generaliza los modelos tobit y de
regresión truncada para hacer explícito el mecanismo que selecciona las observaciones que
se censuran y las que no.21 Creemos importante para nuestro análisis hacer este
procedimiento de selección explícito, por lo que a continuación presentamos una breve
explicación del modelo de selección de Heckman.

El modelo de Heckman consta de una estimación en dos etapas. En primer lugar,

toma una ecuación, que en nuestro caso será la Ecuación 1, para estimar la probabilidad de
que una observación esté incluida en la muestra de la segunda ecuación. En consecuencia, la
especificación para la Ecuación 1 es un modelo probit. Con esto se estima, además, un
término conocido como la razón inversa de Mill (inverse Mill’s ratio), que no es más que la
razón entre el valor de la función de densidad y el valor de la función de distribución del
error de la primera ecuación, evaluadas en el punto que indica la probabilidad de que se
incluya la observación en la segunda ecuación. Al incluir la razón inversa de Mill como
regresor en la segunda ecuación (que corresponde al segundo paso del procedimiento de
Heckman), se corrige el sesgo de selección. Esto se debe a que los coeficientes estimados
corresponden al efecto de las variables explicativas, absorbiendo por completo la parte
correspondiente al sesgo de selección el coeficiente de la razón inversa de Mill.

En resumen, el modelo de selección de Heckman consiste en la estimación de dos

ecuaciones: una ecuación de selección con especificación probit (que se estima por máxima
verosimilitud), seguida de la ecuación que deseamos estimar utilizando el método de
mínimos cuadrados ordinarios (MCO), utilizando el regresor adicional ya mencionado. Cabe
agregar que para poder estimar el modelo, éste debe estar identificado, por lo que tenemos
20
Hay quienes explican este fenómeno como un caso de variables omitidas, tal como Heckman
(1979) y Greene (2000). Esto es, de la estimación de la ecuación se están omitiendo variables que
tienen que ver con la decisión de innovar o no, por lo que el término del error no está centrado en
cero, ya que tiene cierta correlación con las variables que se están omitiendo.
21
Ver Long (1997).

34
 CIDECyT 06-01

que suponer que los errores del primer par de ecuaciones se distribuyen de manera normal
bivariada de la siguiente manera:

ε1   0  1 ρ σ ε 2  
  ~ N    ,  
2 
ε  0 ρ σ σ ε 2  
 2    ε 2

donde ρ es la correlación entre errores y tomamos como supuesto que la varianza de ε1 es

igual a uno. La estimación se realiza mediante el método de máxima verosimilitud, pues
resulta ser más económico en términos de cómputo; esto es, es más fácil la estimación con el
mismo grado de posibles contratiempos que el método original en dos etapas que propuso
Heckman (1979). La ventaja de utilizar este modelo para la estimación es que nos
proporciona estimadores consistentes y asintóticamente eficientes bajo las condiciones de
normalidad y homoscedasticidad de los errores.

Varios puntos merecen consideración adicional. En primer lugar, es posible la

presencia de heteroscedasticidad en los errores. Esto puede suceder porque tal vez los errores
de las ecuaciones no presenten todos la misma varianza debido a que ésta fluctúe entre
sectores industriales. Por ello, en nuestros resultados reportamos errores estándar robustos a
la heteroscedasticidad.

En segundo lugar, debemos mencionar que si bien corregimos por el sesgo que se
introduce en la estimación por cuestiones de selección, el modelo de Heckman estima la
segunda ecuación a través de la técnica de MCO. Sin embargo, nuestra variable dependiente
es un porcentaje (Inversión es la inversión en innovación como proporción de las ventas).
Utilizar MCO para estimar un porcentaje no resulta lo ideal pues introduce un sesgo en la
estimación. No obstante, el sesgo que se introduce es positivo en los parámetros a estimar.
Benavente (2002) compara ambas estimaciones obteniendo que pocos parámetros cambian
en magnitud, y ninguno en signo.

Por último, falta mencionar que para la estimación probit que describe la
probabilidad de estar incluido en la muestra de la segunda ecuación (es decir, para la
estimación de la Ecuación 1), necesitamos tener un número mayor de regresores que en la
propia Ecuación 2. Esto se debe a que de no ser este el caso (es decir, si los regresores para
ambas ecuaciones son los mismos) se puede tener un alto grado de colinearidad entre ambas
regresiones, haciendo inservible el modelo de selección. Esto implica que necesitamos por lo
menos una variable que afecte la probabilidad de estar en la muestra, pero que no afecte las
variables que se observan en la muestra. En nuestro caso, se refiere a variables que afecten la
decisión de innovar, pero que no afecten la cantidad de recursos que se dedican a innovar,
por lo que seleccionamos tres variables que creemos satisfacen este criterio.

En primer lugar está la variable División_IyD, que se refiere a la existencia o no de

una división de investigación y desarrollo en la empresa. Consideramos que la existencia de
la división no afecta directamente la cantidad de recursos destinados a innovar más allá de la
nómina del departamento, que sería equivalente a un nivel latente de gasto en innovación.
Sin embargo, sí afecta el involucramiento en este tipo de actividades por parte de la empresa,
ya que no se querrá mantener los recursos del departamento de manera ociosa dentro de la
misma. En segundo lugar está la variable Asistencia, la cual indica si la empresa tiene
contratos de asistencia técnica con otras empresas. Este tipo de contratos no obliga a las

35
 CIDECyT 06-01

empresas a dedicar cierta cantidad de recursos a la innovación, pero contar con dichos
contratos aumenta la probabilidad de que la empresa decida emprender actividades de
innovación. La tercer variable es Proveedor_Ext, que indica si la empresa cuenta o no con un
proveedor principal del extranjero. Esta variable se relaciona tenuemente con la cantidad de
recursos que se invierten para innovar, pero es muy probable que las empresas que cuentan
con un proveedor extranjero estén en mayor capacidad de involucrarse en proyectos de
innovación por tener mayor propensión a adoptar cambios innovadores en forma de
transferencias tecnológicas, como ya lo apuntamos en nuestro marco teórico.

En cuanto a la tercera ecuación, su estimación depende de la naturaleza de cada una

de las cuatro variables dependientes. Recordemos que en el primer caso tenemos como
variable dependiente Prod_Proc, que indica si las empresas no habían innovado, o si lo
había hecho sólo en proceso, sólo en producto o en ambos. Si bien podemos establecer cierta
jerarquía entre las categorías (sabemos que cualquier tipo de innovación es mejor que no
innovar, al igual que innovar en ambos rubros es mejor que sólo innovar en uno) que nos
permitiera aplicar un probit ordenado, no podemos dar un ordenamiento objetivo entre
innovar sólo en proceso o sólo en producto, por lo que consideramos que la especificación
más conveniente para la ecuación 3a es la de un logit multinomial.

En el modelo con la Ecuación 3b tenemos como medida del resultado de la

innovación una variable que indica si la innovación fue nula, gradual o radical. Estos
resultados sí son susceptibles de ser ordenados según una jerarquía objetiva: no innovar es
peor que innovar de manera gradual y ésta a su vez es inferior a la innovación radical.
Recordemos que el caso radical corresponde a introducir un nuevo producto a nivel mundial,
que es un grado mayor de innovación en comparación a sólo hacerlo a nivel del mercado
nacional o interno a la empresa (los rubros correspondientes a la innovación gradual). Por
ello, el método de estimación adecuado para esta ecuación es un probit ordenado.

La tercera variable utilizada para medir los resultados de la innovación es el

porcentaje de ventas que se atribuyen a productos innovados. El método que proponemos
para la estimación de esta ecuación es mínimos cuadrados ordinarios, a pesar de que la
variable se expresa como un porcentaje. Esto lo hacemos para guardar congruencia con la
estimación anterior de la Ecuación 2, donde el resultado también es un porcentaje y se utiliza
el mismo método. El inconveniente que surge de hacerlo así es el mismo que se notó con
anterioridad, el posible sesgo hacia arriba que traerán los coeficientes. Por último, si los
resultados se cuentan por el número de patentes otorgadas a la empresa (Ecuación 3d),
normalizado por el número de empleados, el método conveniente también es el de MCO. La
Tabla 6 presenta un resumen de los métodos de estimación que se utilizan para la tercera
ecuación del sistema en sus diferentes variantes.

En la estimación de la tercera ecuación juzgamos posible la existencia de cierto tipo

de endogeneidad. El problema surge al incluir como variable explicativa el monto de
inversión en innovación como proporción de las ventas, pues existe la posibilidad de que la
decisión sobre los montos de inversión esté relacionada con los resultados que se pueden
llegar a esperar del proyecto. Esto es, si se espera que el rendimiento del proyecto sea
inusualmente alto, sería factible pensar que se destinará un monto mayor a la inversión. Sin
embargo, el grado de incertidumbre sobre los posibles resultados del proyecto hace que las
empresas no determinen los montos dedicados a la inversión en base al retorno esperado sino
hasta las últimas fases del proceso de innovación, por lo que el problema de endogeneidad
por esta razón es mínimo (Dosi, 1988).

36
 CIDECyT 06-01

Tabla 6.
Métodos de estimación para la Ecuación 3 (resultados de la innovación)
Variable Método
Ecuación
Dependiente Econométrico
Logit Multinomial
3a Prod_Proc
Probit Ordenado
3b Grad_Radical
Mínimos Cuadrados Ordinarios
3c Ventas_Inn
Mínimos Cuadrados Ordinarios
3d Patentes

Potencialmente, la endogeneidad puede darse por otro canal debido a la naturaleza

dinámica del proceso innovador. Puede ser el caso que los montos de inversión en el periodo
que estamos considerando (1999–2000) estén determinados por los proyectos que viene
desarrollando la empresa desde años anteriores. Este problema se corregiría mediante el uso
de alguna variable instrumental pertinente; sin embargo consideramos que no existe ninguna
pregunta en la ENI cuya respuesta esté altamente correlacionada con la inversión en
innovación, pero que no lo esté con el término de error. Por ello, la solución parcial que
proponemos es incluir como regresor en la tercera ecuación la inversión estimada resultante
de la segunda ecuación. Agregamos también (como se hace para corregir por el sesgo de
selección y con el objetivo de permitir cierto grado de correlación entre los errores de las tres
ecuaciones) como regresor en la tercera ecuación la razón inversa de Mill. Esta es la mejor
solución que hemos encontrado a un problema que es probable que sea de importancia casi
nula.

6. Suposiciones y limitaciones
Dentro de nuestro marco conceptual, reflejado en el modelo econométrico que proponemos
existen ciertas limitaciones a las que nos enfrentamos cuando analizamos los resultados de
las estimaciones estadísticas. En primer lugar se encuentra el hecho de que contamos con
datos de la Encuesta Nacional de Innovación para un sólo año. Esto nos impide analizar de
manera sistemática la naturaleza dinámica del proceso de investigación y desarrollo, que en
la gran mayoría de los casos tiene un lapso de tiempo importante entre la decisión de
emprender actividades de innovación y la concreción de los resultados en nuevos procesos o
productos. Además, aún cuando existieran levantamientos de la encuesta en distintos cortes a
lo largo del tiempo, no hay elemento alguno que asegure la implementación de resultados en
fechas posteriores definidas, ya que la varianza de la celeridad con la que se desarrollan y
adoptan productos o procesos innovados es grande, tal como lo nota con especial énfasis
Van Leewen (2002).

Dicho lo anterior, habrá que esperar los resultados de futuras versiones de la ENI
para poder incorporar al análisis la dinámica intertemporal del proceso innovador. No
obstante, se debe mencionar que los resultados de la ENI 2001 toman en cuenta varias
preguntas diseñadas especialmente para incorporar información sobre el desarrollo
tecnológico de las empresas durante los años 1999 y 2000, por lo que si existe un pequeño
elemento intertemporal en los resultados de la ENI. A pesar de ello, este elemento es

37
 CIDECyT 06-01

insuficiente. En resumen, tal vez los recursos destinados a inversión en innovación

contabilizados en una encuesta no se traducirán en resultados sino hasta el levantamiento de
la siguiente.

Se presenta otro problema temporal relacionado con éste, y es que la historia

innovadora de las empresas no se está tomando en cuenta; es decir, puede ser que los años
que considera la encuesta hayan sido atípicamente buenos o malos para determinada empresa
en cuestiones de innovación, por lo que no se puede capturar el efecto de que las empresas,
de alguna manera, aprenden a innovar a lo largo del tiempo. Esto es, una vez que innovan,
encuentran más fácil innovar de nuevo.

En tercer lugar se encuentran los recursos no contabilizados como inversión en

innovación y que, a pesar de ello, podrían considerarse como tal. Existen empresas, en
especial las pequeñas y medianas, que regularmente incurren en gastos para actividades de
innovación, pero que no los contabilizan o consideran como tal. Esto se debe en gran medida
a que la investigación y desarrollo tecnológicos en este tipo de empresas se hace de manera
informal e intermitente. Estos gastos son difíciles de contabilizar ya que muchas veces son
subproductos del proceso mismo de producción; es decir, son resultado del aprendizaje sobre
la marcha (learning-by-doing) de utilizar nuevas máquinas o adecuar insumos al proceso.
Este tipo de innovación puede ser muy relevante, y cobra aún mayor importancia en países
en vías de desarrollo, donde la adopción de tecnologías y la importación de equipo
provenientes del exterior incentivan este tipo de gastos informales en investigación.

Por último, se reconoce que el proceso de innovación presenta un importante

elemento regional, de forma que la introducción de variables que caractericen el entorno
geográfico de la empresa proporcionaría mayores elementos para estudiar los determinantes
de la innovación. Sin embargo, por razones de confidencialidad, la base de datos de la ENI
no cuenta con ninguna variable que designe la entidad en la cual se encuentra la empresa
encuestada. Por esta razón, el elemento regional se encuentra ausente de este análisis.

7. Resultados
Los resultados obtenidos de la estimación econométrica del modelo propuesto en la sección
4.2 muestran detalles interesantes. La evaluación simultánea de las primeras dos ecuaciones,
a través del método de selección de Heckman, arroja los resultados que se muestran en la
Tabla 7. En ésta se especifica si se tomó en cuenta la concentración como variable
independiente o no, pues sólo se tienen observaciones de esta variable para las ramas de la
industria que pertenecen al sector manufacturero. Por ello, en las columnas correspondientes
a la estimación con los índices de concentración no aparecen resultados para las variables
que se refieren al sector de la minería metálica y no metálica (el sector 1 según la
clasificación que utilizamos) y al sector de la construcción (el 9 de la misma clasificación).
Hay que hacer notar, además, que al introducir las variables dummy por sectores, se excluye
la correspondiente al sector 4 para utilizarlo como sector base. De esta forma, los
coeficientes obtenidos para los sectores deberán interpretarse con respecto a éste.

Comenzamos con la discusión de las estimaciones obtenidas para la Ecuación 1. Los

coeficientes estimados que se observan en la Tabla 7 indican que el tamaño de la empresa,
medido por el número de empleados está asociado positivamente con la probabilidad de
innovar. Este resultado era de esperarse y el coeficiente es estadísticamente significativo. Sin
embargo, la dimensión de dicho efecto es muy pequeña, pues el incremento en la
probabilidad de innovar asociado a un aumento de 100 empleados es marginal. En claro

38
 CIDECyT 06-01

contraste, la cantidad de personas que se dedican a actividades de investigación y desarrollo

dentro de la empresa, además de tener el signo positivo y ser igualmente significativo, tiene
una magnitud mayor.

Hay dos resultados que, a primera vista, pueden resultar paradójicos; pues tanto
formar parte de un grupo como contar con capital extranjero dentro de la empresa presentan
un signo negativo. Originalmente consideramos que formar parte de un grupo incrementaría
la propensión de las empresas a involucrarse en actividades de innovación porque sería más
fácil aprovechar las posibles economías a escala en la investigación y desarrollo, así como
facilitar la comunicación interna entre los departamentos de ventas, mercadeo y desarrollo de
nuevos productos. Lo mismo sucedería con la presencia de inversión extranjera, pues al estar
una empresa en contacto con el exterior a través de este mecanismo se incrementarían sus
oportunidades tecnológicas.

Sin embargo, existen varias explicaciones para este signo. En el caso de la

pertenencia a un grupo de compañías, posiblemente se están formando redes de proyectos de
mejoras tecnológicas fuera de las empresas, o bien el desarrollo de actividades de innovación
trasciende la esfera de las empresas y depende, cada vez más, de redes de laboratorios
pequeños entre empresas. En este sentido, puede ser que las empresas que forman parte de
un grupo obtengan los productos o procesos innovados de otras empresas del mismo grupo,
o bien que las divisiones de investigación no formen parte de las empresas, sino que estén
conformadas aparte, dentro del grupo. En cuanto a la inversión extranjera nuestra hipótesis
es que la razón principal por la que obtuvimos resultados que contradicen a los esperados es
que la transferencia de tecnologías se está haciendo a través de la importación de maquinaria
y equipo que llevan los cambios tecnológicos ya incorporados. En nuestro marco teórico de
referencia llamamos a este tipo de transferencia la adquisición de tecnología incorporada
(embodied technology).

Es importante mencionar que incluso se duplica el efecto negativo de la inversión

foránea cuando se incorpora como regresor al índice de concentración de la rama de
actividad económica. Esto puede ser el efecto estadístico de eliminar observaciones de los
sectores 1 y 9 (minería y construcción, respectivamente), pues en el caso del sector minero
sólo el 10 por ciento de las empresas cuentan con capital extranjero, mientras que el mismo
dato para la muestra es de 22 por ciento. Al eliminar dichas observaciones es posible que se
esté simplemente magnificando las estimaciones para la correlación entre la variable de
capital extranjero sobre la probabilidad de emprender acciones de innovación tecnológica.

En lo referente a los demás resultados, se puede observar que estar involucrado en

actividades de exportación está relacionado estadísticamente con una mayor propensión a
emprender proyectos innovadores, al igual que contar con créditos y/o apoyos del gobierno.
Los tres efectos son estadísticamente significativos al 1 por ciento, resaltando la magnitud de
los coeficientes en las variables referentes a contar con apoyos del gobierno y contar con
créditos bancarios privados. Esto, de alguna manera, confirma la opinión de los encuestados
expuesta en la Figura 6, donde se expresa que entre los obstáculos más grandes a la
innovación se encuentran los costos elevados y la falta de financiamiento, así como la falta
de apoyos públicos. Contar con estos dos factores está relacionado de manera importante la
decisión de involucrarse en actividades de innovación.

Antes de revisar los resultados derivados de las variables sectoriales cabe mencionar
un último punto. Casi todos los coeficientes para las variables independientes no sectoriales
son estadísticamente significativos al nivel del 1 por ciento. Una de las excepciones es contar

39
 CIDECyT 06-01

con un proveedor extranjero. Con respecto a esta variable, consideramos que ésta sería
determinante en la selección de Heckman; es decir, resultaría importante en discriminar entre
aquéllas empresas que deciden no innovar y las que toman la decisión de hacerlo. Sobre la
selección, a pesar del último comentario, amerita recalcar que las otras dos características
que pensamos importantes para el mismo procedimiento (contar con una división de
investigación y desarrollo, así como tener contratos de asistencia técnica), resultaron tener el
signo esperado y nivel de significancia estadística al 1 por ciento (además de ser robustas a
la inclusión de la concentración). En este sentido, su magnitud tampoco es despreciable.

En lo que se refiere a los sectores es interesante observar que, comparados con el

sector 4 (industria de la madera y del papel), el dedicado a la industria de alimentos y
bebidas es más dinámico en cuanto a involucrarse en proyectos, mientras que el sector textil
y del vestido, así como la industria metálica son menos propensos a emprenderlos. Dos
resultados inesperados son los correspondientes a los del sector químico y de maquinaria (los
sectores con el mayor dinamismo tecnológico), pues aunque inicialmente son positivos no
resultan ser significativos; además, una vez que se incluye la variable de concentración,
cambian de signo y se tornan significativos.

Pasando al análisis de los resultados de la Ecuación 2, en oposición a la dirección en

que están relacionadas la decisión de involucrarse en proyectos de innovación o no, parece
ser que el tamaño de la compañía tiene una relación negativa con la cantidad de recursos que
se invierten en dichos proyectos (como proporción de las ventas totales). Sin embargo, la
magnitud de este efecto, al igual que sobre la decisión de innovar o no, es muy pequeña. De
hecho, un aumento en el número de empleados de 100 individuos, sólo estaría asociado a un
incremento de 0.03 por ciento en el porcentaje de las ventas que se dedican a la innovación.
La cantidad de trabajadores dedicada a actividades de IyD también presenta un efecto
negativo sobre el monto de la inversión, aunque pierde significancia estadística al introducir
la variable de concentración.

Nuevamente, pertenecer a un grupo empresarial también está asociado de manera

negativa a los recursos dedicados a innovación. Hay dos posibles explicaciones: o bien los
grupos empresariales son menos innovadores, o bien tienen una estructura de desarrollo
tecnológico tal que impide captarla estadísticamente al nivel de empresas con la información
disponible y el método propuesto.

Al igual que con la primera ecuación, el efecto de contar con capital extranjero
resulta negativo. La variable que denota actividades de exportación también es negativa pero
no es estadísticamente significativa. Una derivación lógica importante de los coeficientes
estimados para las variables de apoyos gubernamentales y créditos privados es que, si bien
se asocian de manera positiva con la probabilidad de que la compañía se involucre en
proyectos de innovación, contar con éstos tiene una relación negativa con el monto de la
inversión en dichos proyectos. El efecto de contar con la certificación ISO–9000 es positivo
sobre el monto de la inversión en innovación, aun cuando sólo cobra significancia cuando se
incluye la variable sobre concentración.

En el plano sectorial, sorprende que todos los coeficientes tienen signos negativos; es
decir, invierten un menor porcentaje de sus ventas en investigación y desarrollo comparados
con la industria de madera y papel (sector 4). Hay que matizar, sin embargo, esta afirmación,
pues los niveles de significancia estadística de los resultados varían.

40
 CIDECyT 06-01

Podemos concluir el análisis de la Ecuación 2 con un par de comentarios generales.

En primer lugar, hay varios resultados que son ambiguos; en este rubro podemos encontrar
características como la cantidad de personal de investigación y ser exportador. Además de
esto, las dimensiones de los resultados no son considerables con excepción de las referentes
al crédito y algunas variables sectoriales, por lo que parece haber poco sustento de que las
decisiones de innovar y los montos de inversión se tomen de manera separada. Esto es, cabe
la posibilidad de que los recursos destinados a la innovación se presupuesten de manera
distinta. Dosi (1988) incluso llega a sugerir que muchas veces se opera con reglas del tipo:
“todos los años se debe dedicar el X por ciento de las ventas a la innovación, en las
proporciones Y y Z para la básica y la avanzada” debido a lo que llamamos incertidumbre
fuerte del proceso innovador. Con esto se puede entender que las dimensiones de los
coeficientes sean relativamente pequeñas.

41
 CIDECyT 06-01

Tabla 7.
Resultados de la estimación de las ecuaciones 1 y 2 del modelo integrado
Innova Inversión
Variable
Sin Con Sin Con
Explicativa
Concentración Concentración Concentración Concentración
0.0002 ** 0.0002 ** -0.0003 ** -0.0003 **
Empleados
(3.74) (3.87) (-3.96) (-4.04)
0.23 ** 0.23 ** -.11 ** -0.08
Pers_Inv
(10.66) (10.12) (-2.58) (-1.88)
-0.32 ** -0.28 ** -0.22 -0.25
Grupo
(-7.28) (-6.23) (-1.41) (-1.56)
-0.08 -0.16 ** -0.43 * -0.45 *
Inv_Ext
(-1.45) (-2.74) (-2.00) (-1.94)
0.20 ** 0.15 ** -0.08 -0.05
Exporta
(5.71) (4.10) (-0.54) (-0.39)
3.55 ** 3.51 ** -1.27 ** -1.23 **
Crédito
(9.78) (9.17) (-6.06) (-5.73)
7.72 ** 7.81 ** -0.82 -0.93 *
Apoyo_Gob
(39.98) (39.10) (-1.88) (-2.13)
0.08 0.04 0.29 0.42 *
ISO_9
(1.67) (0.73) (1.65) (2.34)
0.01 ** 0.0009
Concentración
(10.55) (0.17)
0.72** 0.72 **
División_IyD
(12.22) (12.05)
0.24 ** 0.28 **
Asistencia
(4.06) (4.72)
0.01 -0.01
Proveedor_Ext
(0.29) (-0.26)
-0.06 -0.33
Minería (1)
(-0.49) (-0.68)
0.47 ** 0.16 * -0.36 -0.43
Alimentos (2)
(7.77) (2.39) (-1.27) (-1.41)
-0.09 -0.14 * -0.65 * -0.67 *
Textil y Vestido (3)
(-1.56) (-2.35) (-2.27) (-2.35)
0.03 -0.19 ** -0.96 ** -0.99 **
Química (5)
(0.41) (-2.77) (-3.39) (-3.28)
Minerales no
-0.30 ** -0.63 ** -1.02 ** -1.10 **
metálicos e industria
(-3.17) (-6.26) (-2.78) (-2.83)
metálica (6)
Maquinaria y equipo 0.12* -0.16 * -1.35 ** -1.41 **
(7) (1.94) (-2.37) (-4.93) (-4.74)
0.37* 0.05 -1.20 * -1.30 *
Otras Industrias (8)
(2.54) (0.36) (-2.29) (-2.39)
-0.56 -1.65 **
Construcción (9)
(-1.52) (-3.21)
-1.04** -1.30 ** 5.05 ** 4.95 **
Constante
(20.80) (-23.15) (13.41) (11.74)

Observaciones 8,250 8,023 2,332 2,269

χ2 142.52** 128.79** 142.52** 128.79**
*- coeficiente significativo al 5%; ** - coeficiente significativo al 1%.
Estadísticas z entre paréntesis.

42
 CIDECyT 06-01

En cuanto a los productos de los proyectos de desarrollo tecnológico, recordemos que

nuestra propuesta fue medirlos de varias formas alternativas; la primera de ellas es la
Ecuación 3a, que hace la distinción entre innovación en productos y procesos. En la Tabla 8
se pueden apreciar los resultados de las estimaciones cuando los resultados se miden como
innovación en producto, en proceso o en ambas. Se utiliza como categoría de comparación
en este modelo logit multinomial la innovación en proceso.

El primer resultado importante es que la inversión que se dedica a los proyectos de

innovación está relacionada positiva y significativamente con la obtención de resultados en
todas las categorías. Esto es, a mayor cantidad de recursos dedicados a la investigación y
desarrollo se hace más probable la innovación en productos o en ambas, en comparación con
la innovación en proceso únicamente. También es interesante observar que la magnitud de
estos coeficientes disminuye si se toma en cuenta la concentración del mercado para esa
rama de la industria. El resultado concuerda con el hallazgo de que dicha característica se
relaciona de manera inversa con la probabilidad de innovar en las categorías de proceso y
producto. El resultado no sólo tiene el signo adecuado, sino que es significativo a pesar de
que su magnitud no es demasiado importante. Esto es, mientras más concentrado esté el
mercado se espera que las empresas sean menos propensas a innovar en productos o en
ambas categorías, en comparación con el desarrollo de procesos industriales nuevos
exclusivamente.

El tamaño de la empresa, medido como el número de empleados, tiene escasa

relación estadística con el desempeño tecnológico de las empresas. Mas allá de que el signo
del coeficiente no es robusto a la inclusión de la variable de concentración, éste carece de
significancia estadística y su magnitud es poco importante. En lo referente al número de
empleados que se dedican a actividades de investigación y desarrollo, cabe notar que sólo
tienen efectos positivos al comparar la categoría de innovación únicamente en procesos con
la probabilidad de dar el salto a introducir tanto nuevos procesos como nuevos productos.

Hay dos explicaciones que expusimos en el análisis de las estimaciones para las
Ecuaciones 1 y 2 que comienzan a confirmarse cuando se observan los cálculos para los
productos de la innovación. La característica de las compañías de pertenecer a un grupo
empresarial de nuevo es negativa para todas las mediciones, aunque resalta que en ninguno
de estos casos es significativo. Asimismo, la inversión extranjera dentro de la empresa está
relacionada con un aumento importante en la probabilidad de innovar en ambos rubros de
innovación en producto y proceso, tanto en magnitud como en relevancia estadística. Este
resultado es bastante robusto a la inclusión de la variable de concentración.

En contraste con la claridad de los resultados anteriores, el hecho de que una empresa
exporte sus productos está relacionado de manera negativa con los resultados de la
innovación en producto o en ambos rubros. Además, contar con la certificación ISO–9000
empieza a indicar los resultados que esperamos con base en el marco teórico, pues por
primera vez cobra importancia estadística, aunque lo hace sólo para la innovación tanto en
producto como en proceso. Por lo demás, las características sectoriales nos dan indicios más
parecidos a las tendencias esperadas. Parece ser que la industria de alimentos y bebidas es
más innovadora que la de madera y papel, aunque cambia de signo si omitimos la
concentración del mercado. Por lo que respecta al sector químico, la industria metálica, y la
de maquinaria y equipo son claramente más propensos a tener mejores resultados de la
inversión en innovación.

43
 CIDECyT 06-01

Tabla 8.
Resultados de la estimación de la ecuación 3a del modelo integrado
Innovación en Innovación en
Variable
producto únicamente proceso y producto
Explicativa
Sin Concentración Con Concentración Sin Concentración Con Concentración
Inversión 1.22 ** 0.78 * 1.04 ** 0.70 *
estimada (3.82) (2.25) (3.37) (2.13)
0.000004 -0.00007 0.0004 0.0003
Empleados
(0.02) (-0.32) (1.58) (1.23)
0.08 0.01 0.15 ** 0.11 *
Pers_Inv
(1.44) (0.18) (2.85) (1.95)
-0.11 -0.26 -0.43 -0.32
Grupo
(-0.51) (-1.09) (-1.83) (-1.28)
0.98 ** 0.91 ** 1.53 ** 1.36 **
Inv_Ext
(3.32) (2.78) (5.00) (4.00)
-0.55 ** -0.49 ** -0.38 ** -0.22
Exporta
(-3.35) (-2.97) (-2.45) (-1.47)
-0.18 -0.12 0.47 * 0.53 *
ISO_9
(-0.83) (-0.49) (2.23) (2.17)
-0.03 ** -0.04 **
Concentración
(-3.96) (-5.62)
0.60 -0.60
Minería (1)
(1.41) (-1.39)
1.04 ** 1.67 ** -0.16 0.75 *
Alimentos (2)
(4.23) (5.30) (-0.65) (2.40)
Textil y Vestido 0.63 0.50 0.69 * 0.71 *
(3) (1.85) (1.32) (2.16) (1.96)
4.12 ** 4.17 ** 2.80 ** 3.13 **
Química (5)
(8.78) (7.49) (5.97) (5.67)
Minerales no
metálicos e 2.69 ** 2.97 ** 1.20 * 1.87 **
industria metálica (5.09) (4.40) (2.13) (2.67)
(6)
Maquinaria y 3.31 ** 3.37 ** 2.07 ** 2.46 **
equipo (7) (6.70) (5.45) (4.22) (4.04)
Otras Industrias 3.57 ** 3.80 ** 2.86 ** 3.41 **
(8) (3.74) (3.73) (3.13) (3.50)
4.06 * -26.75 **
Construcción (9)
(2.15) (-13.63)
-4.14 ** -1.80 -2.25 * -0.17
Constante
(-3.41) (-1.42) (-1.90) (-0.13)

Observaciones 2,332 2,269 2,332 2,269

χ2 3,209.65 ** 455.16 ** 3,209.65 ** 455.16 **
Pseudo R2 0.14 0.15 0.14 0.15
*- coeficiente significativo al 5%
** - coeficiente significativo al 1%
Estadísticas z entre paréntesis.
La categoría de comparación es innovación en proceso únicamente.

44
 CIDECyT 06-01

Al medir los resultados de la innovación por su grado de novedad, las estimaciones

utilizando el modelo de probit ordenado producen los resultados que se muestran en la Tabla
9. Nuevamente, la relación entre el monto de la inversión que se dedica a los proyectos de
desarrollo tecnológico y sus resultados son importantes en magnitud y relevancia
estadísticas: mientras mayores sean los recursos dedicados al proyecto, se puede esperar que
sea es más probable que éste tenga un resultado con mayor grado de novedad.

En el caso del número de empleados, el efecto parece ser positivo pero los
coeficientes no alcanzan niveles convencionales de importancia estadística. En cambio, ser
parte de un grupo industrial está relacionado negativamente con la probabilidad de introducir
productos más novedosos. Con este resultado, se refuerza la hipótesis de que los grupos son
menos propensos a la innovación por razones que ya han sido expuestas anteriormente.
También comienza a fortalecerse la hipótesis de la manera en que se realiza directamente la
transferencia de tecnología en las empresas que tienen inversión extranjera, pues nuevamente
esta variable presenta un coeficiente positivo y significativo. De hecho, esta variable
presenta el coeficiente más grande de todos los estimados para calcular la propensión de
introducir productos novedosos.

El resultado para las empresas exportadoras contradice al resultado planteado por la

estimación de la Ecuación 3a, pero coincide con la teoría que planteamos. Es decir, las
empresas exportadoras son más propensas a ser también innovadoras y, además, es mayor el
grado de novedad de los productos introducidos al mercado. El mismo resultado presenta el
hecho de que la compañía cuente con la certificación ISO–9000. En concordancia con las
estimaciones de la Ecuación 3a, la concentración presenta signo negativo y un nivel de
significancia estadística aceptable.

De acuerdo a los resultados, todos los sectores son más propensos a grados más
radicales de innovación, al compararlos con el sector de la madera y el papel. Todos los
coeficientes de las variables dummy sectoriales son positivos, variando sólo el nivel de
relevancia estadística que presentan. Los que son claramente más innovadores son el de
alimentos y bebidas, así como los de química, industria metálica y maquinaria y equipo.

45
 CIDECyT 06-01

Tabla 9.
Resultados de la estimación de la ecuación 3b del modelo integrado
Grad_Radical
Variable Explicativa
Sin Concentración Con Concentración

0.31 ** 0.21 *
Inversión estimada
(3.10) (2.13)
0.0001 0.00009
Empleados
(1.81) (1.57)
-0.02 -0.03
Pers_Inv
(-1.76) (-1.85)
-0.34 ** -0.27 **
Grupo
(-4.03) (-3.10)
1.08 ** 0.96 **
Inv_Ext
(9.15) (7.85)
0.19 ** 0.21 **
Exporta
(3.22) (3.56)
0.33 ** 0.33 **
ISO_9
(4.13) (3.83)
-0.005 *
Concentración
(-2.03)
0.07
Minería (1)
(0.35)
0.31 ** 0.41 **
Alimentos (2)
(2.86) (3.31)
0.21 0.17
Textil y Vestido (3)
(1.57) (1.26)
0.86 ** 0.86 **
Química (5)
(5.64) (5.29)
Minerales no metálicos e 0.86 ** 0.87 **
industria metálica (6) (3.68) (3.48)
1.03 ** 1.01 **
Maquinaria y equipo (7)
(5.92) (5.47)
1.50 ** 1.52 **
Otras Industrias (8)
(5.83) (5.66)
1.69
Construcción (9)
(1.42)

Corte 1 0.20 -0.31

Corte 2 2.45 1.96

Observaciones 2,332 2,269

χ2 474.95 ** 471.22 **
Pseudo R2 0.17 0.17
*- coeficiente significativo al 5%
** - coeficiente significativo al 1%
Estadísticas z entre paréntesis.

46
 CIDECyT 06-01

Los resultados para las Ecuaciones 3c y 3d, que se muestran en la Tabla 10,
confirman mucho de lo hasta aquí expuesto en el análisis de resultados. Por ejemplo, la
inversión estimada tiene una relación positiva y significativa sobre las patentes por
empleado. El resultado de la inversión estimada para el caso de las ventas innovadoras es
negativo, pero sólo resulta significativo para el caso de la evaluación que incluye la variable
de concentración.

El tamaño, medido como número de empleados, de nuevo confirma las conclusiones

ya adelantadas anteriormente respecto al efecto nulo que tiene sobre los resultados de los
esfuerzos tecnológicos de las empresas; el coeficiente negativo se torna significativo sólo
cuando se incluye como regresor a la concentración. Con respecto al efecto del personal de
investigación, los resultados son positivos y significativos, sólo cabe mencionar que en el
caso de las patentes los coeficientes son de magnitud muy pequeña.

Hay dos resultados que, a pesar de que confirman lo ya analizado con anterioridad,
sorprenden por la dimensión de su coeficiente. En primer lugar está la presencia de inversión
extranjera en la empresa, que se asocia con un incremento, en promedio, de 6.5 por ciento en
las ventas que se atribuyen a los productos innovados. Para las patentes la magnitud del
coeficiente no es despreciable, pues hay que mantener presente el hecho de que las
dimensiones de esta variable son muy pequeñas. De hecho, el coeficiente es incluso mayor al
correspondiente a la inversión estimada. Aparte de esto, pertenecer a un grupo está
negativamente asociado con el porcentaje de las ventas provenientes de productos
innovadores, y tiene un efecto minúsculo sobre las patentes por empleado sin alcanzar
niveles de significancia estadística en el último caso.

Las estimaciones referentes a la actividad exportadora, aun cuando reportan efectos

positivos en la mayoría de los casos, no presentan coeficientes estadísticamente
significativos. La concentración, a pesar de que son pequeños los coeficientes asociados a
ella, está relacionada de manera negativa y significativa con los resultados de la innovación.
La variable referente a contar con el certificado ISO–9000 no presenta un comportamiento
uniforme, pues despliega un efecto positivo para el caso de ventas innovadoras y uno
negativo para el número de patentes por empleado. Aun así, los coeficientes sólo son
significativos en las estimaciones que incluyen la concentración.

En los resultados sectoriales, es de mencionar que el sector minero y la industria

metálica, así como la construcción, son tres sectores donde la baja de ventas innovadoras en
relación con el sector maderero es considerable En el caso de las industrias minera y
metálica (sectores 1 y 6, respectivamente), esto se explica porque son más propensas a la
innovación de proceso y no de producto. Los mejores resultados se aprecian en la industria
de maquinaria y equipo, así como en el sector “otras industrias”, en donde los coeficientes
son positivos y significativos para el caso de ventas innovadoras respecto del total. Cabe
destacar que la mayoría de los coeficientes sectoriales se vuelven irrelevantes
estadísticamente cuando se toma como medida de resultados de la innovación el número de
patentes por empleado. De hecho, los únicos sectores que mantienen los resultados de
manera consistente en las Ecuaciones 3c y 3d son los de minería y el de alimentos y bebidas.

47
 CIDECyT 06-01

Tabla 10.
Resultados de la estimación de las ecuaciones 3c y 3d del modelo integrado
Ventas Innovadoras Patentes por empleado
Variable
Sin Con Sin
Explicativa Con Concentración
Concentración Concentración Concentración
Inversión -2.79 -4.87 * 0.004 ** 0.004 **
estimada (-1.39) (-2.44) (3.85) (3.96)
-0.001 -0.002 * -0.0000001 -0.0000001
Empleados
(-1.22) (-2.13) (-0.44) (-0.32)
0.95 ** 0.96 ** 0.0002 ** 0.0001
Pers_Inv
(2.76) (2.63) (2.46) (1.66)
-6.23 ** -6.33 ** 0.0005 0.0005
Grupo
(-3.92) (-3.92) (1.25) (1.02)
6.53 ** 6.57 ** 0.005 ** 0.005 **
Inv_Ext
(3.83) (3.70) (5.61) (5.45)
-0.19 0.69 0.0004 0.0004
Exporta
(-0.16) (0.57) (0.71) (0.78)
2.17 4.03 ** -0.001 -0.002 *
ISO_9
(1.47) (2.49) (-1.70) (1.96)
-0.19 ** -0.00004 *
Concentración
(-4.54) (2.14)
-6.02 * -0.006 **
Minería (1)
(-2.12) (-4.89)
-5.81 ** -1.06 -0.006 ** -0.005 **
Alimentos (2)
(-2.80) (-0.46) (-4.95) (-3.74)
Textil y Vestido 1.59 1.55 -0.003 ** -0.002 *
(3) (0.58) (0.55) (-2.60) (-2.23)
-1.13 0.29 -0.0006 0.0002
Química (5)
(-0.38) (0.09) (-0.38) (0.10)
Minerales no
metálicos e -7.30 * -4.65 -0.0009 0.0005
industria metálica (-2.07) (-1.17) (-0.85) (0.31)
(6)
Maquinaria y 7.91 * 9.05 * 0.0009 0.002
equipo (7) (2.27) (2.37) (0.76) (1.32)
Otras Industrias 8.95 10.84 * -0.002 -0.0006
(8) (1.79) (2.04) (-1.44) (-0.38)
-13.79 ** 0.002
Construcción (9)
(-2.51) (1.07)
34.56 ** 45.70 ** -0.009 ** -0.008 **
Constante
(4.44) (5.97) (-2.87) (-2.99)

Observaciones 2,027 1,975 2,330 2,267

F 25.71 ** 29.20 ** 5.32 ** 5.25 **
R2 0.17 0.17 0.06 0.06
*- coeficiente significativo al 5%
** - coeficiente significativo al 1%
Estadísticas t entre paréntesis.

48
 CIDECyT 06-01

8. Calculando un Índice de Capacidades Tecnológicas

Para finalizar, en esta sección obtendremos una visión general de las capacidades
tecnológicas del sector manufacturero mexicano a través de la construcción de un índice que
las aproxime.

Con el fin de estimar las capacidades tecnológicas de una empresa definimos a

continuación un Índice de Capacidades Tecnológicas (ICT) en base a los datos contenidos
en la Encuesta Nacional de Innovación.22 Para la construcción del índice se seleccionaron 19
rasgos que reflejan de una forma u otra la presencia y fortaleza de tales capacidades. A cada
una de estas variables se le asignó un punto, de tal forma que las empresas que formaron
parte de la muestra de la encuesta recibió una calificación en el rango de 0 (capacidades
tecnológicas prácticamente nulas) a 19 (máximo nivel de capacidades tecnológicas).

Debe admitirse que esta es una aproximación para estimar tales capacidades, ya que
se está asignando a priori una importancia igual a todos los factores incluidos, cuando este
no necesariamente es el caso (es decir, algunos factores pueden ser más relevantes que
otros). Además, se presenta el problema de la temporalidad. La ENI recopila datos sobre las
actividades de las empresas para el periodo 1999-2000, por lo que resulta factible la
existencia de casos de empresas que tradicionalmente han tenido un buen desempeño
innovador, pero que por alguna circunstancia coyuntural este no haya sido el caso durante el
periodo de estudio y reciban una baja calificación en el cálculo del ICT.

Teniendo estas consideraciones en mente, las 19 variables incluidas en el cálculo del

ICT se muestran en la Tabla 11. Como se observa, dichas variables se encuentra agrupadas
en categorías que describen diversas facetas del proceso de construcción de capacidades
tecnológicas internas a la empresa.

Con el fin de analizar la importancia de algunos determinantes sobre el ICT de las

empresas, se evalúa el siguiente modelo:

ICT = β 0 + β 1 Empleados + β 2 Grupo + β 3 Concentración + β 4 Inv _ Ext + β 5 Exporta +

n
β 6 ISO _ 9 + β 7 Pr oveedor _ Ext + ∑
i= 8
β i Sector + ε

(4)

En donde el significado de las variables independientes es el mismo que ha sido

discutido en otras partes del documento.

22
Domínguez y Brown (2004) analizaron recientemente la medición de las capacidades tecnológicas
en la industria mexicana, aunque no utilizan los datos de la ENI, sino de la Encuesta Nacional de
Empleo, Salarios, Tecnología y Capacitación (ENESTYC).

49

Tabla 11.
Variables que constituyen el Índice de Capacidades Tecnológicas
Variable Comentarios
• La empresa tiene contratos de asistencia
tecnológica con empresas nacionales o
extranjeras en la actualidad.
• La empresa realizó actividades de investigación
y desarrollo durante el año 2000.
• La empresa trabajó en al menos un proyecto de
innovación en el periodo 1999-2000.
• La empresa introdujo al mercado un producto
nuevo o mejorado.
• La empresa introdujo al mercado un proceso
nuevo o mejorado.
• La empresa desarrolló el producto por sí misma
o en colaboración.
• La empresa desarrolló el proceso por sí misma o
en colaboración.
• La empresa introdujo un producto nuevo a nivel
nacional.
• La empresa introdujo un producto nuevo a nivel
internacional.
• La empresa solicitó al menos una patente.
• A la empresa se le otorgó al menos una patente.
• La empresa cuenta con un departamento
técnico.
• La empresa cuenta con una unidad de
ingeniería.
• La empresa cuenta con una unidad de
investigación y desarrollo.
• Al comprar tecnología (licencias sobre productos
o procesos, maquinaria y equipo), la empresa la
asimila al documentar lo relacionado al
producto, proceso, maquinaria o equipo.
• La empresa adapta y modifica la tecnología
(licencias sobre productos o procesos,
maquinaria y equipo) adquirida con la finalidad
de establecer mayores niveles de eficiencia en
la producción.
CIDECyT 06-01
Variables que indican la realización de actividades de
desarrollo tecnológico.
Estas variables reflejan la introducción de
innovaciones durante el periodo 1999-2000 y las
fuentes de las mismas. Se otorga un punto si la
empresa desarrolló el producto o proceso nuevo por
sí misma o en colaboración con institutos de
investigación, universidades, u otras empresas (es
decir, no contrató la elaboración del mismo sin
involucrarse en el proceso).
Refleja el grado de novedad de las innovaciones
introducidas durante 1999-2000 (no se otorgan
puntos si la innovación es nueva sólo para la
empresa).
Variables que reflejan la actividad con respecto a la
solicitud y otorgamiento de patentes durante 1999-
2000, ya sea en México o en el extranjero.
Estas variables reflejan la organización interna de la
empresa existente en el año 2000 y la importancia
que en la misma se le otorga al desarrollo
tecnológico.
Este grupo de variables captura las actividades
tecnológicas usuales de la empresa (aquellas a las
cuales se dio la contestación siempre, casi siempre o
con frecuencia en el cuestionario de la encuesta) que
pueden no verse reflejadas en los datos para 1999 y
2000.
50
 CIDECyT 06-01

• La empresa genera o desarrolla tecnología

propia para el uso exclusivo de la empresa o de
empresas del mismo grupo al que pertenece.
• La empresa, además de desarrollar tecnología
propia, vende tecnología a otras empresas.
• La empresa patenta los productos o tecnologías
desarrolladas.
Fuente: elaboración propia.

Antes de presentar los resultados de la última ecuación sobre el Índice de

Capacidades Tecnológicas, resulta de interés revisar su distribución entre las empresas
incluidas en la encuesta. La Figura 12 muestra la distribución porcentual del ICT calculado
tal como se acaba de describir. Como se puede ver, los resultados son reveladores. Ninguna
de las empresas incluidas alcanza la puntuación máxima de 19, 23 mientras que el 17% recibe
un índice de cero. Además, la mitad de las empresas encuestadas se incluyen en el rango de
0 a 3 y sólo el 16% recibe un valor del índice igual o mayor a 10. En toda la muestra el ICT
presenta un valor promedio de tal solo 4.58 con una desviación estándar de 4.26.

20
18
16
14
12
10
%

8
6
4
2
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Fuente: elaboración propia en base a datos de la ENI.

Figura 12.
Distribución del Índice de Capacidades Tecnológicas

El análisis sobre las variables que determinan el ICT se realiza en base a la

información que se presenta en la Tabla 12, en donde se incluyen los resultados de la
estimación siguiendo el método de mínimos cuadrados ordinarios con errores estándar

23
Hay que tomar en cuenta, sin embargo, que esto bien puede deberse a la construcción misma del
ICT, en donde se hayan incluido algunas variables redundantes. Por ejemplo (en referencia a las
variables que reflejan la organización interna de la empresa), una empresa puede contar con una
unidad de ingeniería que absorba las funciones de un departamento técnico, en cuyo caso éste último
se torna innecesario. Si este es el caso, la empresa recibiría sólo un punto cuando otra que tenga las
dos funciones separadas recibiría dos puntos. Obviamente, la primera empresa estaría siendo
penalizada y esto se vería reflejado en el valor del ICT.

51
 CIDECyT 06-01

robustos. La ecuación (4) se evalúa con y sin la introducción de la variable que denota la
concentración de mercado.

En primer lugar, cabe destacar que casi todas las variables que se proponen como
explicativas en la determinación del índice son significativas. Esto se debe a que todas
afectan, tanto en la teoría como en la práctica (y esto a su vez se manifiesta en los resultados
econométricos), el entorno y el potencial de una empresa para llevar a cabo cambios
tecnológicos y actividades de innovación.

Destaca el hecho que el tamaño de la empresa tiene un efecto positivo en la

determinación de sus capacidades tecnológicas (medidas a través del ICT), pues el
coeficiente obtenido nos indica que un aumento de 100 trabajadores en la empresa está
asociado con un aumento de ocho décimas en el valor del índice. Asimismo, un efecto
positivo y estadísticamente significativo conlleva el hecho de que la empresa pertenezca a un
grupo. En cierto sentido, las hipótesis de Schumpeter se confirman, pues tanto el tamaño
como la concentración afectan de manera positiva las capacidades tecnológicas de las
empresas; el coeficiente en la variable que aproxima la concentración de mercado es positivo
y altamente significativo.

Contrariamente a lo que podríamos esperar, la variable que denota la presencia de

capital extranjero en la empresa presentó un signo negativo pero sin alcanzar los niveles de
significancia estadística convencionales, además de ser de magnitud muy pequeña. Sin
embargo, el hecho que una empresa exporte presenta un efecto positivo y altamente
significativo. De acuerdo al coeficiente obtenido, el hecho que una empresa exporte está
asociado con un incremento de aproximadamente 1.3 puntos en el ICT. Un efecto similar
(aunque la magnitud del coeficiente es ligeramente mayor) ocurre para el caso que una
empresa cuente con la certificación de calidad ISO-9000. El contar con un proveedor
extranjero también presenta un efecto positivo y significativo sobre el ICT, pero la magnitud
del coeficiente es menor que en el caso de las dos últimas variables.

Con respecto a las variables sectoriales, se identifican varias tendencias. Cabe hacer
notar que se eligió nuevamente como sector base la industria de la madera y del papel (sector
4), por lo que el resto de los coeficientes sectoriales deben interpretarse con respecto a éste. 24
Los tres sectores que afectan negativamente el ICT son el textil y del vestido, el de minerales
no metálicos e industria metálica (en este caso, el coeficiente cobra significancia estadística
sólo al introducirse la variable referente a la concentración) y el de la construcción. Este
último es el que presenta un coeficiente con la mayor magnitud y la mayor significancia
estadística, indicando que en él se concentran empresas con bajos valores del ICT.

Por el contrario, las variables sectoriales que parecen presentar los mayores efectos
positivos sobre la magnitud del ICT son el sector de “otras industrias” seguido de los
sectores de alimentos, químico, minero, y de maquinaria y equipo.

24
Nuevamente, no se contó con datos de concentración para los sectores minero y de la construcción,
por lo que no se obtuvieron coeficientes para éstos en el caso de la segunda estimación de la
ecuación.

52
 CIDECyT 06-01

Tabla 12.
Resultados de los determinantes del Índice de Capacidades Tecnológicas
ICT
Variable Explicativa Sin Concentración Con Concentración
0.0008 ** 0.0008 **
Empleados
(5.57) (5.58)
0.25 * 0.25 *
Grupo
(2.40) (2.34)
0.02 **
Concentración
(5.55)
-0.04 -0.04
Inv_Ext
(-0.30) (-0.26)
1.36 ** 1.27 **
Exporta
(15.21) (13.97)
1.50 ** 1.43 **
ISO_9
(11.84) (10.97)
0.42 ** 0.41**
Proveedor_Ext
(3.72) (3.65)
1.27 **
Minería (1)
(4.65)
1.69 ** 1.30 **
Alimentos (2)
(12.33) (8.67)
-0.25 * -0.29 *
Textil y Vestido (3)
(-2.04) (-2.40)
1.46 ** 1.16 **
Química (5)
(9.60) (7.29)
Minerales no metálicos e -0.06 -0.46 *
industria metálica (6) (-0.35) (-2.45)
0.88 ** 0.53 **
Maquinaria y equipo (7)
(6.30) (3.40)
2.40 ** 1.99 **
Otras Industrias (8)
(5.91) (4.79)
-1.69 **
Construcción (9)
(-4.22)
1.80 ** 1.46 **
Constante
(17.79) (12.01)

Observaciones 8,260 8,023

F 111.46 ** 114.88 **
R2 0.17 0.17
*- coeficiente significativo al 5%
** - coeficiente significativo al 1%
Estadísticas t entre paréntesis.

53
 CIDECyT 06-01

9. Conclusiones
Después de este análisis del desempeño innovador del sector manufacturero mexicano
podemos apuntar hacia algunas conclusiones de carácter general:

• La innovación es un proceso complejo que involucra la inversión de recursos en

proyectos que tienen asociados un alto grado de riesgo y resultados inciertos.
• Por lo mismo, este fenómeno debe ser analizado dentro de un marco conceptual
integral; el análisis de una etapa de éste de forma aislada puede proporcionar una
visión sesgada e incompleta de la realidad.
• Un mejor conocimiento de este proceso nos proporciona mayores posibilidades de
diseñar e implementar instrumentos de política más efectivos que nos permitan
mejorar el desempeño innovador de las empresas mexicanas.

Aunado a esto, debemos resaltar la importancia crucial que reviste el contar con
información y estadísticas actualizadas sobre el tema. El panorama que presentamos aquí es
el que guardaba el sector manufacturero hace más de media década, e hizo uso de los datos
disponibles más recientes. Esto llama a enfatizar la continuación del levantamiento de la
Encuesta Nacional de Innovación con una mayor regularidad con el fin de evaluar el
desempeño innovador de la industria y proporcionar a la comunidad interesada y a los
tomadores de decisiones gubernamentales los resultados más actuales y confiables.

Un fenómeno que no se mide no se conoce y, en consecuencia, no pueden tomarse las

medidas más adecuadas para fomentarlo. El análisis presentado en este estudio pretende ser
una contribución para el conocimiento del fenómeno de la innovación en México el cual, sin
duda, debe estar sujeto a una continua revisión, discusión, y actualización si en verdad se
aspira a mejorar el desempeño competitivo de la empresa mexicana.

54
 CIDECyT 06-01

Apéndice A. Lista de industrias a 4 dígitos

Tabla A.1.
Listado de subsectores y ramas industriales de acuerdo a la
Clasificación Mexicana de Actividades y Productos (CMAP)

Código Descripción
23 Extracción de Minerales Metálicos
2310 Extracción y/o beneficio de minerales de hierro
2320 Extracción y/o beneficio de minerales metálicos no ferrosos

29 Explotación de Minerales No Metálicos

2910 Extracción y/o beneficio de rocas, arena y arcillas
2920 Extracción y/o beneficio de otros minerales no metálicos

31 Productos Alimenticios, Bebidas y Tabaco

3111 Industria de la carne
3112 Elaboración de productos lácteos
3113 Elaboración de conservas alimenticias
3114 Beneficio y molienda de cereales y otros productos agrícolas
3115 Elaboración de productos de panadería
3116 Molienda en nixtamal y fabricación de tortillas
3117 Fabricación de aceites y grasas comestibles
3118 Industria azucarera
3119 Fabricación de cocoa, chocolate y artículos de confitería
3121 Elaboración de otros productos alimenticios para el consumo humano
3122 Elaboración de alimentos preparados para animales
3130 Industria de las bebidas
3140 Industria del tabaco

32 Textiles, Prendas de Vestir e Industria del Cuero

3211 Industria textil de fibras duras y cordelería de todo tipo
3212 Hilados, tejido y acabado de fibras blandas
3213 Confección con materiales textiles
3214 Fabricación de tejidos de punto
3220 Confección de prendas de vestir
3230 Industria del cuero, pieles y sus productos
3240 Industria del calzado

33 Industria de la Madera y Productos de Madera

3311 Fabricación de productos de aserradero y carpintería
3312 Fabricación de envases y otros productos de madera y corcho
3320 Fabricación y reparación de muebles principalmente de madera

34 Papel y Productos de Papel, Imprentas y Editoriales

3410 Manufactura de celulosa, papel y sus productos
3420 Imprentas, editoriales e industrias conexas

35 Sustancias Químicas, Productos derivados del Petróleo y del Carbón, de Hule y de

Plástico
3511 Petroquímica básica
3512 Fabricación de sustancias químicas básicas
3513 Industria de las fibras artificiales y/o sintéticas

55
 CIDECyT 06-01

3521 Industria farmacéutica

3522 Fabricación de otras sustancias y productos químicos
3530 Refinación del petróleo
3540 Industria del coque
3550 Industria del hule
3560 Elaboración de productos de plástico

36 Productos Minerales No Metálicos

3611 Alfarería y cerámica
3612 Fabricación de materiales de arcilla para la construcción
3620 Fabricación de vidrio y productos de vidrio
3691 Fabricación de cemento, cal, yeso y otros productos a base de minerales no metálicos

37 Industrias Metálicas Básicas

3710 Industria básica del hierro y del acero
3720 Industrias básicas de metales no ferrosos

38 Productos Metálicos, Maquinaria y Equipo

3811 Fundición y moldeo de piezas metálicas, ferrosas y no ferrosas
3812 Fabricación de estructuras metálicas, tanques y calderas industriales
3813 Fabricación y reparación de muebles metálicos
3814 Fabricación de otros productos metálicos
3821 Fabricación, reparación y/o ensamble de maquinaria y equipo para fines específicos
3822 Fabricación, reparación y/o ensamble de maquinaria y equipo para usos generales
3823 Fabricación y/o ensamble de maquinaria de oficina, cálculo y procesamiento informático
3831 Fabricación y/o ensamble de maquinaria, equipo y accesorios eléctricos
3832 Fabricación y/o ensamble de equipo electrónico de radio, TV y comunicaciones
3833 Fabricación y/o ensamble de aparatos y accesorios de uso doméstico
3841 Industria automotriz
3842 Fabricación, reparación y/o ensamble de equipo de transporte y sus partes
3850 Fabricación, reparación y/o ensamble de instrumentos y equipo de precisión

39 Otras Industrias Manufactureras

3900 Otras Industrias Manufactureras

50 Industria de la Construcción
5011 Edificación
5012 Construcción de obras de urbanización
5013 Construcciones e instalaciones industriales
5014 Otras construcciones.
5020 Instalaciones en bienes inmuebles
5030 Trabajos especiales

56
 CIDECyT 06-01

Apéndice B. Definición de variables

Variables Dependientes

Innova Variable binaria que toma el valor de 1 si la empresa trabajó en al

menos un proyecto de innovación en el periodo 1999-2000.
Fuente: ENI
Años: Periodo 1999-2000

Inversión Porcentaje de las ventas totales que se invierte en actividades de

innovación.
Fuente: ENI
Años: 2000

Prod_Proc Variable categórica que indica el tipo de innovación y que toma las
siguientes categorías: no innovó, innovó en proceso, innovó en
producto o innovó en ambas clases.
Fuente: ENI
Años: Periodo 1999-2000

Grad_Radical Variable categórica que indica el grado de novedad de la innovación

de producto introducida al mercado y que incluye las siguientes
categorías: no innovó, innovación (producto nuevo para la empresa
o para el país) o innovación radical (producto nuevo para el mundo).
Fuente: ENI
Años: Periodo 1999-2000

Ventas_Inn Porcentaje de las ventas del 2000 provenientes de productos nuevos

y mejorados introducidos al mercado en el periodo 1999-2000.
Fuente: ENI
Años: 2000

Patentes Número de patentes otorgadas a la empresa en 1999 y 2000 dividido

entre el número de empleados.
Fuente: ENI
Años: Periodo 1999-2000

ICT Variable que denota el índice de capacidades tecnológicas calculado

como se describe en la sección 8.
Fuente: ENI
Años: Periodo 1999-2000

Variables Independientes

Empleados Número promedio de empleados que tuvo la empresa en 1999 y 2000.

Fuente: ENI
Años: 1999 y 2000

57
 CIDECyT 06-01

Pers_Inv Número de personas dedicadas a actividades de investigación y

desarrollo en la empresa como porcentaje del total de trabajadores.
Fuente: ENI
Años: 2000

Grupo Variable binaria que toma el valor de 1 si la empresa pertenece a un

grupo y 0 en caso contrario.
Fuente: ENI
Años: 2000

Concentración Índice de concentración de la industria a nivel de rama (4 dígitos) de

actividad económica según la CMAP. Se contaba con el índice CR4
para 1998 a nivel de clases (6 dígitos), por lo que fue necesario obtener
una aproximación del nivel de concentración por ramas. Para esto, se
realizó una suma ponderada de los CR4 de 1999, tomando como
ponderadores el porcentaje de la producción bruta de la rama que
corresponde a la clase con la que se cuentan los CR4. Esto es:

producción brutaclase
Concentraciónrama = ∑
clases
pond clase ⋅ CR 4clase ,donde pond clase =
producción brutarama

Se reconoce que esta es una medida imperfecta del nivel de

concentración en un mercado, pero aproximada.25
Fuente: Censo Industrial de 1999.
Años:1998

Inv_Ext Variable binaria que toma el valor de 1 si la empresa tiene alguna

participación de capital extranjero y 0 en caso contrario.
Fuente: ENI
Años: 2000

Exporta Variable binaria que toma el valor 1 si la empresa exportó en 1999 o

2000 y 0 en caso contrario.
Fuente: ENI
Años: Periodo 1999-2000

Crédito Variable binaria que toma el valor de 1 si la empresa utilizó créditos de

instituciones bancarias privadas como mecanismo de financiamiento
para la realización de actividades de innovación durante el periodo
1999-2000 y 0 en caso contrario.
Fuente: ENI
Años: Periodo 1999- 2000

Apoyo_Gob Variable binaria que toma el valor de 1 si la empresa utilizó apoyos

25
Se realizó el mismo cálculo con los datos del Censo Industrial de 1994 para obtener un CR4 a nivel
de ramas. Para el mismo año también se contó con los índices de Herfindahl al mismo nivel de
agregación. La correlación entre las dos medidas de concentración (una estimada y la otra real) fue
de 0.74, lo cual coloca al CR4 estimado como una medida aceptable de la concentración en una rama
industrial.

58
 CIDECyT 06-01

gubernamentales como mecanismo de financiamiento para la

realización de actividades de innovación durante el periodo 1999-2000
y 0 en caso contrario.
Fuente: ENI
Años: Periodo 1999- 2000

ISO_9 Variable binaria que toma el valor de 1 si la empresa cuenta con la

certificación ISO-9000 y 0 en caso contrario.
Fuente: ENI
Años: 2000

Divisón_IyD Variable binaria que toma el valor de 1 si la empresa cuenta

formalmente con una unidad de investigación y desarrollo tecnológico
en el año 2000 y 0 en caso contrario.
Fuente: ENI
Años: 2000

Asistencia Variable binaria que toma el valor de 1 si la empresa tiene contratos de

asistencia tecnológica con empresas nacionales o extranjeras y 0 en
caso contrario.
Fuente: ENI
Años: 2000

Proveedor_Ext Variable binaria que toma el valor de 1 si la empresa tiene un

proveedor principal de insumos extranjero y 0 en caso contrario.
Fuente: ENI
Años: 2000

Sector Variable dummy que indica el sector de actividad del cual forma parte
la empresa. Se distinguen 9 sectores agrupados como se indica en la
Tabla B.1 en base a la clasificación de sectores de la CMAP.

Tabla B.1
Clasificación de sectores industriales
Sectores
Código Descripción
Incluidos
1 Minería metálica y no metálica 23 y 29
2 Productos alimenticios y bebidas 31
3 Industria textil y del vestido 32
4 Industria de la madera y del papel 33 y 34
5 Industria química 35
6 Productos minerales no metálicos e industrias metálicas básicas 36 y 37
7 Productos metálicos, maquinaria y equipo 38
8 Otras industrias manufactureras 39
9 Industria de la construcción 50

59
 CIDECyT 06-01

Apéndice C. Estadísticas descriptivas

Tabla C.1
Estadísticas descriptivas de las variables dependientes

Desviación
Variable Media Mínimo Máximo n
estándar

Innova 0.33 0.47 0 1 1,694

Inversión 2.24 3.26 0 19.92 550
Ventas_Inn 31.44 36.37 0 100 550
Patentes 0.003 0.036 0 0.72 550
ICT 4.58 4.26 0 18 1,694

Las variables Prod_Proc y Grad_Radical no se incluyen por ser de tipo categórico.

Se eliminaron del análisis las observaciones de las empresas que reportaron inversiones en proyectos de
innovación superiores al 20% de sus ventas (12 observaciones) y de aquellas que reportaron tener más del 15%
de sus empleados dedicados a actividades de investigación y desarrollo tecnológico (6 observaciones). Estos
valores son atípicos y dichas observaciones fueron consideradas outliers.

Tabla C.2
Estadísticas descriptivas de las variables independientes

Desviación
Variable Media Mínimo Máximo n
estándar

Empleados 595.58 1,022.06 0 16,217 1,694

Pers_inv 0.38 1.22 0 13.82 1,686
Grupo 0.46 0.50 0 1 1,694
Concentración 39.74 18.55 3.38 88.88 1,592
Inv_Ext 0.22 0.41 0 1 1,694
Exporta 0.56 0.50 0 1 1,694
Crédito 0.18 0.38 0 1 550
Apoyo_Gob 0.04 0.20 0 1 550
ISO_9 0.32 0.47 0 1 1,694
División_IyD 0.17 0.37 0 1 1,694
Asistencia 0.16 0.36 0 1 1,694
Proveedor_Ext 0.26 0.44 0 1 1,694

Se eliminaron del análisis las observaciones de las empresas que reportaron inversiones en proyectos de
innovación superiores al 20% de sus ventas (12 observaciones) y de aquellas que reportaron tener más del 15%
de sus empleados dedicados a actividades de investigación y desarrollo tecnológico (6 observaciones). Estos
valores son atípicos y dichas observaciones fueron consideradas outliers.

60
 CIDECyT 06-01

Referencias

Aghion, Philippe, Nicholas Bloom, Richard Blundell, and Rachel Griffith (2002),
Competition and Innovation: An Inverted U Relationship, Working Paper No. 9269,
National Bureau of Economic Research, Cambridge.

Bell, Martin and Pavitt, Keith (1993) “Accumulating Technological Capability in

Developing Countries”, Proceedings of the World Bank Annual Conference on
Development Economics, The World Bank, Washington, D.C.

Benavente, José (2002) “The Role of Research and Innovation in Promoting Productivity in
Chile” Economics of Innovation and New Technology (por publicarse).

Blomström, Magnus and Ari Kokko (1993), Policies to Encourage Inflows of Technology
Through Foreign Multinationals, Working Paper No. 4289, National Bureau of
Economic Research, Cambridge.

Breschi, Stefano, Franco Malerba and Luigi Orsenigo (2000), “Technological Regimes and
Schumpeterian Patterns of Innovation”, The Economic Journal, Vol. 110, pp.388-
410.

Bressand, A. (1990), “Electronic Cartels in the Making?” Transatlantic Perspectives, No.

21, pp.3-6.

Cohen, Wesley M. y Richard C. Levin (1989), “Empirical Studies of Innovation and Market
Structure” en Richard Schmalensee y Robert D. Willig (eds.), Handbook of
Industrial Organization, Vol. II, North-Holland, Amsterdam.

CONACYT (2003), Informe General del Estado de la Ciencia y la Tecnología 2003,

Consejo Nacional de Ciencia y Tecnología, Ciudad de México.

Crépon, B., Duguet, E., and Mairesse J. (1998) Research, Innovation and Productivity: An
Econometric Analysis at the Firm Level, Working Paper 6696, National Bureau of
Economic Research, Cambridge.

Chudnovsky, Daniel, Andrés López y Germán Pupato (2004), Innovation and Productivity
in Developing Countries: A study of Argentine Manufacturing Firms’ Behaviour
(1992-2001), Documento de Trabajo 1878, Asociación Argentina de Economía
Política, Buenos Aires.

Domínguez, Lilia y Flor Brown (2004), “Medición de las Capacidades Tecnológicas en la

Industria Mexicana”, Revista de la CEPAL, No. 83, pp. 135-151.

Dosi, Giovanni (1988), “Sources, Procedures and Mircroeconomic Effects of Innovation”,

Journal of Economic Literature, Vol. 26, No. 3, pp. 1120-1171.

Duguet, E. (2002), “Innovation Height, Spillovers and TFP Growth at the Firm Level:
Evidence from French Manufacturing”, Cahiers de la Maison des Sciences
Economiques, Paris.

61
 CIDECyT 06-01

Freeman, Chris (1994), “Critical Survey: The Economics of Technical Change”, Cambridge
Journal of Economics, Vol. 18, pp. 463-514.

Greene, William H. (2000), Econometric Analysis, 4th ed. Prentice Hall, Upper Saddle
River, NJ.

Heckman, James (1979) “Sample Selection Bias as a Specification Error,” Econometrica,

Vol. 47, No. 1, pp.153–162.

Lall, Sanjaya (1992), “Technological Capabilities and Industrialization,” World

Development, Vol. 20, No. 2, pp. 165-186.

Lee, Jeong-Yeon and Edwin Mansfield (1996), “Intellectual Property Protection and U.S.
Foreign Direct Investment,” The Review of Economics and Statistics, Vol. 78, No. 2,
pp.181–186.

Lööf, H. y Heshmati, A. (2003), “On the Relationship Between Innovation and Perfomance:
A Sensitivity Analisys”, Economics of Innovation and New Technology (por
publicarse).

Long, J. Scott (1997), Regression Models for Categorical and Limited Dependent Variables,
Advanced Quantitative Techniques in the Social Sciences Series No. 7, SAGE
Publications, Thousand Oaks, CA.

Nelson, Richard and Sidney Winter (1977), “In Search of a useful Theory of Innovation”,
Research Policy, Vol. 6, No. 1, pp. 36–76.

OECD (1997), Oslo Manual – Proposed Guidelines for Collecting and Interpreting
Technological Innovation Data, Organization for Economic Cooperation and
Development, Paris.

Prescott, Edward (1998) “Needed: A Theory of Total Factor Productivity”, International

Economic Review, Vol. 39, No. 3, pp. 525–551.

Romo Murillo, David (2005), Inversión Extranjera, Derramas Tecnológicas y Desarrollo

Industrial en México, Fondo de Cultura Económica, México, DF.

Rosenberg, Nathan (1994), Exploring the Black Box: Technology, Economics and History,
Cambridge University Press, Cambridge, UK.

Rosenberg, Nathan (1982) Inside the Black Box: Technology and Economics, Cambridge
University Press, Cambridge, UK.

Saggi, Kamal (2000), Trade, Foreign Direct Investment, and International Technology
Transfer: A Survey, Working Paper No. 2349, The World Bank, Washington, D.C.

Scherer, F.M. (1999), New Perspectives on Economic Growth and Technological

Innovation, Brookings Institution Press, Washington, D.C.

62
 CIDECyT 06-01

Schmookler, J. (1966). Invention and Economic Growth, Harvard University Press,

Cambridge, Mass.

Schumpeter, Joseph A. (1961), The Theory of Economic Development, Oxford University

Press, Oxford.

Schumpeter, Joseph A. (1942), Capitalism, Socialism and Democracy, Harper & Row, New
York.

Van Leewen, G. (2002) Linking Innovation to Productivity Growth Using Two Waves of
Community Innovation Survey, STI Working Paper 2002/8, Organization for
Economic Cooperation and Development, Paris.

63