Efectos entre las actividades de innovación, exportación y productividad: un análisis de las empresas manufactureras peruanas
| Autor | José Luis Nolazco |
| Cargo | Facultad de Ciencias Empresariales y Económicas de la Universidad de Lima. Instituto de Investigación Científica (IDIC). Lima, Perú. Correo electrónico: jnolazco@ulima.edu.pe. |
| Páginas | 67-110 |
67
desarro. soc. 71, primer semestre de 2013, pp. x-xx, issn 0120-3584
Revista
Desarrollo y Sociedad Segundo cuatrimestre 2020
PP. 67-110, ISSN 0120-3584
E-ISSN 1900-7760
Efectos entre las actividades de innovación,
exportación y productividad: un análisis de
las empresas manufactureras peruanas
Effects between innovation, export and productivity:
An analysis of Peruvian manufacturing firms
José Luis Nolazco1
DOI: 10.13043/DYS.85.2
Resumen
El objetivo de este artículo es examinar la relación entre los esfuerzos innova-
tivos, el nivel de exportaciones y la productividad en las empresas manufactu-
reras peruanas. Con información de la Encuesta Nacional de Innovación en la
Industria Manufacturera (ENIIM) se realizaron estimaciones Tobit y quintiles
que permitieron concluir que la productividad inicial de la empresa peruana
es un determinante del nivel de exportaciones (autoselección), lo que a su vez
incentiva a realizar un gasto en innovación (exportaciones como determinante
de la innovación) para competir en el mercado internacional. Posteriormente,
la innovación realizada por la empresa conlleva una mayor oferta de produc-
tos exportables (innovación como determinante de las exportaciones) y un
aumento en la productividad (aprendizaje por exportar). Así, se encuentra que
los efectos directos e indirectos de la innovación tecnológica se ven reflejados
en incrementos de 23 %-44 % y 16 %-45 % según quintil de productividad
laboral y PTF, respectivamente.
Palabras clave: Tobit, quintiles, Perú.
Clasificación JEL: C31, C34, L6, O32, O54.
1 Facultad de Ciencias Empresariales y Económicas de la Universidad de Lima. Instituto de Investigación
Científica (IDIC). Lima, Perú. Correo electrónico: jnolazco@ulima.edu.pe.
Este artículo fue recibido el 22 de marzo de 2019, revisado el 1 de octubre de 2019 y finalmente
aceptado el 17 de enero de 2020.
85
Efectos entre las actividades de innovación, exportación y productividad
68
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Abstract
The aim of this work is to examine the relationship between innovative efforts,
the level of exports and productivity in Peruvian manufacturing firms. Using
data from the National Manufacturing Industry Innovation Survey (ENIIM), I
estimate Tobit and quintile estimates to conclude that the initial productiv-
ity of the Peruvian firms is a determinant of the level exports (self-selection),
which in turn encourages spending on innovation (exports as the determinant
of innovation) to compete in the international market. Subsequently, the firm's
innovation leads to a greater supply of exportable products (innovation as
determining exports) and an increase in productivity (learning by exporting).
Thus, it is found that the direct and indirect effects of technological innova-
tion are reflected in increments of 23 %-44 % and 16 %-45 % according to
labor productivity quintile and TFP, respectively.
Key words: Tobit, quintiles, Peru.
JEL Classification: C31, C34, L6, O32, O54.
Introducción
Desde una perspectiva empírica, la literatura internacional ha constatado que
cerca de la mitad de las disparidades en ingresos per cápita y tasas de creci-
miento entre países (o incluso entre empresas de una misma industria) pueden
explicarse por las diferencias en la productividad total de factores (PTF) (Hall y
Jones, 1999; Gómez y Borrastero, 2018). Pero lo que es aún más importante es
que las actividades de investigación y desarrollo (I+D) podrían explicar hasta
un 75 % de las variaciones de la PTF (Álvarez et al., 2011; Griliches, 1995).
En efecto, tal como se observa en Lederman y Sáenz (2005) y Álvarez et al.
(2011), el rápido crecimiento de las economías de Asia es un claro ejemplo de
la importancia de las actividades de I+D en el desarrollo de estas economías.
Por ejemplo, la República de Corea, presentaba en 1960 una relación I+D/PBI
cercana a 0.4 %. No obstante, en las siguientes cuatro décadas esta cifra se
incrementó de forma casi constante, alcanzando en los últimos años un 2.4 %.
Este aumento fue considerado como una de las principales causas del incre-
mento de la PTF (1.1 %) y el PBI per cápita (6 % anual) durante 1960-2000.
José Luis Nolazco 69
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
De manera similar, se ha encontrado fuerte evidencia de una mayor produc-
tividad cuando se desarrollan actividades de innovación en Europa (Lööf y
Heshmati, 2002; Lööf et al., 2001), Malasia (Hegde y Shapira, 2007), Taiwán
(Yan Aw et al., 2008) y China (Jefferson et al., 2006).
Así, la evidencia de estudios que evalúan la relación entre innovación y pro-
ductividad entre países desarrollados concluye que la implementación de la
tecnología permite usar los recursos productivos de manera más eficiente,
permitiendo la transformación de nuevas ideas a nuevos productos, procesos
o servicios, lo cual representa ventajas competitivas para cualquier empresa
(Baumann y Kritikos, 2016; Baum et al., 2017; Crepón et al., 1998; Griffith
et al., 2004; Griffith et al., 2006; Hall y Rosenberg, 2010).
En contraste, el desempeño de los países de América Latina en las últimas cua-
tro décadas muestra resultados económicos deficientes caracterizados por una
baja productividad y solo dependientes de coyunturas económicas favorables
debido principalmente a un mejor contexto externo (BID, 2010a, 2010b). Perú
no es la excepción, ya que su PTF es aproximadamente un tercio respecto a
los países desarrollados, y el gasto en I+D está por debajo del 0.1 % del PBI2,
significativamente menor al promedio de las economías avanzadas (cerca del
1.6 % del PBI) y similar al resto de países latinoamericanos (0.17 % del PBI)
(OCDE, 2016).
En ese sentido, Arbeláez y Torrado (2009, 2011) y Cassoni y Ramada (2010)
demuestran que las actividades de innovación (en productos y procesos) tienen
un impacto directo y positivo sobre la productividad de las empresas colom-
bianas y uruguayas (respectivamente). De manera similar, Álvarez et al. (2011)
encuentran evidencia de que un mayor gasto en I+D aumenta la probabilidad
de innovar en procesos, y que esta es la que repercute en mayor medida sobre
la productividad. Crespi y Zuñiga (2010, 2012) muestran una fuerte eviden-
cia de una relación positiva entre innovación y productividad para Argentina,
Chile, Colombia, Costa Rica, Panamá y Uruguay; sin embargo, el impacto es
heterogéneo3 respecto a las economías avanzadas. Para el caso peruano, los
2 Así, en varios estudios se evidencia que Perú adolece de un déficit en innovación (Díaz y Kuramoto,
2011; Granda y Coricolloclla, 2013; Kuramoto, 2007, 2010; Kuramoto y Torero, 2009).
3 Crespi y Zuñiga (2010, 2012) muestran evidencia de que la semielasticidad de la innovación tecnológica
sobre la productividad es en Argentina (0.24), Chile (0.60), Colombia (1.92), Costa Rica (0.63), Panamá
(0.65) y Uruguay (0.80).
Efectos entre las actividades de innovación, exportación y productividad
70
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
mecanismos de transmisión descritos anteriormente no han sido cuantifica-
dos en estudios previos.
Otro aspecto importante, y muy poco abordado por la literatura económica, es
cómo las actividades de innovación pueden ser explicadas o impactan sobre el
comportamiento exportador, y cómo ambas finalmente repercuten sobre
la productividad de las empresas. Sobre esto, existen muy pocos estudios en
América Latina que evalúan el nexo entre estas variables de manera simultánea.
En particular, Bravo-Ortega et al. (2014), Cirera et al. (2015) y Cintio et al.
(2017) presentan evidencia para Chile, Brasil e Italia, respectivamente, indi-
cando que cuando la inversión en I+D estimula la actividad exportadora, las
empresas incrementan su productividad no solo por el efecto directo de I+D,
sino también por el efecto indirecto a través de las exportaciones.
Por tal motivo, el objetivo de esta investigación es examinar la relación entre
el gasto en I+D, la productividad y exportaciones a partir del cumplimiento
de las siguientes hipótesis discutidas en la literatura internacional, pero no
evaluadas en el caso peruano: 1) autoselección (self-selection), 2) exportacio-
nes como determinante de la innovación (innovating by exporting), 3) innova-
ción como generador de una mayor oferta de productos exportables (exporting
by innovating), 4) aprendizaje por exportar4 (learning by exporting) y 5) el
impacto directo e indirecto de la innovación sobre la productividad.
A partir de estimaciones Tobit y quintiles, se encuentra evidencia de que la
productividad inicial de la empresa peruana es un determinante del nivel de
exportaciones (self-selection), lo que a su vez incentiva a realizar un gasto
en innovación (innovating by exporting) para competir en el mercado inter-
nacional. Posteriormente, la innovación tecnológica realizada por la empresa
conlleva una mayor oferta de productos exportables (exporting by innovating)
y un aumento en la productividad (learning by exporting). Así, se encuen-
tra que los efectos directos e indirectos de la innovación tecnológica se ven
reflejados en incrementos de 23 %-44 % y 16 %-45 % según quintil de pro-
ductividad laboral y PTF, respectivamente. En ambos casos, el impacto directo
4 También es conocido como el impacto indirecto de la innovación sobre la productividad (Cintio et al.,
2017; Cirera et al., 2015).
José Luis Nolazco 71
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
de la innovación sobre la productividad es mayor que el impacto indirecto de
la innovación (vía exportaciones).
La presente investigación está estructurada de la siguiente manera. En la
segunda sección se presenta una revisión de literatura. En la tercera se des-
criben los datos. En la cuarta se muestra la estrategia empírica a utilizar.
Finalmente, en las secciones quinta y sexta se muestran, respectivamente, los
resultados y las conclusiones del estudio.
I. Revisión de literatura
A. Innovación y productividad
El modelo de referencia utilizado en la literatura5 es el modelo de Crepón et
al. (1998), conocido como CDM. Este modelo considera6: 1) la decisión de la
empresa de participar en las actividades de innovación, 2) la empresa decide
la intensidad de la inversión en I+D, 3) la función de producción de conoci-
miento, como consecuencia de las intensidades de las inversiones en innova-
ción y 4) la función de producción, que explica la productividad de la empresa
por los resultados de la innovación junto con otros insumos.
El modelo CDM se inspira en resultados empíricos y teóricos previos. Desde los
primeros trabajos de Schultz (1953) y Griliches (1958) para evaluar la rela-
ción entre la productividad y la I+D varios modelos teóricos han atribuido un
papel protagónico a la I+D en el impulso de la productividad y, por ende, del
crecimiento económico (Aghion y Howitt, 1992; Grossman y Helpman, 1991;
Rivera-Batiz y Romer, 1991; Romer, 1990). Desde una perspectiva empírica la
evidencia pragmática ha constatado que cerca de la mitad de las disparidades
en ingreso per cápita y tasa de crecimiento entre países pueden explicarse por
las diferencias en la productividad (Hall et al., 2009), pero lo que es aún más
5 Ver, por ejemplo, Van Leeuwen y Klomp (2001), Benavente (2002), Jefferson et al. (2002), Duguet y
Monjon (2002), Galia y Legros (2002), Janz et al. (2003), Lööf y Heshmati (2006), Álvarez et al. (2011),
Crespi y Zuñiga (2012) y Aboal et al. (2015).
6 Adicionalmente, el modelo CDM incorpora las fuerzas externas y las condiciones generales de los mercados
que podrían dar forma a la conducta de innovación empresarial. Es decir, indicadores sobre externali-
dades, requerimientos de la demanda (a través de regulaciones), el impulso tecnológico (oportunidades
científicas) y las políticas públicas (esto es, incentivos o subsidios para la innovación o I+D).
Efectos entre las actividades de innovación, exportación y productividad
72
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
importante es que las actividades de I+D podrían explicar hasta un 75 % de
las variaciones en la productividad (Griliches, 1995).
Van Leeuwen (2002) adapta el modelo CDM para Holanda y encuentra que la
persistencia de la innovación en el tiempo es menor si se usa innovación en
productos en lugar de la intensidad en I+D. Además, este estudio comprueba la
hipótesis sobre los retornos decrecientes a escala de I+D a medida que existe
un mayor nivel acumulado de capital de conocimiento (medido por el histo-
rial de innovaciones realizadas).
De la misma manera, Lööf et al. (2001) encuentran que, en Finlandia, el tamaño
de las empresas tiene un efecto negativo en la intensidad del esfuerzo en I+D,
un efecto positivo en Noruega y un efecto no significativo en Suecia. Baldwin
et al. (2003) estimaron que la probabilidad de introducir un producto (o pro-
ceso) innovador aumenta 24 % (o 15 %) en empresas que realizan esfuerzos
en I+D en las empresas manufactureras de Canadá.
Para el caso de América Latina, se encuentran resultados mixtos e impac-
tos heterogéneos de la innovación sobre la productividad. Por un lado, Raffo
et al. (2008) encuentran efecto positivo y significativo en la innovación de
productos solo para Brasil y México, pero no para Argentina. De manera simi-
lar, Chudnovsky et al. (2006) muestran que las empresas argentinas con mayor
tamaño son las más propensas a realizar actividades de innovación y lanza-
miento de productos innovadores al mercado; sin embargo, tampoco encuentran
un efecto significativo de la innovación sobre la productividad.
Por otro lado, Arbeláez y Torrado (2009, 2011) encuentran que la adaptación
(innovación que resulta de la introducción de nuevos bienes y servicios al
mercado doméstico) incrementa las ventas pero no la PTF en las empresas
colombianas. Sin embargo, la verdadera innovación (que resulta de nuevos
bienes y servicios introducidos al mercado internacional) tiene un impacto
positivo en las ventas y en la PTF.
De manera similar, Crespi y Zuñiga (2010, 2012) demuestran la semielastici-
dad de la innovación tecnológica sobre la productividad en Argentina (0.24),
Chile (0.60), Colombia (1.92), Panamá (1.65), Uruguay (0.80) y Costa Rica (0.63,
aunque no es significativo). Los autores mencionan que el impacto es hete-
rogéneo principalmente por las políticas y los instrumentos regulatorios que
José Luis Nolazco 73
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
tiene cada país en temas de innovación. Finalmente, la innovación no tecno-
lógica (relacionada con nuevas prácticas de mercadeo y de organización) no
tiene impactos significativos sobre la productividad.
Álvarez et al. (2011) también evalúan la relación entre innovación, investi-
gación y desarrollo, y productividad en Chile. Los autores encuentran que:
1) empresas más grandes invierten más en I+D, 2) la intensidad del gasto
en I+D incrementa la probabilidad de innovar en procesos, 3) asimismo, ella
no afecta a la probabilidad de innovar en productos, 4) la menor apropiabi-
lidad disminuye la probabilidad de innovar en procesos y 5) la productividad
aumenta con la innovación en procesos (la semielasticidad varía entre 1.12
y 1.54). Finalmente, no se encuentra evidencia estadísticamente significativa
del efecto de la innovación en productos sobre la productividad.
Acemoglu et al. (2006) sugieren que la pérdida de impacto de la innovación
sobre la productividad en países en desarrollo es debida a que los incentivos
para invertir en innovación son insuficientes considerando que se encuentran
lejos de la frontera tecnológica. Además, en muchos casos las empresas que
invierten en I+D lo destinan a transferencia tecnológica (es decir, adquisi-
ción de maquinaria y equipo o compras de tecnología no incorporada) y, por
ende, realizan pocos cambios significativos en sus productos basados princi-
palmente en la imitación (learning by copying) y con poco o ningún impacto
en los mercados internacionales (Anlló y Suárez, 2009; Navarro et al., 2010).
Finalmente, la inversión en I+D es en muchos casos difícil de implementar
(ya sea por costos financieros o por falta de mano de obra calificada), por lo
que el efecto sobre la productividad puede darse después de un horizonte de
tiempo mucho más largo de lo esperado.
A nivel nacional, la literatura sobre innovación es limitada y no hay evidencia
que considere cuáles son los determinantes de la innovación y su efecto en
la productividad. Kuramoto (2007) realiza una revisión bibliográfica para dar
luces sobre el estado actual y la evolución de las políticas de ciencia y tecno-
logía7 en el Perú. La autora señala que, dada la existencia de pocas empresas
grandes y un gran número de pequeñas empresas, se hace difícil establecer y
7 Kuramoto (2010) realiza una recopilación de estudios sobre innovación en el Perú donde resalta la
capacidad de absorción de tecnología como la habilidad de las empresas para reconocer, asimilar y
explotar el conocimiento externo y así generar valor en la forma de nuevos productos o servicios.
Efectos entre las actividades de innovación, exportación y productividad
74
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
consolidar cadenas productivas que permitan consolidar sus capacidades de
innovación. Díaz y Kuramoto (2011) evalúan las políticas8 de innovación en el
país, y mencionan la necesidad de generar condiciones para que el desarrollo
de actividades científico-tecnológicas se convierta en la fuente de crecimien-
to de mediano y largo plazo.
Morón y Serra (2010) evalúan la importancia de la innovación en el sector
exportador textil. Los autores demostraron que existen tres determinantes para
introducir un nuevo producto en un nuevo mercado: 1) ser una empresa que
invierte en tecnología, 2) la experiencia de la empresa y 3) ser una empresa
grande. Finalmente, Granda y Corilloclla (2013) muestran los principales
indicadores de la innovación tecnológica usando la Encuesta Nacional de Inno-
vación en la Industria Manufacturera 2012, la cual resalta que el 25 % de las
empresas dedicó recursos a la inversión en I+D y el 55.4 % de estas obtuvo
algún resultado de innovación a nivel de producto y de proceso.
B. Innovación, exportaciones y productividad
Existe también evidencia empírica que muestra que las empresas exportado-
ras son más productivas que las que solo participan en mercados domésticos.
En particular, el aprendizaje exportando (learning by exporting) explica que la
relación positiva entre exportaciones y productividad se origina por las ganan-
cias en I+D. Así, el acceso a nuevas tecnologías, a las cuales no tienen acceso
los no exportadores, contribuiría a incrementar la productividad de las firmas
luego de entrar a los mercados internacionales (Bravo-Ortega et al., 2014).
Sin embargo, la literatura internacional también ha argumentado que el
fenómeno anterior podría ser el resultado de una causalidad que va de la
productividad a la orientación exportadora de las empresas. Esta hipótesis de
autoselección (self-selection) indica que la relación de causalidad entre expor-
taciones y productividad es en el sentido inverso, es decir, cuando la empresa
empieza a exportar, incurre en costos tales como investigación de mercado,
mercadeo, permisos, licencias, entre otros. Por esta razón, las empresas más
8 Kuramoto y Torero (2009) examinan las políticas institucionales de innovación, investigación y desarrollo
en Perú para incrementar el desempeño de las empresas. Los autores resaltan la necesidad de invertir en
políticas que permitan adquirir conocimiento en innovación y una mejor coordinación entre las uni-
versidades, las empresas y los centros de investigación y desarrollo.
José Luis Nolazco 75
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
grandes o más eficientes son más propensas a enfrentar estos costos de manera
satisfactoria (Álvarez y López, 2005; Álvarez y García, 2008; Bernard et al.,
2003; Bravo-Ortega et al., 2014; Melitz, 2003).
De la misma manera, estudios se han centrado en analizar el efecto de las inno-
vaciones sobre las exportaciones (exporting by innovating). Uno de los prime-
ros estudios fue el de Ito y Pucik (1993), que encuentran una relación positiva
entre el gasto en I+D y las exportaciones para las empresas japonesas. Además,
Lefebvre et al. (1998), con datos de pequeñas empresas en Canadá, encuentran
que los esfuerzos en I+D, tales como investigación básica o productos mejo-
rados, afectan de manera diferenciada a los exportadores y no exportadores.
De manera similar, usando la metodología de mínimos cuadrados asintóticos
(ASLS) y la de dos etapas (2SLS), Álvarez et al. (2005) y Bravo-Ortega et al.
(2014) encuentran que las empresas chilenas que invierten en I+D se convier-
ten en exportadores. Van Beveren y Vandenbussche (2010) usan estimaciones
por variables instrumentales para corregir por problemas de endogeneidad, y
encuentran que las empresas primero innovan y luego exportan. Sin embargo,
Damijan et al. (2008) y Aw et al. (2011) controlan la endogeneidad usando un
estimador matching y no encuentran evidencia de que las innovaciones incre-
mentan la propensión a exportar.
El impacto de la orientación exportadora sobre el gasto en I+D (innovating
by exporting) también ha sido tratado por la literatura empírica9. Salomon y
Shaver (2005) evalúa la presencia de innovating by exporting par a la s em pre sas
españolas a través de una estimación GMM, y encuentran que las exportacio-
nes están positivamente relacionadas con el incremento de las innovaciones.
Girma et al. (2008) usan un probit bivariado y encuentran evidencia de que el
estatus exportador impacta positivamente sobre el gasto en I+D de las empre-
sas irlandesas. Damijan et al. (2008) usan técnicas de matching para controlar
por endogeneidad, y encuentran que la experiencia de exportar en el pasado
incrementa la innovación. Aw et al. (2011) a partir de un modelo estructural
encuentran que la experiencia exportadora y la I+D son importantes fuentes
del crecimiento de la productividad, pero no la experiencia exportadora pasada.
Finalmente, Bravo-Ortega et al. (2014) encuentran un impacto negativo de las
exportaciones sobre el gasto en I+D de las empresas chilenas. Los resultados
de este estudio sugieren que las empresas que se encuentran en el mercado
9 Ver, por ejemplo, Salomon y Shaver (2005), Damija et al. (2008), Girma et al. (2008) y Aw et al. (2011).
Efectos entre las actividades de innovación, exportación y productividad
76
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
internacional reducen su propensión a gastar en I+D, encontrando un trade-
off entre ambas variables.
Filipescu et al. (2013) estudian cómo la innovación (medida como intensidad
en I+D e innovaciones en productos y procesos) y las exportaciones, pueden
influenciarse mutuamente. Los resultados de la causalidad entre ambas varia-
bles por medio de un panel de 696 empresas manufactureras españolas en el
lapso 1994-2005 permiten evidenciar la relación recíproca entre innovación
tecnológica y exportación. Los autores argumentan que esta doble causalidad
se da a medida que mientras la empresa desarrolla actividades de exportación,
adquiere conocimientos que ayudan a desarrollar nuevas innovaciones tecno-
lógicas, lo que a su vez posibilita a la empresa aumentar su intensidad expor-
tadora, por un lado, y diversificar los mercados globales donde participa. Esta
mutua reciprocidad o causalidad es lo que se ha denominado mutual reinfor-
cing, el cual se corrobora mediante la prueba de causalidad de Granger (1969).
II. Datos
Este estudio usa la Encuesta Nacional de Innovación en la Industria Manu-
facturera (ENIIM) 2015, que proporciona información para el periodo 2012-
2014 en que se aplicó la entrevista10. La ENIIM 2015 tiene la ventaja de medir
los cambios, los avances y la evolución de los procesos de innovación en cada
una de las iniciativas empresariales realizadas para las mejoras de sus proce-
sos productivos y el desarrollo de nuevos productos, entre otros. Además, esta
encuesta considera a las micro, pequeñas, medianas y grandes empresas11 d e la
industria manufacturera en los 24 departamentos y la Provincia Constitucional
del Callao. Dado que solo 1.4 % del total de empresas son medianas, se deci-
dió juntar a las empresas medianas y grandes en un solo grupo.
10 Solo la información del monto invertido en actividades de innovación y el desempeño económico de la
empresa (ventas, exportaciones, capital fijo) se tiene para cada año (2012, 2013 y 2014) que se aplicó
la entrevista.
11 El estrato empresarial (tamaño) definido en este estudio está en función de sus niveles de ventas anuales:
1) microempresa: ventas anuales hasta por el monto máximo de 150 unidades impositivas tributarias
(UIT), 2) pequeña empresa: ventas anuales superiores a 150 UIT y hasta el monto máximo de 1700 UIT,
3) mediana empresa: ventas anuales superiores a 1700 UIT y hasta el monto máximo de 2300 UIT y 4)
las empresas con ventas anuales superiores a 2300 UIT corresponden al estrato empresarial de gran
empresa. La UIT considerada para el 2014 es S/ 3800.
José Luis Nolazco 77
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Una limitación de la ENIIM 2015 es que no puede ser unida a la ENIIM 2012
(que contiene información para el periodo 2009-2011) para poder disponer de
un panel de datos, ya que existe menos del 20 % de empresas manufactureras
comunes en ambas encuestas. Unir ambas encuestas genera resultados sesga-
dos debido a que sería una muestra poco representativa a nivel nacional. Una
descripción más detallada de lo que contiene la ENIIM 2015, tanto a nivel de
insumo como de producto, es presentada en la Tabla 1.
Tabla 1. Descripción del contenido de la ENIIM 2015
Localización Ubicación geográfica de la empresa
Actividades de
innovación
• Si realizó y el monto invertido de actividades de: 1) innovación tecnológica
y 2) no tecnológica.
• Aspectos que motivaron la puesta en práctica de las actividades de innovación.
Financiamiento
• Financiamiento público, privado y propio para realizar actividades de
innovación.
• Si la empresa conoce, postuló y accedió a programas públicos de apoyo a la
innovación.
Encadenamientos e
innovación
• Si la empresa tuvo algún contrato para proveer bienes o servicios de empresas
y si realizó actividades de innovación.
Recursos humanos • Número de personal ocupado (calificado y no calificado).
Información
económica básica
• Porcentaje de capital extranjero que tiene la empresa.
• Total de ventas y exportaciones.
• Inversión en capital fijo.
• Costo total en sueldos.
Protección y
propiedad intelectual
• Si la empresa tiene o ha solicitado algún derecho de propiedad intelectual
(marca, patente, modelo de utilidad, entre otros) en el país o en el extranjero.
Fuentes de
información
• Si la empresa usó fuentes (internas, de mercado e institucionales) para el
desarrollo de actividades de innovación.
Obstáculos • Principales obstáculos (conocimiento, mercado, costo, entre otros) que
impidieron el desarrollo de actividades de innovación.
Resultados de
la innovación
• Si la empresa introdujo al mercado una innovación tecnológica en producto
(bien o servicio) nuevo o significativamente mejorado tanto para la empresa
cómo para el mercado (nacional o internacional).
• Si la empresa logró introducir o incorporar una innovación en organización
o comercialización.
Fuente: ENIIM, 2015.
Efectos entre las actividades de innovación, exportación y productividad
78
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Las variables (dependientes e independientes) a ser utilizadas en cada ecuación
fueron escogidas a partir de la evidencia empírica12 internacional y nacional,
pero sobre todo considerando las características de las empresas manufactu-
reras peruanas. Así, un aspecto muy importante a tener en cuenta es que en
la ENIIM 2015 el 61.2 % de empresas invirtió en algún tipo de actividad de
innovación (tecnológica13 y no tecnológica14) pero solo el 4.5 % lo han hecho
en I+D (tanto interna como externa). En ese contexto, el presente estudio
considera todas las actividades de innovación y no solo la relacionada con
I+D. Asimismo, la muestra de estudio corresponde a datos censurados ya que
el 38.8 % de empresas que no realizaron actividades de innovación tampoco
lograron introducir alguna innovación, lo que ocasionó que la información de
las variables endógenas fuera 0.
Otro aspecto muy importante a considerar es el resultado de la innovación,
el cual puede ser de tipo tecnológico15 (productos o procesos) o no tecnoló-
gico16 (c ome rci ali zac ión u or gan iza ció n). Da do q ue e l 82 % de emp res as m anu -
factureras que obtienen un resultado de innovación no tecnológica también
incorporan uno de tipo tecnológico, se propone implementar lo realizado por
Crespi y Zuñiga (2012). Es decir, el resultado de la innovación a considerar en
el presente estudio puede ser de tipo tecnológico o no tecnológico. Usar de
manera separada generaría que exista una alta colinealidad, lo que generaría
problemas de identificación en las estimaciones econométricas.
12 Ver, por ejemplo, Álvarez et al. (2011), Crespi y Zúñiga (2012), Bravo-Ortega et al. (2014), Baum et al.
(2016), Cintio et al. (2017).
13 Se considera innovación tecnológica a las actividades de I+D interna y externa, adquisición de bienes
de capital, hardware, software, transferencia tecnológica, diseño e ingeniería industrial, capacitación
para actividades de innovación y estudios de mercados para introducción de innovación.
14 La innovación no tecnológica considera las actividades en la nueva forma de implementación de
organización y mejoras en el diseño de empaque de productos.
15 La innovación de productos está relacionada con la introducción de nuevos bienes y servicios y las
mejoras significativas de características funcionales o de utilización de bienes y servicios existentes.
La innovación en proceso es la introducción de un nuevo, o significativamente mejorado, proceso de
producción o de distribución.
16 La innovación en comercialización es la aplicación de un método que implique cambios significativos
del diseño o el envasado de un producto. La innovación en organización está relacionada con un nuevo
método organizativo en las prácticas.
José Luis Nolazco 79
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
III. Estrategia empírica
El modelo empírico es construido en cuatro etapas. La primera consiste en
la decisión de la empresa de participar en las actividades de innovación y la
intensidad de la inversión (en términos del gasto en innovación por trabajador).
Los valores predichos de esta última variable son luego usados en la segunda
etapa para estimar la función de producción de conocimientos (resultados de
la innovación). La tercera etapa incorpora los valores predichos de la función
de producción de conocimiento (a través del estimado del número de innova-
ciones en productos o procesos nuevos o mejorados) sobre la intensidad de las
exportaciones. Finalmente, la última etapa consiste en estimar la función de
producción, tal que la productividad laboral (o la PTF) de la empresa se explica
por los efectos de la innovación directos (a través de la generación de nuevo
conocimiento) e indirectos (clomo a través del impacto sobre las exportacio-
nes) junto con otros insumos.
Tal como sugiere Kleinkne cht (1987) y confirmado por Santarelli y Sterlacchini
(1990), las medidas oficiales de I+D para las micro y pequeñas empresas
pueden subestimar sus actividades de innovación. Es probable que la presencia
de actividades informales, el tipo de I+D que se está realizando o la ausen-
cia de departamentos de I+D sean factores que influyan negativamente en el
esfuerzo declarado de I+D (Romer, 1990). Así, el gasto autorreportado de I+D no
suele describir adecuadamente el esfuerzo innovador de las micro y pequeñas
empresas (Klette y Kortum, 2004). Por lo tanto, los valores predichos de la
intensidad de I+D son necesarios para obtener un mejor proxy de las activi-
dades innovadoras realizadas por las empresas manufactureras peruanas17.
El siguiente diagrama enmarca los principales canales de transmisión de un
sistema de ecuaciones donde el gasto en I+D, los resultados de la innovación
y las exportaciones interactúan y determinan la productividad de las empre-
sas (Tabla 2). A continuación, se explican las expresiones y los parámetros
relevantes a estimar.
17 Un enfoque similar es usado en Crepón et al. (1998), Hall y Jones (1999) y Cintio et al. (2017).
Efectos entre las actividades de innovación, exportación y productividad
80
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Tabla 2. Determinantes y consecuencias de la innovación
AD
F
H
B
Decisión de
invertir en I+D
Intensidad de la
i
nversión en I+D
Intensidad de la
exportación
Conocimiento
Productividad
E
CG
Nota: las flechas indican el efecto entre las variables. Como referencia, el modelo CDM solo considera los
mecanismos A-D-G.
Fuente: elaboración propia con base en Crepón et al. (1998), Bravo-Ortega et al. (2014), Cirera et al. (2015)
y Cintio et al. (2017).
A. Decisión e intensidad del gasto en I+D
En la primera etapa se asume una variable latente
RDi
que es explicada por
un conjunto de variables independientes Xi0, yi y
Xi
*
para la empresa i según
el modelo Tobit tipo I:
RD Xy
Xu
iii
ii
=+ ++ +αβαα
′
0001
20
* (1)
RD RD RD c
RD c
i
ii
i
=
,
,
>
≤0
(2)
Donde 0 es u n té rmi no c ons tan te, 0, 1 y 2 s on c oef ici ent es a ser est ima dos ,
uio es el componente de error y c es el umbral donde la intensidad de gasto en
I+D por trabajador en logaritmos (
RD
i
) es observado. En esta primera etapa,
se controló por la decisión de las empresas de invertir en I+D (canal de trans-
misión “A”) a través de un modelo Tobit generalizado, tal como lo plantean
Hall et al. (2009) y Cintio et al. (2017).
El vector Xi0 se compone de variables independientes que representan: 1) el
logaritmo de trabajadores calificados, 2) el porcentaje de financiamiento
público y privado que tuvo la empresa para la realización de actividades de
innovación, 3) variable dicotómica si la empresa tuvo algún contrato para
José Luis Nolazco 81
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
proveer de bienes o servicios a empresas del sector minero, forestal, acuícola o
pesquero, que permitió realizar actividades de innovación (encadenamiento e
innovación), 4) el logaritmo del número de derechos de propiedad intelectual,
5) variables dicotómicas relacionadas con diferentes fuentes de información
(internas, mercado, institucionales, otras), 6) logaritmo del capital por trabaja-
dor, 7) porcentaje del capital extranjero en su capital total, 8) la participación
de las ventas de la empresa respecto al total del mercado, 9) variable dico-
tómica si la empresa se ubica en Lima, 10) años de experiencia de la empresa
y 11) el tamaño de la empresas (variables dicotómicas para las micro, peque-
ñas y medianas/grandes empresas).
Además, yi representa la productividad laboral, lo cual permite evaluar si 1
es positivo y estadísticamente significativo (canal de transmisión de “B”).
Finalmente,
Xi
*
representa las exportaciones por trabajador, lo cual permite
evaluar la hipótesis de innovating by exporting evidenciado en la literatura
internacional (Aw et al., 2011; Bravo-Ortega et al., 2014; Damijan et al., 2008;
Girma et al., 2008; Salomon y Shaver, 2005). En este caso si 2 es positivo y
estadísticamente significativo entonces se demuestra la existencia del canal
de transmisión “C”.
B. Función de producción de conocimientos
La segunda etapa consiste en analizar la relación entre la intensidad de gasto
en I+D por trabajador y el resultado de la innovación. Así, se estima una
función de producción de conocimientos, donde la variable latente
Ii
es exp li-
cada por un conjunto de variables independientes Wio y
RDi
. Por lo tanto, el
logaritmo del número de cantidad de innovaciones en productos (bienes y
servicios) o procesos18 tanto nuevos como mejorados (Ii) es observado para la
empresa i según el modelo Tobit tipo I19:
18 Tal como proponen Crespi y Zuñiga (2012), se considera la innovación tecnológica (en productos y
procesos) más que usar la innovación en productos y procesos de manera separada. La principal razón
es que existe una alta colinealidad entre ambos tipos de innovación tecnológica en las encuestas de
innovación en los países de América Latina. La mayoría de empresas que introducen innovaciones en
productos también realizan innovaciones en procesos. Por tal razón, resulta difícil analizar por separado
la innovación en productos y procesos ya que ocasionaría problemas de identificación al incorporarlas
por separado en la ecuación de productividad.
19 En esta segunda etapa también se controló por la decisión de las empresas de invertir en I+D a través
de un modelo tobit generalizado tal como lo plantean Hall et al. (2009) y Cintio et al. (2017); sin
embargo, se rechaza la hipótesis de sesgo de selección.
Efectos entre las actividades de innovación, exportación y productividad
82
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
IWRD u
i
io
i
i
!
"
=+
++
δγα
′
00
31
(3)
III d
Id
i
ii
i
=
,
,
>
≤0 (4)
Donde 0 es un término constante, 0 y 3 son coeficientes a ser estimados, ui1
es el componente de error y d es el umbral donde Ii es ob ser vad o. E s im por tan te
mencionar que Wi0 es un vector de variables independientes que representan:
1) el logaritmo de trabajadores calificados, 2) el porcentaje de financiamiento
público y privado que tuvo la empresa para la realización de actividades de
innovación, 3) variable dicotómica si la empresa tuvo algún contrato para
proveer de bienes o servicios a empresas del sector minero, forestal, acuícola
o pesquero, que permitió realizar actividades de innovación (encadenamiento
e innovación), 4) variables dicotómicas relacionadas con diferentes fuentes
de información (internas, mercado, institucionales, otras), 5) logaritmo del
capital por trabajador, 6) porcentaje del capital extranjero en su capital total,
7) la participación de las ventas de la empresa respecto al total del mercado,
8) variable dicotómica si la empresa se ubica en Lima, 9) años de experiencia
de la empresa y 10) el tamaño de la empresa (variables dicotómicas para las
micro, pequeñas y medianas/grandes empresas).
Además,
RDi
re pre sen ta e l va lor pre di cho del log ari tmo de g ast o e n I+ D po r tr a-
bajador obtenido de estimar (1) y (2) conjuntamente. En este caso si la empresa
ha introducido una innovación en productos y procesos, esta se espera que
fuera principalmente por el monto de inversión en investigación y desarrollo.
Así, si 3 es positivo y estadísticamente significativo, entonces se demuestra
la existencia del canal de transmisión “D”.
C. Decisión e intensidad de la exportación
En la tercera etapa se analiza la relación entre los resultados de la innova-
ción y la intensidad exportadora de las empresas. En particular, se estima
un modelo Tobit tipo I en el cual la variable latente
Ex
p
i
es explicada por un
conjunto de variables independientes Zi0 y
Ii
. Por lo tanto, el logaritmo de las
José Luis Nolazco 83
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
exportaciones por trabajador (Expi) es observado para la empresa i según el
modelo Tobit tipo I20:
ExpZ KSLIu
i
ii
ii
i
!
"
=+ ++
++
τηαα α
′
0004
56
2 (5)
ExpIExp e
Ex
pe
i
ii
i
=
!
"
"
,
,
>
≤0
(6)
Donde 0 es un término constante, 0, 4, 5 y 6 son coeficientes a ser esti-
mados, ui2 es el componente de error y e es el umbral donde Expi es observado.
Es importante mencionar que Zi0 es un vector de variables independientes que
representan: 1) logaritmo del capital por trabajador, 2) variable dicotómica si
la empresa accedió a programa de apoyo público para exportaciones, 3) loga-
ritmo de las exportaciones de 2012, 4) logaritmo de derechos de propiedad
intelectual, 5) la participación de las ventas de la empresa respecto al total
del mercado, 6) porcentaje de capital extranjero en su capital total, 7) años
de experiencia de la empresa, 8) variable dicotómica si la empresa se ubica
en Lima y 9) el tamaño de la empresa (variables dicotómicas para las micro,
pequeñas y medianas/grandes empresas).
El logaritmo del capital físico (Ki) y el logaritmo del número de trabajadores
calificados (SLi) representan un proxy de la productividad laboral21, por lo que
si 5 y 6 son estadísticamente significativas, se verifica el canal de transmisión
“E”, que indica el cumplimiento de la hipótesis de autoselección (self-selection).
Finalmente,
I
i
re pre sen ta e l va lor pre dic ho d el l oga rit mo d el n úme ro d e ca nt i-
dad de innovaciones en productos (bienes y servicios) o procesos, tanto nuevos
como mejorados, obtenido de estimar (3) y (4). Esto permite evaluar la hipóte-
sis de la innovación como determinante de la intensidad en las exportaciones
(exporting by innovating) evidenciada en la literatura internacional (Ito y
Pucik, 1993; Lefebvre et al., 1998; Cassiman et al., 2010; Becker y Egger, 2013;
Bravo-Ortega et al., 2014; Cirera et al., 2015). Por lo tanto, si 6 es positivo y
20 En esta tercera etapa no se tenía información en la ENIIM sobre en qué año se tomó la decisión de
exportar. Por tal razón, se realizó un modelo Tobit generalizado sin tener una variable dependiente en
la ecuación de selección. Los resultados indican que se rechaza la hipótesis de sesgo de selección.
21 No se incorpora en la estimación de (5)-(6) la productividad laboral debido a la alta correlación con el
resto de variables, que ocasionaba un signo contrario a lo esperado.
Efectos entre las actividades de innovación, exportación y productividad
84
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
estadísticamente significativo, entonces se demuestra la existencia del canal
de transmisión “F”.
De estimar (5)-(6), el valor predicho del logaritmo de las exportaciones por tra-
bajador (
Ex
p
i
) representa la intensidad exportadora dadas las actividades y los
resultados de la innovación (es decir, exportaciones innovativas). Finalmente, y
tal como lo proponen Cintio et al. (2017), el residuo obtenido de estimar (5)-
(6) (
uE
xp
ii
res
2
=
) corresponde a la intensidad exportadora que no es explicada
por las actividades y los resultados de la innovación (es decir, exportación
de productos antiguos o no innovativa). Ambas variables, Exp
i
y
Ex
p
i
res
, son
incluidas en la cuarta etapa de estimación de la productividad.
D. Productividad
La última etapa está relacionada con el impacto de la actividad exportadora
y la innovación sobre la productividad laboral (yi) de las empresas a partir de
una regresión por cuantiles. Esta metodología es frecuentemente utilizada en
la literatura ya que los efectos de la innovación pueden variar a través de la
distribución condicional de la productividad22. Así, según Koenker y Bassett
Jr. (1978), Buchinsky (1998), Koenker y Hallock (2001) y Yasar et al. (2006) se
propone la siguiente especificación econométrica:
yB IExp Ex
pu
ii
i
ii
res
i
=ϕωρ µ
′
θθ00 03
++
++
!
""
con Qy
HH
i
θθ
|Ω
()
= (7)
Donde θ indica los cuantiles, Ωϕωρµ
θθθθ θ
=
{}
,,, son los parámetros a esti-
mar y ui3 es el e rro r a s er e sti mad o. A dem ás, QyH
iθ
()
de not a lo s cu ant ile s de yi
condicionales a un conjunto de variables explicativas HBIExp Exp
ii
ii
res
=
{}
0,, ,
!
""
.
En este caso el vector de variables independientes Bi0 representa: 1) participa-
ción de las ventas de la empresa respecto al total del mercado, 2) porcentaje
del capital extranjero en su capital total, 3) variable dicotómica si la empresa
se ubica en Lima, 4) logaritmo del capital por trabajador y 5) el tamaño de la
empresa (variables dicotómicas para las micro, pequeñas y medianas/gran-
des empresas).
22 Ver, por ejemplo, Yasar et al. (2006), Goedhuys y Sleuwaegen (2010), Falk (2012) y Cintio et al. (2017).
José Luis Nolazco 85
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
El coeficiente θ captura el efecto directo de la innovación
Ii
a través de la
generación de nuevo conocimiento. Si θ es positivo y estadísticamente signi-
ficativo se demuestra la existencia del canal de transmisión “G” (es decir, que
un mayor gasto en I+D permitió desarrollar innovación en productos o procesos
incrementando la productividad de las empresas manufactureras peruanas).
El coeficiente θ representa el efecto indirecto de la innovación sobre la
productividad que se realiza a través de la inclusión en los mercados interna-
cionales de nuevos productos o servicios (exportaciones innovativas). Asimismo,
θ es el impacto directo de las exportaciones de productos no innovativos
sobre la productividad. Si θ y θ son significativos, se cumple la hipótesis de
learning by exporting evidenciada en la literatura internacional23 y se garan-
tiza el canal de transmisión “H”.
Por lo tanto, los estimadores ϕωρ
θθθ
,,
y θ resuelven el siguiente problema:
min
::
ϕ,ω,ρ,µθ −Ω+−θ− Ω
θθ
≥Ω≥Ω θθ
11
nyH yH
ii
iy Hiy Hii
()
{}
∑∑ (8)
Estimar (8) mediante una regresión por cuantiles tiene tres ventajas sobre esti-
maciones por MCO propuestos en estudios previos. En primer lugar, permite
caracterizar toda la distribución de la variable dependiente dado un conjunto
de variables regresoras. Así, se puede cuantificar el efecto de una variable de
manera más precisa que MCO con base en la media condicional. En segundo
lugar, las regresiones por cuantiles son robustas en presencia de heterocedas-
ticidad y distribución de los errores no normales. Finalmente, las regresiones
por cuantiles minimizan una función objetivo que es la suma ponderada de
las desviaciones absolutas, porque los coeficientes estimados son menos sen-
sibles a outliers (Cintio et al., 2017).
Como medida de robustez, se estima (8) usando como variable dependiente
la PTF en lugar de la productividad laboral. Esta ha sido estimada conside-
rando el método de Levinsohn y Petrin (2003), que permite estimar de manera
congruente los parámetros de una función de producción en presencia de
23 Ver, por ejemplo, Clerides et al. (1998), Bernard y Jensen (1999), Girma et al. (2008), Álvarez y López
(2005), Fernandes e Isgut (2005), Greenaway y Kneller (2007), Bravo-Ortega et al. (2014).
Efectos entre las actividades de innovación, exportación y productividad
86
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
endogeneidad de los insumos productivos. A partir de estudios previos, tales
como los de Arbeláez y Torrado (2011), Álvarez y García (2011) y Bravo-Ortega
et al. (2014), la estimación considera el valor agregado de la empresa, el stock
de capital, el número de trabajadores calificados y no calificados, y el con-
sumo de electricidad.
IV. Resultados
A. Estimación de la decisión de innovación y el gasto en I+D
En primer lugar, para verificar si las empresas se autoseleccionan en la deci-
sión de realizar actividades en I+D, se estima un modelo Tobit de tipo I y un
Heckman de dos etapas (Tobit tipo II). Esto permite capturar las diferencias
observables en el gasto en I+D. En la Tabla 3 se observan dichas estimaciones,
donde primero se estima la ecuación de selección (la decisión de participar en
actividades de I+D) mediante un probit. Luego, se calcula el ratio Mill, que es
incluido en la ecuación de gasto de I+D. Los resultados indican que el coefi-
ciente de selección no es significativo (-0.197), lo cual indica a su vez que la
autoselección no es importante para este estudio y, por ende, se opta por un
modelo Tobit tipo I. Esta evidencia es encontrada en estudios tales como Hall
et al. (2009) y Cintio et al. (2017).
Los resultados mostrados en la segunda columna de la Tabla 3 (Tobit tipo I)
muestra que la mayoría de los coeficientes estimados son estadísticamente
significativos (incluso al 1 %) excepto los derechos de propiedad intelectual, la
participación que tiene la empresa en la industria, la ubicación de la empresa
y los años de experiencia en el mercado.
Los principales hallazgos muestran que ante un incremento de 1 % de la pro-
ductividad laboral se incrementó en 0.61 % el gasto en I+D. Además, ante un
incremento de 1 % de las exportaciones se incrementa en 0.18 % el gasto en
I+D. Si bien, este coeficiente es significativo al 10 %, este resultado indica
que el esfuerzo de exportar incentiva a la empresa a realizar gasto en I+D (no
la decisión de invertir en I+D) para poder competir en el mercado internacio-
nal. Así, se acepta la hipótesis de innovating by exporting para las empresas
manufactureras peruanas.
José Luis Nolazco 87
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Es importante recalcar que la poca significancia estadística de este resul-
tado se debe a que los países en desarrollo se especializan en sectores donde
la innovación no sea particularmente importante para la competencia inter-
nacional (Álvarez et al., 2011). Al respecto, se encuentra que el 72 %24 de las
exportaciones peruanas en la industria manufacturera están basadas en recur-
sos naturales que no incorporan algún tipo de tecnología, 18 % son de baja
tecnología, 9 % de tecnología media y solo el 1 % de las exportaciones son
de alta tecnología (Produce, 2015).
Otro aspecto importante es que trabajadores mejor calificados en la empresa
incrementan el gasto que realiza en I+D. Este resultado es acorde con lo espe-
rado ya que más trabajadores con grados de educación superior completa o
postgrado, en formación de ciencias, ingeniería y tecnologías, pueden usar de
manera más eficiente los instrumentos de innovación tales como hardware y
software, entre otros que adquieren las empresas y permiten generar produc-
tos o servicios con mayor valor agregado.
De la misma manera, mayor acceso a financiamiento privado (es decir, a tra-
vés de bancos comerciales y otras empresas) incrementa el gasto en I+D.
Este coeficiente es estadísticamente significativo ya que casi el 65 % de las
empresas manufactureras peruanas se financian a través de este medio. Por
otro lado, solo el 4 % de las empresas recurrieron a financiamiento público
—es decir, programas tales como Innóvate Perú, Fondo Nacional de Desarrollo
Científico y Tecnológico (Fondecyt), Fondo de Investigación y Desarrollo para
la Competitividad (Fidecom), Fondo para la Innovación, la Ciencia y la Tecno-
logía (Fincyt), incentivo tributario a la I+D, entre otros—, lo cual explica la no
significancia estadística en dicho coeficiente asociado. Este resultado se debe
principalmente a dos razones: 1) el 49 % de empresas innovativas de la indus-
tria manufacturera no conocen los programas y servicios públicos de apoyo
a la innovación y 2) del 51 % que sí los conocen, solo 25 % se postulan, y de
estas, solo 81 % acceden.
Finalmente, se encuentra evidencia estadísticamente significativa de la impor-
tancia de integración de las empresas manufactureras con las actividades mine-
ras, forestales y acuícolas o pesqueras del país (encadenamiento) para realizar
un mayor gasto en I+D. Así, de las empresas innovativas que tuvieron contrato
24 Cifras para el año 2014.
Efectos entre las actividades de innovación, exportación y productividad
88
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
para proveer bienes o servicios a empresas de otros sectores económicos, el
mayor porcentaje de contratos fue con la empresa minera de gran tamaño
(explotadora de minerales como cobre, plata, entre otros), que representa casi
el 60 %, seguida de la pequeña o mediana empresa minera (explotadora de
minerales como cobre, plata, entre otros), con un 53 %. En relación con los
contratos con la pequeña o mediana empresa forestal y la empresa forestal
de gran tamaño esta fue de solo el 4.6 % y el 2.2 %, respectivamente. En un
porcentaje cercano al 2 % están representados los contratos con empresas
acuícolas o pesqueras del país.
Tabla 3. Estimación Tobit de decisión y gasto en I+D
Variables
Tobit tipo I Tobit tipo II
Log Gasto deinnovación
por trabajador
Log Gasto de
innovación por
trabajador
Decisión de realizar
actividades de
innovación
Log Productividad laboral 2012 0.607*** 0.413***
(0.088) (0.065)
Log Exportaciones 2012 0.179* 0.132 0.025
(0.101) (0.167) (0.082)
Capital humano
Log Trabajadores calificados 1.503*** 1.231*** 0.417**
(0.123) (0.342) (0.184)
Variables relacionadas
con la innovación
Financiamiento privado 5.032*** 3.256*** 1.589*
(0.162) (0.102) (0.825)
Financiamiento público 0.918 1.212* 0.516
(0.967) (0.934) (0.591)
Encadenamiento e innovación 1.852*** 1.369** 0.623***
(0.198) (0.189) (0.232)
Log Derechos propiedad
intelectual 0.039 0.057
(0.079) (0.048)
Fuentes de información
Internas 0.587***
(0.074)
(Continúa)
José Luis Nolazco 89
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Tabla 3. Estimación Tobit de decisión y gasto en I+D
Variables
Tobit tipo I Tobit tipo II
Log Gasto deinnovación
por trabajador
Log Gasto de
innovación por
trabajador
Decisión de realizar
actividades de
innovación
Mercado (proveedores, clientes,
consultores) 0.183**
(0.062)
Institucionales (universidades,
institutos) 0.067
(0.138)
Otras (conferencias, Internet,
revistas, etc.) 0.163
(0.196)
Características de la empresa
Log Stock de capital 0.621*** 0.486*** 0.091***
(0.032) (0.038) (0.029)
Capital extranjero 0.632*** 0.731*** 0.021
(0.242) (0.161) (0.184)
Participación de mercado 0.157 0.079 1.397***
(0.178) (0.111) (0.641)
Ubicación de la empresa
es Lima 0.036 0.027 0.021
(0.142) (0.134) (0.137)
Años de experiencia 0.001 0.002*** -0.002
(0.002) (0.000) (0.009)
Tamaño
Mediana y grande (> 1700 UIT) 1.437*** 1.331*** 0.769**
(0.305) (0.389) (0.324)
Pequeña (> 150 UIT y <= 1700
UIT) 0.765*** 0.421 0.721**
(0.215) (0.379) (0.316)
Constante 0.067 0.529 0.726*
(0.117) (0.726) (0.431)
Mills 0.197
(0.243)
Observaciones 7,223 7,223 7,223
Nota: Los errores estándar son robustos a heterocedasticidad. * p < 0.1. ** p < 0.05. *** p < 0.01.
Fuente: elaboración propia.
Efectos entre las actividades de innovación, exportación y productividad
90
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
B. Relación entre el gasto en I+D y resultados de la innovación
Como se observó en las estimaciones anteriores, en este caso también se eva-
lúa autoselección del resultado de la innovación según un procedimiento de
dos etapas de Heckman (Tobit tipo II). Tal como se observa en la Tabla 4, la
última columna muestra un ratio Mills no significativo (0.062) a los niveles
convencionales, por lo que no corregiremos por sesgo de selección y se opta
por las estimaciones del modelo Tobit tipo I.
Los resultados de las estimaciones del modelo Tobit I son reportados en la
segunda columna de la Tabla 4, donde se destaca que las elasticiadades del
gasto en I+D e innovación (en productos y procesos) equivalen a 0.38. Este
resultado no es sorprendente, dado que la mayoría de literatura ya ha resal-
tado la importancia del gasto en innovación para la introducción de nuevos
productos. De la misma manera, las elasticidades entre los trabajadores cali-
ficados e innovación equivalen a 0.36.
Respecto a las fuentes de información para el desarrollo de actividades de
innovación, resultan ser más importantes para el caso peruano las internas
(dentro de la empresa o grupo de empresas) y de mercado (proveedores de
equipo, materiales, componentes o software, clientes, competidores u otras
empresas en su sectores) que las institucionales (universidades, institutos de
investigación u otros centros de enseñanza superior) y otras (conferencias,
ferias, Internet, otros). Este resultado es de esperar ya que las no innovativas
son las que usan otras fuentes de información.
Por otra parte, se puede apreciar que la participación en el mercado es signifi-
cativa y tiene un impacto positivo en ambos tipos de innovación. Esto significa
que si el porcentaje de participación de la empresa en el mercado aumenta en
diez puntos porcentuales el resultado de la innovación se incrementa en 3.2 %.
Tabla 4. Estimación resultado de la innovación
Variables
Tobit tipo I Tobit tipo II
Log de Innovaciones
(productos y procesos)
Log de Innovaciones
(productos y procesos)
Decisión de realizar
actividades de
innovación
Log del Gasto en innovación
(predicho) 0.380*** 0.093***
(0.014) (0.0276)
(Continúa)
José Luis Nolazco 91
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Tabla 4. Estimación resultado de la innovación
Variables
Tobit tipo I Tobit tipo II
Log de Innovacio-
nes (productos y
procesos)
Log de Innovaciones
(productos y procesos)
Decisión de realizar
actividades de
innovación
Capital humano
Log Trabajadores calificados 0.363*** 0.139*** 0.189***
(0.084) (0.096) (0.057)
Variables relacionadas
a la innovación
Financiamiento privado 0.338***
(0.029)
Financiamiento público 0.026
(0.058)
Encadenamiento e innovación 0.967***
(0.241)
Fuentes de información
Internas 0.456*** 0.271*** 0.271***
(0.016) (0.025) (0.025)
Mercado (proveedores,
clientes, consultores) 0.085*** 0.091*** 0.026*
(0.016) (0.012) (0.013)
Institucionales (universidades,
institutos) 0.013 0.042* 0.019
(0.050) (0.024) (0.020)
Otras (conferencias, Internet,
revistas, etc.) 0.066* 0.031 0.007
(0.032) (0.044) (0.023)
Características de la empresa
Log Stock de capital por
trabajador 0.009 0.007 0.024
(0.007) (0.032) (0.033)
Log Exportaciones 2012 0.091 0.062* 0.030**
(0.123) (0.032) (0.015)
Capital extranjero 0.587*** 0.642*** 0.254
(0.172) (0.381) (0.178)
(Continúa)
Efectos entre las actividades de innovación, exportación y productividad
92
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Tabla 4. Estimación resultado de la innovación
Variables
Tobit tipo I Tobit tipo II
Log de Innovacio-
nes (productos y
procesos)
Log de Innovaciones
(productos y procesos)
Decisión de realizar
actividades de
innovación
Participación de mercado 0.032 0.105 1.123**
(0.096) (0.083) (0.612)
Ubicación de la empresa
es Lima 0.632*** 0.368*** 0.019
(0.052) (0.107) (0.142)
Años de experiencia 0.004*** 0.001** 0.004
(0.002) (0.000) (0.009)
Tamaño
Mediana y grande
(> 1700 UIT) 0.983*** 0.913*** 0.762**
(0.103) (0.283) (0.346)
Pequeña (> 150 UIT
y <= 1700 UIT) 0.116*** 0.141*** 0.172***
(0.080) (0.024) (0.043)
Constante 0.243*** 0.105*** 0.138***
(0.103) (0.035) (0.045)
Mills 0.062
(0.136)
Observaciones 7,223 7,223 7,223
Nota: Los errores estándar son robustos a heterocedasticidad. * p < 0.1. ** p < 0.05. *** p < 0.01.
Fuente: elaboración propia.
C. Relación entre innovación y exportaciones
De la misma manera que los casos anteriores, se evalúa la autoselección en
las exportaciones con un procedimiento de dos etapas de Heckman (Tobit tipo
II). Tal como se observa en la Tabla 5, dado que el ratio Mills no es significa-
tivo (0.323) a los niveles convencionales, no es necesario corregir por sesgo
de selección en nuestras estimaciones de intensidad de exportación y se opta
por usar las estimaciones del modelo Tobit tipo I.
La estimación Tobit tipo I muestra que la intensidad en I+D tiene un efecto
positivo y significativo en la intensidad en exportación (elasticidad de 0.36).
José Luis Nolazco 93
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Este resultado no es sorprendente, dado que la mayoría de literatura ya ha
resaltado la importancia de la innovación como conductora del comercio inter-
nacional. Exitosamente los exportadores son a menudo innovadores debido a
que la innovación ayuda a las empresas a encarar mejor la intensa competen-
cia en los mercados internacionales (Bravo-Ortega et al., 2014; Cintio et al.,
2017). Por lo tanto, se demuestra el cumplimiento de la hipótesis de innova-
ción como determinante de la intensidad en las exportaciones (exporting by
innovating) para el caso peruano.
También se encuentra evid encia estadísti camente signific ativa de que se cumple
la hipótesis de autoselección (self-selection) en el caso peruano. Al respecto,
las elasticidades del stock de capital y trabajadores calificados (proxys de la
productividad laboral) respecto a las exportaciones son 0.19 y 0.40, respec-
tivamente. Al respecto, tal como se indica en Álvarez y García (2008), Bravo-
Ortega et al. (2014), cuando la empresa empieza a exportar, incurre en costos
tales como investigación de mercado, mercadeo, permisos, licencias, entre
otros, los cuales solo puede enfrentar si es altamente productiva o eficiente.
Tabla 5. Estimación de la intensidad en las exportaciones
Variables Tobit tipo I Tobit tipo II
Log Exportaciones 2014 Log Exportaciones 2014 Selección
Log Innovaciones (predicho) 0.361* 0.072 0.482***
(0.211) (0.255) (0.076)
Variables relacionadas con
la productividad laboral
Log Stock de capital 0.190*** 0.026 0.094***
(0.036) (0.065) (0.024)
Log Trabajadores calificados 0.396*** 0.172*** 0.227***
(0.077) (0.032) (0.040)
Variables relacionadas
con las exportaciones
Programa de apoyo público para
exportaciones 0.301 0.221 0.985***
(0.203) (0.486) (0.242)
Log Exportaciones 2012 1.432*** 0.602***
-0.0169 -0.0203
(Continúa)
Efectos entre las actividades de innovación, exportación y productividad
94
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Tabla 5. Estimación de la intensidad en las exportaciones
Variables Tobit tipo I Tobit tipo II
Log Exportaciones 2014 Log Exportaciones 2014 Selección
Características de la empresa
Log Derechos de propiedad
intelectual 0.021 0.041
(0.086) (0.056)
Participación de mercado 0.436*** 0.252* 0.489
(0.071) (0.142) (0.495)
Capital extranjero 0.789*** 0.265 0.746***
(0.228) -0.339 -0.141
Años de experiencia 0.023*** 0.043*** 0.009
(0.001) (0.000) (0.010)
Ubicación de la empresa es Lima 0.632*** 0.368*** 0.019
(0.052) (0.107) (0.142)
Tamaño
Mediana y grande (> 1700 UIT) 0.836*** 0.732*** 1.580***
(0.308) (0.232) -0.453
Pequeña (> 150 UIT
y <= 1700 UIT) 0.789*** 0.696** 1.198***
(0.188) (0.215) -0.458
Constante 0.902*** 0.344 2.807***
(0.589) (0.329) (0.503)
Mills 0.323
Observaciones 7,223 7,223 7,223
Nota: Los errores estándar son robustos a heterocedasticidad. * p < 0.1. ** p < 0.05. *** p < 0.01.
Fuente: elaboración propia.
D. Relación entre innovación, exportaciones y productividad
A continuación se muestra el impacto entre la innovación y las exportaciones
sobre la productividad laboral y la PTF considerando las estimaciones anteriores.
Dado que los efectos de la innovación pueden variar a través de la distribu-
ción condicional de la productividad, vale la pena calcular estas estimaciones
por quintiles, un método que es generalmente más eficiente que el de 2SLS
(Bravo-Ortega et al., 2014; Cintio et al., 2017).
José Luis Nolazco 95
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Los resultados de la Tabla 6 muestran que los efectos directos e indirectos
de la innovación (es decir, log Innovaciones predichas (
Ii
) y log Exportaciones
innovativas predichas (
Ex
p
i
), respectivamente) incrementan la productividad
en todos los quintiles. Respecto al efecto directo, se corrobora el papel pro-
tagónico de la innovación en el impulso de la productividad evidenciado en
la literatura internacional ya que es el que mayor impacto presenta (elastici-
dad entre 0.22-0.37).
Asimismo, se destaca el cumplimiento de learning by exporting para el caso
peruano debido a que existe una relación positiva entre exportaciones y pro-
ductividad que se origina por las ganancias en I+D (efecto a través de Exp
i
). Si
bien el efecto es pequeño (fluctúa entre 0.0125-0.07), se espera que cuando las
empresas manufactureras peruanas incrementen el volumen de exportaciones
de alta tecnología mayor será el efecto sobre la productividad (Bravo-Ortega
et al., 2014). Finalmente, es de esperar que mayores exportaciones con pro-
ductos no innovativos reduzcan la productividad de las empresas. Por lo tanto,
los resultados sugieren que la innovación tecnológica en promedio es asociada
con un aumento del 23 %-44 % según quintil de la productividad laboral.
Tabla 6. Estimación de la productividad laboral
Variables
Log Productividad laboral
MCO Regresión por quintiles
Q(0.10) Q(0.25) Q(0.50) Q(0.75) Q(0.90)
Log Innovaciones (predicho) 0.282*** 0.223*** 0.211*** 0.237*** 0.243*** 0.369***
(0.019) (0.029) (0.021) (0.029) (0.028) (0.041)
Log Exportaciones innovativas
(predicho) 0.050*** 0.007 0.058*** 0.065*** 0.068*** 0.072***
(0.006) (0.007) (0.004) (0.007) (0.006) (0.009)
Log Exportaciones no
innovativas (predicho) -0.020*** 0.014*** -0.018*** -0.030*** -0.018*** -0.041***
(0.003) (0.004) (0.003) (0.004) (0.005) (0.007)
Participación de mercado 0.340*** 0.254*** 0.358** 0.414*** 0.458*** 1.058***
(0.070) (0.054) (0.040) (0.038) (0.050) (0.065)
Capital extranjero 0.331*** 0.265*** 0.312*** 0.365*** 0.379*** 0.412***
(0.032) (0.019) (0.042) (0.039) (0.051) (0.059)
(Continúa)
25 Es importante notar que el coeficiente asociado al Q(0.10) no es estadísticamente significativo.
Efectos entre las actividades de innovación, exportación y productividad
96
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Tabla 6. Estimación de la productividad laboral
Variables
Log Productividad laboral
MCO Regresión por quintiles
Q(0.10) Q(0.25) Q(0.50) Q(0.75) Q(0.90)
Ubicación de la empresa es Lima -0.165*** -0.041 -0.068** -0.123*** -0.276*** -0.321***
(0.021) (0.033) (0.027) (0.039) (0.032) (0.062)
Log Stock de capital 0.059*** 0.096*** 0.129*** 0.105*** 0.082*** 0.080***
(0.008) (0.007) (0.007) (0.008) (0.007) (0.011)
Mediana y grande (> 1700 UIT) 1.748*** 1.860*** 1.598*** 1.637*** 1.823*** 1.948***
(0.037) (0.053) (0.041) (0.049) (0.050) (0.069)
Pequeña (> 150 UIT
y <= 1700 UIT) 0.921*** 1.540*** 1.140*** 0.898*** 0.896*** 0.610***
(0.025) (0.037) (0.036) (0.031) (0.039) (0.049)
Constante 9.911*** 8.238*** 8.565*** 9.498*** 10.15*** 10.70***
(0.072) (0.071) (0.060) (0.071) (0.067) (0.059)
Observaciones 7,223 7,223 7,223 7,223 7,223 7,223
Nota: Los errores estándar son robustos a heterocedasticidad. * p < 0.1. ** p < 0.05. *** p < 0.01.
Fuente: elaboración propia.
Un aspecto a resaltar es que no necesariamente las mayores innovaciones
realizadas por las empresas se encuentran en aquellas que tienen una produc-
tividad mayor. Por ejemplo, tal como se puede observar en la Tabla 6, aquellas
empresas que se encuentran en el quintil 0.25 innovan menos que las ubica-
das en el quintil 0.10. Esta última evidencia si bien es similar a lo obtenido por
Cintio et al. (2017), se explica por la medición de productividad (ventas entre
el número de trabajadores) que al estar relacionado con algunas regresoras
(endogeneidad) puede sesgar la magnitud de algunos coeficientes.
Por esta razón, en la Tabla 7 se muestra la misma metodología anterior, pero
usando la PTF como variable dependiente. Los resultados obtenidos no solo
son estadísticamente significativos como en la Tabla 6, sino que además son
acordes con lo esperado por la literatura realizada para América Latina. Así, la
evidencia empírica encontrada en este estudio sugiere que la elasticidad entre
los efectos directos (nuevos productos o servicios significativamente mejo-
rados) e indirectos (nuevas exportaciones con mayor valor agregado) de la
innovación con respecto a la PTF fluctúan aproximadamente entre 0.16 y 0.45,
José Luis Nolazco 97
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
según quintil de productividad. De usarse el método de estimación MCO, se
encuentra una elasticidad de 0.29.
Este resultado se encuentra en el rango de los valores reportados en el estudio
de Crespi y Zuñiga (2010, 2012) usando como variable dependiente la produc-
tividad laboral: Argentina (0.24), Chile (0.60), Colombia (1.92), Panamá (1.65)
y Uruguay (0.80). Por otro lado, Arbeláez y Torrado (2011) y Bravo-Ortega et al.
(2014) encuentran una elasticidad de la innovación y la PTF entre 0.10-0.13 y
0.30-0.36 para el caso colombiano y chileno, respectivamente.
Por otro lado, la cantidad de exportaciones de productos antiguos o no inno-
vativos (
Ex
p
i
res
) no incrementa la PTF y más bien, la reduce. Este resultado es
muy importante porque muestra la deficiencia que tienen las empresas perua-
nas por solo exportar productos sin algún agregado tecnológico, que si bien
en el corto plazo pueden generar ganancias, en el largo plazo pueden desa-
parecer del mercado externo al no contener ningún valor agregado respecto
a otro producto extranjero que sí contiene algún componente tecnológico.
Tabla 7. Estimación de la PTF
Variables
Log PTF
MCO Regresión por quintiles
Q(0.10) Q(0.25) Q(0.50) Q(0.75) Q(0.90)
Log Innovaciones (predicho) 0.261*** 0.152*** 0.194*** 0.241*** 0.283*** 0.385***
(0.009) (0.013) (0.019) (0.034) (0.019) (0.021)
Log Exportaciones innovativas
(predicho) 0.039*** 0.012*** 0.028*** 0.042*** 0.059*** 0.069***
(0.006) (0.004) (0.001) (0.011) (0.014) (0.023)
Log Exportaciones no innovativas
(predicho) -0.022*** -0.026 -0.031 -0.029*** -0.028** -0.017***
(0.003) (0.042) (0.052) (0.001) (0.006) (0.009)
Participación de mercado 0.301*** 0.282*** 0.302** 0.364*** 0.389*** 0.567***
(0.032) (0.024) (0.030) (0.038) (0.051) (0.041)
Capital extranjero 0.361*** 0.289*** 0.334*** 0.391*** 0.396*** 0.442***
(0.021) (0.021) (0.037) (0.029) (0.044) (0.046)
(Continúa)
Efectos entre las actividades de innovación, exportación y productividad
98
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
Tabla 7. Estimación de la PTF
Variables
Log PTF
MCO Regresión por quintiles
Q(0.10) Q(0.25) Q(0.50) Q(0.75) Q(0.90)
Ubicación de la empresa es Lima -0.094*** -0.023 -0.052 -0.082 -0.106*** -0.156***
(0.021) (0.056) (0.067) (0.079) (0.032) (0.043)
Log Stock de capital 0.161*** 0.099*** 0.139*** 0.167*** 0.213*** 0.242***
(0.011) (0.012) (0.019) (0.021) (0.023) (0.012)
Mediana y grande (> 1700 UIT) 1.039*** 0.672*** 0.898*** 1.211*** 1.523*** 1.948***
(0.037) (0.053) (0.041) (0.049) (0.050) (0.069)
Pequeña (> 150 UIT y <= 1700 UIT) 0.861*** 0.523*** 0.654*** 0.918*** 1.012*** 1.210***
(0.015) (0.027) (0.023) (0.025) (0.017) (0.019)
Constante 3.911*** 3.238*** 3.565*** 3.698*** 4.875*** 5.976***
(0.022) (0.031) (0.032) (0.028) (0.028) (0.032)
Observaciones 7,223 7,223 7,223 7,223 7,223 7,223
Nota: Los errores estándar son robustos a heterocedasticidad. * p < 0.1. ** p < 0.05. *** p < 0.01.
Fuente: elaboración propia.
Conclusiones
El objetivo de este trabajo era examinar la relación entre el gasto en I+D, la
productividad y exportaciones a partir del cumplimiento de las siguientes
hipótesis discutidas en la literatura internacional pero no evaluadas en el caso
peruano: 1) autoselección (self-selection), 2) exportaciones como determi-
nante de la innovación (innovating by exporting), 3) innovación como gene-
rador de una mayor oferta de productos exportables (exporting by innovating),
4) aprendizaje por exportación (learning by exporting) y 5) el impacto directo
de la innovación sobre la productividad laboral y la PTF.
Para ello, se estimó un modelo Tobit tipo I para analizar la relación empírica
entre la inversión en actividades de innovación, los resultados de la innova-
ción y las exportaciones en las empresas peruanas del sector manufacturero.
Posteriormente, se utilizó una regresión por quintiles que permite estimar el
efecto heterogéneo de la innovación y las exportaciones sobre la productividad
José Luis Nolazco 99
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
laboral y la PTF. La fuente de información fue la Encuesta Nacional de la Indus-
tria Manufacturera (ENIIM) 2015, la cual contiene información cuantitativa y
cualitativa para el periodo comprendido entre 2012 y 2014.
Respecto a las estimaciones usando un modelo Tobit tipo I se encuentran resul-
tados interesantes. En primer lugar, los resultados muestran que la producti-
vidad y las exportaciones incrementan el gasto en I+D (aunque no afectan la
decisión de realizar actividades de innovación). Así, se encuentra el cumpli-
miento de innovating by exporting para el caso peruano. Otras de las variables
fundamentales, y no menos importantes que las anteriormente mencionadas,
son el acceso a fuentes de financiamiento privadas y a trabajadores califica-
dos, las cuales garantizan mayor intensidad en el gasto de I+D.
En segundo lugar, se muestra que la intensidad en I+D tiene un efecto positivo
(elasticidad de 0.38) y significativo en la innovación de las empresas ya sea
de productos o procesos. En tercer lugar, se encuentra una elasticidad entre
las innovaciones y las exportaciones de 0.36, lo cual demuestra el cumpli-
miento de la hipótesis de innovación como determinante de la intensidad en
las exportaciones (exporting by innovating) para las empresas manufactureras
peruanas. Además, se encuentra que la productividad (analizada a través del
stock de capital y de los trabajadores calificados) impacta en el monto expor-
tado, razón por la que se encuentra también evidencia de que la hipótesis de
self-selection se cumple. Las evidencias de este artículo, complementarias a
trabajos similares realizados en varios países, indican que la incorporación de
nuevas empresas a los mercados internacionales requiere mejoramientos impor-
tantes en su productividad para competir exitosamente en estos mercados.
Finalmente, las estimaciones por quintiles permiten demostrar que los efectos
directos e indirectos de la innovación incrementan la productividad en todos
los quintiles de manera heterogénea. Respecto al efecto directo, se corro-
bora el papel protagónico de la innovación en el impulso de la productividad
evidenciado en la literatura internacional ya que es el que mayor impacto
presenta (fluctúa entre 0.22-0.37). Asimismo, se destaca el cumplimiento de
learning by exporting para el caso peruano debido a que existe una relación
positiva entre exportaciones y productividad que se origina en las ganancias
en I+D (efecto a través de
Ex
p
i
). Si bien el efecto es pequeño (fluctúa entre
0.01-0.07), se espera que cuando las empresas manufactureras peruanas
incrementen el volumen de exportaciones de alta tecnología, mayor será el
Efectos entre las actividades de innovación, exportación y productividad
100
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
efecto sobre la productividad. Por lo tanto, los resultados sugieren que la inno-
vación tecnológica en promedio es asociada con un aumento del 23 %-44 %
según quintil de la productividad laboral.
Debido a que no necesariamente las mayores innovaciones realizadas por las
empresas se encuentran en aquellas que tienen una productividad mayor,
se estima la misma regresión por quintiles pero considerando la PTF como
variable dependiente. Los resultados obtenidos sugieren que la elasticidad entre
los efectos directos (nuevos productos o servicios significativamente mejora-
dos) e indirectos (nuevas exportaciones con mayor valor agregado) de la inno-
vación con respecto a la PTF fluctúan aproximadamente entre 16 %-45 %,
según quintil de productividad.
Agradecimientos
El autor agradece al Instituto de Investigación Científica (IDIC) de la Univer-
sidad de Lima por el financiamiento de este proyecto de investigación. Se
agradece especialmente a los evaluadores anónimos que realizaron valio-
sos aportes y sirvieron para mejorar sustantivamente la calidad del producto
final. Finalmente, las opiniones contenidas en este artículo son responsabi-
lidad exclusiva del autor y no compromete a la Universidad de Lima ni a la
Universidad de los Andes.
Referencias
1. Aboal, D., Bravo-Ortega, C., & Crespi, G. (2015). Innovation in the services
sector. Emerging Markets Finance and Trade, 51(3), 537-539.
2. Acemoglu, D., Aghion, P., & Zilibotti, F. (2006). Distance to frontier,
selection, and economic growth. Journal of the European Economic
Association, 4(1), 37-74.
3. Aghion, P., & Howitt, P. (1992). A model of growth through creative
destruction. Econometrica, 60(2), 323-351.
José Luis Nolazco 101
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
4. Álvarez, R., & López, R. (2005). Exporting and performance: Evidence
from Chilean plants. Canadian Journal of Economics, 38(4), 1384-1400.
5. Álvarez, R., & García, Á. (2008). Productividad, innovación y exporta-
ciones en la industria manufacturera chilena (Documento de Trabajo
476). Banco Central de Chile.
6. Álvarez, R., Bravo-Ortega, C., & Navarro, L. (2011). Innovación, investiga-
ción y desarrollo, y productividad en Chile. Revista Cepal, 104, 141-166.
7. Anlló, G., & Suárez, D. (2009). Innovación: algo más que I+D. Evidencias
ibeoramericanas a partir de las encuestas de innovación. Construyendo
las estrategias empresarias competitivas. Cepal-Redes, Buenos Aires,
Unpublished.
8. Arbeláez, M., & Torrado, M. (2009). Innovation, R&D investment and
productivity in Colombia (Informes de Investigación 009062). Fedesa-
rrollo.
9. Arbeláez, M., & Torrado, M. (2011). Innovation, R&D investment and
productivity in Colombian Firms (Serie Documentos de Trabajo 251).
Washington, D. C.: BID.
10. Aw, B., Roberts, M. J., & Yi, D. (2011). R&D investment, exporting, and
productivity dynamics. American Economic Review, 101(4), 1312-1344.
11. Baldwin, J., Hanel, P., & Sabourin, D. (2003). Determinants of innovative
activity in Canadian manufacturing firms. En A. Kleinknecht & P. Mohnen
(eds.), Innovation and firm performance. Londres y Nueva York: Palgrave.
12. Baumann, J., & Kritikos, A. (2016). The link between R&D, innovation
and productivity: Are micro firms different? Research Policy, 45(6),
1263-1274.
13. Baum, C., Lööf, H., Nabavi, P., & Stephan, A. (2017). A new approach
to estimation of the R&D-innovation-productivity relationship. Boston
College Working Papers in Economics, 876, 26(1-2), 121-133.
Efectos entre las actividades de innovación, exportación y productividad
102
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
14. Becker, S., & Egger, P. (2013). Endogenous product versus process
innovation and firm’s propensity to export. Empirical Economics, 44(1),
329-354.
15. Bernard, A., & Jensen, J. B. (1999). Exceptional exporter performance:
Cause, effect, or both? Journal of International Economics, 47(1), 1-25.
16. Bernard, A., Eaton, J., Jensen, J. B., & Kortum, S. (2003). Plants and
productivity in international trade. American Economic Review, 93(4),
1268-1290.
17. BID. (2010a). The age of productivity: Transforming economies from the
bottom up. Washington, D. C.: Palgrave McMillan.
18. BID. (2010b). Science, technology and innovation in Latin America and
the Caribbean: A statistical compendium of indicators. Washington,
D. C.: Palgrave McMillan.
19. Bravo-Ortega, C., Benavente, J. M., & Gonzales, Á. (2014). Innovation,
exports, and productivity: Learning and self-selection in Chile. Emerging
Markets Finance and Trade, 50(1), 68-95.
20. Buchinsky, M. (1998). Recent advances in quantile regression models: A
practical guideline for empirical research. Journal of Human Resources,
33(1), 88-126.
21. Cassiman, B., Golovko, E., & Martinez-Ros, E. (2010). Innovation, exports
and productivity. International Journal of Industrial Organization, 28(4),
372-376.
22. Cassoni, A., & Ramada-Sarasola, M. (2010). Innovation, R&D investment
and productivity: Uruguayan manufacturing firms (Se rie Doc ume nto s de
Trabajo 191). Washington, D. C.: BID.
23. Cintio, M., Ghosh, S., & Grassi, E. (2017). Firm growth, R&D expenditures
and exports: An empirical analysis of Italian SMEs. Research Policy,
46(4), 836-852.
José Luis Nolazco 103
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
24. Cirera, X., Marin, A., & Markwald, R. (2015). Explaining export diversifi-
cation through firm innovation decisions: The case of Brazil. Research
Policy, 44(10), 1962-1973.
25. Chudnovsky, D., López, A., & Pupato, G. (2006). Innovation and producti-
vity in developing countries: A study of Argentine manufacturing firms’
behavior (1992–2001). Research Policy, 35(2), 266-288.
26. Clerides, S., Lach, S., & Tybout, J. (1998). Is learning by exporting impor-
tant? Micro-Dynamic evidence from Colombia, Mexico, and Morocco.
The Quarterly Journal of Economics, 113(3), 903-947.
27. Crespi, G., & Zuñiga, P. (2010). Innovation and productivity: Evidence
from six Latin American countries (Serie Documentos de Trabajo 218).
Washington, D. C.: BID.
28. Crespi, G., & Zuñiga, P. (2012). Innovation and productivity: Evidence
from six Latin American countries. World Develo pment, 40(2), 273-290.
29. Crepón, B., Duguet, E., & Mairessec, J. (1998). Research, innovation and
productivity: An econometric analysis at the firm level. Economics of
Innovation and New Technology, 7(2), 115-158.
30. Damijan, J., Kostevc, C., & Polanec, S. (2008). From innovation to expor-
ting or vice versa? Causal link between innovation activity and exporting
in Slovenian microdata. (Licos Discussion Paper Series 204). Katholieke
Universiteit Leuven.
31. Díaz, J. J., & Kuramoto, J. (2011). Políticas de ciencia, tecnología e inno-
vación (Documentos de Políticas Públicas 14). Lima: Cies.
32. Duguet, E., & Monjon, S. (2002). Creative destruction and innovative core:
Is innovation persistent at the firm level? An empirical reexamination
from CIS data comparing the propensity score and regression method
(Royal Economic Society Annual Conference 68).
�
Efectos entre las actividades de innovación, exportación y productividad
104
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
33. Echavarría, J. J., Arbeláez, M. A., & Rosales, M. F. (2006). La producti-
vidad y sus determinantes: el caso de la industria colombiana. Revista
Desarrollo y Sociedad, 57(3), 77-122.
34. Fernandes, A., & Isgut, A. (2005). Learning-by-doing, learning-by-
exporting, and productivity: Evidence from Colombia (Policy Research
Working Paper Series 3544). The World Bank.
35. Filipescu, D., Prashantham, S., Rialp, A., & Rialp, J. (2013). Technological
innovation and exports: Unpacking their reciprocal causality. Journal of
International Marketing, 21(1), 23-38.
36. Galia, F., & Legros, D. (2002). Complementarities between obstacles to
innovation: Empirical study on a fresh data set. Documento presentado
en Druid Summer Conference 2002 on Industrial Dynamics of the New
and Old Economy-Who is embracing whom?, Copenhagen/Elsinore.
37. Girma, S., Görg, H., & Hanley, A. (2008). R&D and exporting: A comparison
of British and Irish firms. Review of World Economics, 144(4), 750-773.
38. Goedhuys, M., & Sleuwaegen, L. (2010). High-growth entrepreneurial
firms in Africa: A quantile regression approach. Small Business Econo-
mics, 34 (1), 31-51.
39. Granda, A., & Corilloclla, P. (2013). La innovación tecnológica en el
sector manufacturero: esfuerzos y resultados de la pequeña, mediana
y gran empresa (Documento de Trabajo). Consejo Nacional de Ciencia,
Tecnología e Innovación Tecnológica.
40. Granger, C. (1969). Investigating causal relations by econometric models
and cross-spectral methods. Econometrica, 37(3), 424-438.
41. Greenaway, D., & Kneller, R. (2007). Firm heterogeneity, exporting and
foreign direct investment: A survey. The Economic Journal, 117(517),
134-161.
José Luis Nolazco 105
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
42. Griffith, R., Redding, S., & Van Reenen, J. (2004). Mapping the two faces
of R&D: Productivity growth in a panel of OECD industries. The Review
of Economics and Statistics, 86(4), 883-895.
43. Griffith, R., Huergo, E., Mairesse, J., & Peters, B. (2006). Innovation and
productivity across four European countries. Oxford Review of Economic
Policy, 22(4), 483-498.
44. Griliches, Z. (1958). Research costs and social returns: Hybrid corn and
related innovations. Journal of Political Economy, 66(5), 419-431.
45. Griliches, Z. (1995). R&D and productivity: Econometric results and
measurement issues, En P. Stoneman (ed.). Handbook of the economics
of innovation and technological change. Oxford: Blackwell.
46. Grossman, G. M., & Helpman, E. (1991). Innovation and growth in the
global economy. Cambridge, MA, The MIT Press.
47. Hall, R., & Jones, C. (1999). Why do some countries produce so much
more output per worker than others? Quarterly Journal of Economics,
114(1), 83-116.
48. Hall, B., Lotti, F., & Mairesse, J. (2009). Innovation and productivity in
SMEs: Empirical evidence for Italy. Small Business Economics, 33(1),
13-33.
49. Hall, R., & Rosenberg, N. (2010). Handbook of the economics in innova-
tion. Ámsterdam: Elsevier.
50. Hegde, D., & Shapira, P., (2007). Knowledge, technology trajectories,
and innovation in a developing country context: Evidence from a survey
of malaysian firms. International Journal of Technology Management,
40(4), 349-370.
51. Ito, K., & Pucik, V. (1993). R&D spending, domestic competition and
export performance of Japanese manufacturing firms. Strategic Mana-
gement Journal, 14(1), 61-75.
Efectos entre las actividades de innovación, exportación y productividad
106
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
52. Janz, N., Loof, H., & Peters, B. (2003). Firm level innovation and producti-
vity: Is there a common story across countries? Problems and Perspectives
in Management, 2, 184-204.
53. Jefferson, G., Huamao, B., Xiaojing, G., & Xiayoun, Y. (2006). R&D
performance in Chinese industry. Economics of Innovation and New
Technology, 15(4-5), 345-366.
54. Gómez, M. C., & Borrastero, C. (2018). Innovación tecnológica y desigualdad
productiva y laboral en las empresas manufactureras argentinas. Revista
Desarrollo y Sociedad, 81(6), 211-254.
55. Kleinknecht, A. (1987). Measuring R&D in small firms: How much are
we missing? Journal of Industrial Economics, 36(2), 253-256.
56. Klette, T., & Kortum, S. (2004). Innovating firms and aggregate innova-
tion. Journal of Political Economy, 112(5), 986-1018.
57. Koenker, R., & Basse tt Jr., G. (1978). Regress ion quantiles. Econometrica,
46(1), 33-50.
58. Koenker, R., & Hallock, K. (2001). Quantile regression: An introduction.
Journal of Economic Perspectives, 15(4), 43-56.
59. Kuramoto, J. (2007). Sistemas de innovación tecnológica. En Grade
(Grupo de Análisis para el Desarrollo), Investigación, políticas y desarrollo
en el Perú (pp. 103-134). Lima: Grade.
60. Kuramoto, J. (2010). Prácticas exitosas de innovación empresarial y
comportamiento tecnológico sectorial. En Cies/FINCyT, Innovación
empresarial y comportamiento tecnológico sectorial: experiencias
exitosas y estudios de casos (pp.13-36). Lima: Cies/FINCyT.
61. Kuramoto, J., & Torero, M. (2009). Public-private research, development,
and innovation in Peru. En M. Graham & J. Woo (eds.), Fuelling economic
growth: The role of public private sector research in development
(pp. 105-158). Ottawa: IDRC.
José Luis Nolazco 107
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
62. Lederman, D., & Sáenz, L. (2005). Innovation and development around
the world, 1960-2000 (World Bank Policy Research 3774). Washington,
D. C.: World Bank.
63. Lefebvre, E., Lefebvre, L., & Bourgault, M. (1998). R&D-related capabili-
ties as determinants of exports peformance. Small Business Economics,
10(4), 365-377.
64. Levinsohn, J., & Petrin, A. (2003). Estimating production functions using
inputs to control for unobservables. Review of Economic Studies, 70(2),
317-341.
65. Lööf, H., & Heshmati, A. (2002). Knowledge capital and performance
heterogeneity: A firm-level innovation study. International Journal of
Production Economics, 76(1), 61-85.
66. Lööf, H., & Heshmati, A. (2006). On the relationship between innovation
and performance: A sensitivity analysis. Economic of Innovation and
New Technology, 15(4), 317-344.
67. Lööf, H., Heshmati, A., Asplund, R., & Nåås, S. O. (2001). Innovation
and performance in manufacturing industries. The Icfaian Journal of
Management Research, 2(3), 5-35.
68. Melitz, M. J. (2003). The impact of trade on intra-industry reallocations
and aggregate industry productivity. Econometrica, 71(6), 1695-1725.
69. Morón, E., & Serra, C. (2010). Tecnología e innovación: sector exportador
textil y confecciones peruanas. Mimeo.
70. Navarro, A., Losada, F., Ruzo, E., & Díez, J. (2020). Implications of
perceived competitive advantages, adaptation of marketing tactics and
export commitment on export perfomance. Journal of World Business,
45(1), 49-58.
71. OECD (2016). Multi-dimensional review of Peru. Volume 2: In-d epth
analysis and recommendations. S. L.: OECD.
Efectos entre las actividades de innovación, exportación y productividad
108
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
72. Produce (Ministerio de Producción). (2015). Desempeño exportador del
sector manufacturero por intensidad tecnológica: cambios en la estruc-
tura exportadora y productiva de bienes industrializados. Lima: Produce.
73. Raffo, J., Lhuillery, S., & Miotti, L. (2008). Northern and southern inno-
vativity: A comparison across European and Latin American countries.
European Journal of Development Research, 20(2), 219-239.
74. Rivera-Batiz, L. A., & Romer, P. (1991). International trade with endoge-
nous technological change. European Economic Review, 35(4), 971-1004.
75. Romer, P. (1990). Endogenous technological change. Journal of Political
Economy, 98(5), 71-102.
76. Salomon, R., & Shaver, J. M. (2005). Learning by exporting: New insights
from examining firm innovation. Journal of Economic and Management
Strategy, 14(2), 431-460.
77. Santarelli, E., & Sterlacchini, A. (1990). Innovation, formal vs. informal
R&D, and firm size: Some evidence from Italian manufacturing firms.
Small Business Economics, 2(3), 223-228.
78. Schultz, T. (1953). The economic organization of agriculture. Nueva
York: McGraw-Hill.
79. Tello, M. (2017). Innovaci ón y productividad en las empresas de servicios
y manufactureras: el caso del Perú. Revista Cepal, 121, 73-92.
80. Van Beveren, I., & Vandenbussche, H. (2010). Product and process inno-
vation and firms decision to export. Journal of Economic Policy Reform,
13(1), 3-24.
81. Van Leeuwen, G., & Klomp, L. (2001). Linking innovation and firm
performance: A new approach. International Journal of the Economics
of Business, 8(3), 343-364.
José Luis Nolazco 109
desarro. soc. 85, bogotá, segundo cuatrimestre de 2020, pp. 67-110, issn 0120-3584 , e-issn 1900-7760, doi: 10.13043/ dys.85.2
82. Van Leeuwen, G. (2002). Linking innovation to productivity growth using
two waves of the Community Innovation Survey (STI Working Paper 8).
OECD.
83. Yasan, M., Nelson., C., & Rejesus, R. (2006). Productivity and exporting
status of manufacturing firms: Evidence from quantile regressions.
Review of World Economics, 142(4), 675-694.
84. Yan Aw, B., R oberts , J., & Yi Xu , D. (200 8). R&D investment, exporting and
productivity dynamics. University Park, PA: Pennsylvania State University.
