Revista XXVII No. 1 de 2020

La relación entre las redes de conocimiento y el desempeño innovador: Un análisis para la industria manufacturera colombiana

La relación entre las redes de conocimiento y el desempeño innovador: Un análisis para la industria manufacturera colombiana

Imagen: Freepik.es

 

Autores:

Fernando Barrios Aguirre. Docente, Líder de Investigación Facultad de Ciencias Administrativas, Económicas y Financieras – Fundación Universitaria del Área Andina. Email: fbarrios4@areandina.edu.co   

Diana Maritza Alvarez Ovalle – Docente de Posgrados Facultad de Ciencias Administrativas, Económicas y Financieras – Fundación Universitaria del Área Andina. Email: dalvarez40@areandina.edu.co 

Nancy Milena Riveros Chávez - Docente de Posgrados Facultad de Ciencias Administrativas, Económicas y Financieras – Fundación Universitaria del Área Andina. Email:nriveros2@areandina.edu.co 


Resumen 

Este documento examina el papel de las redes de conocimientos (internas y externas) en el desempeño innovador de las firmas manufactureras colombianas. Mediante un análisis teórico y empírico, se exponen los efectos de las redes de conocimiento sobre el desempeño innovador de las firmas, comprendidos desde una perspectiva de corte transversal. La hipótesis central del documento, la cual plantea que las firmas manufactureras colombianas innovan en la medida que se relacionen e interactúen con más redes de conocimiento, se comprueba para el caso manufacturero colombiano. Este análisis se basa principalmente sobre los datos de la Cuarta Encuesta de Innovación y desarrollo tecnológico (EDIT IV), que incluye información para las empresas manufactureras colombianas entre 2007-2008.

Abstract

This paper focuses on estimating the relationship between knowledge networks (internal and external) and innovative performance in Colombian manufacturing firms. This research is developed and estimated from a cross-sectional perspective at firm-level. We show that Colombian manufacturing firms innovate as they relate to and interact with more knowledge networks. These results will be analyzed from the Fourth Survey of Innovation and Technological Development (EDIT IV), provided by DANE between 2007-2008.

Introducción

La innovación tecnológica es considerada un factor clave del crecimiento [1,2,3] y del mejoramiento funcional de las empresas. Las oportunidades de mercado de las empresas y las oportunidades de desarrollo de las regiones dependen cada vez más de su capacidad de generar continuamente innovaciones de productos y procesos con la ayuda del conocimiento adquirido entre sus integrantes internamente y en el entorno. La innovación, por lo tanto, juega un papel clave en la construcción de la competitividad y el crecimiento económico sostenible [4].

En un país emergente, las empresas que presentan mejores resultados de innovación son las que tienen redes de conocimiento más amplias. Estas se plantean como los contactos inter organizacionales que las firmas desarrollan tanto interna como externamente en el desarrollo de la innovación, y que benefician la difusión de información, el intercambio de recursos, el acceso a los recursos especializados y el aprendizaje inter organizacional [5,6,7]. En otras palabras, son relaciones que emergen de la experiencia compartida. Entre los autores mencionados hay un amplio consenso de la importancia de las redes, debido a que las ideas fértiles (innovaciones) no prosperan en ambientes aislados [8]. También se ha encontrado que las empresas van más allá de sus límites y desarrollan la cooperación con organizaciones o profesionales externos. Esto significa combinar su conocimiento interno con el externo para sacar adelante los proyectos de innovación estratégicos. Asimismo, en el contexto de innovación abierta, las universidades y centros de investigación, como redes de conocimiento, cobran especial relevancia dentro del ecosistema de agentes con los que se relaciona la organización [9].

Las redes de conocimiento han sido objeto de estudio en el estado del arte internacional, debido a su gran impacto en el desempeño innovador. Recientemente, Fang et al[10]  han explorado el concepto de redes de conocimiento para divulgar cómo las empresas pueden aumentar el desempeño innovador como resultado de la estructura de red; por su parte, Brennecker & Rank[11] tomando un enfoque de red multinivel, muestran que las diferentes dimensiones del conocimiento derivado de la red de conocimiento de la empresa, conforman la transferencia de consejos entre los inventores de maneras únicas. Alkhuraiji et al[12] investigan el desarrollo de un modelo de red de conocimiento estructurado en proyectos innovadores e implementables de tecnología de la información (TI) para facilitar el intercambio y la transferencia de conocimiento en un contexto de múltiples organizaciones.

Finalmente, Martin-Rios & Erhardt[13] afirman que las pequeñas empresas basadas en la tecnología (TBSF) participan en redes informales para intercambiar tecnología, mercado y conocimiento gerencial, en la medida en que estas configuraciones de conocimiento facilitan la adquisición de conocimiento externo crítico para sus procesos de aprendizaje por parte de TBSF. 

Relacionado con lo anterior, Tsai[7] afirma que las empresas innovan en la medida que estas se relacionan e interactúan con diferentes cooperadores tanto locales como extranjeros tales como: proveedores, clientes, competidores, centros de investigación entre otros.  Por otra, parte Gulati et al[14] complementa este análisis, argumentando que hay un intercambio de conocimiento que surge de la interacción de estas redes estratégicas, lo cual incentiva el desempeño innovador. Asimismo,en el proceso de innovación, el impacto de los resultados y capacidades empresariales, en los que se incluye la capacidad de innovar, debe hacerse extensivo a las organizaciones e instituciones fuera de la cadena de valor inmediata [7,15]. Algunos autores soportan esta premisa desde la relación entre la empresa de I+D, universidades y sociedades técnicas para adquirir nuevas habilidades, prácticas, capital, servicios [16,17] y aplicación de nuevos conocimientos [18] hasta las relaciones de la empresa con las asociaciones profesionales [19], universidades [5] ,el acceso al conocimiento heterogéneo [20] y centros tecnológicos público-privados [21] que permiten ampliar el portafolio de información y relaciones informales, para dar forma en gran medida a su capacidad de adaptarse al entorno e innovar [22].

Frente a toda esta extensa evidencia de la literatura internacional, en el contexto colombiano no se ha evaluado el impacto de estas interconexiones, internas y externas, sobre el desempeño innovador de las firmas. De esta manera, se pretende llenar parte de este vacío en las investigaciones sobre la innovación, desarrollando una perspectiva econométrica y respondiendo la siguiente pregunta de investigación:¿De qué manera las redes de conocimiento afectan el desempeño innovador de las firmas manufactureras colombianas? 

Así el objetivo consiste en examinar el papel de las redes de conocimiento en el desempeño innovador de la industria manufacturera colombiana bajo la hipótesis de que las firmas manufactureras colombianas innovan en la medida que se relacionen e interactúen con más redes de conocimiento. Para ello, se efectuará un análisis cuantitativo sobre las diferencias estructurales de las redes de conocimiento, y se determinará si las redes de conocimientos son importantes en el desempeño innovador de la industria manufacturera colombiana. 


Análisis de datos

La muestra está conformada por el número de empresas reportadas en la Encuesta de Desarrollo e Innovación Tecnológica IV (EDIT), para los años 2007-2008. Esta base de datos se compone de un corte transversal de 7683 empresas industriales (7677 en el modelo), que hacen parte del directorio de la Encuesta Anual Manufacturera del DANE. 

En este estudio se utiliza como variable dependiente el desempeño innovador, en un contexto binario (1= si innova; 0=Lo contrario) y en una escala discreta no negativa (conteo de innovaciones). De acuerdo al gráfico 1, esta variable se caracteriza por un alto número de observaciones cero y pocas observaciones con valores positivos altos, por lo que se podría inferir que sigue una distribución Poisson o binomial negativa.

Gráfico 1. Histograma del total de innovaciones

Fuente: base de Datos, EDIT IV.


Tabla 1. Estadísticos Descriptivos. Variables dependientes

Variable

conteo de innovaciones

Binaria de Innovación

Media

7.473253

0.3783678

Varianza

3684.721

0.2352362

Desviación Estándar 

60.7019

0.4850116

Valor Máximo

2560

1

Valor Mínimo

0

0

Curtosis

643.6169

1.251599

Datos perdidos

0

0

Valores negativos

0

0

Valores cero

4776

4776

Valores positivos

2907

2907

Observaciones de análisis

7683

7683

Fuente: Cálculos basados en EDIT (IV).


A partir de la variable dependiente, se observará que relación causal existe entre las redes de conocimiento y la variación del desempeño innovador. A partir de la información disponible en la EDIT IV, Las variables dependientes e independientes a utilizar son las siguientes:

Variables dependientes:

  • Conteo de innovaciones de las firmas. Fuente: EDIT IV  para los años 2007-2008.
  • Binaria de innovaciones de las firmas (1= innova; 0=no Innova). Fuente: EDIT IV  para los años 2007-2008.

Variables independientes. A explorar:

  • Redes Internas de Innovación de la Firma: Conteo de existencia de fuentes internas de innovación en: Departamento interno de I+D, Departamento de producción, Departamento de ventas y mercadeo, Otros departamentos, Grupos interdisciplinarios, Directivos y Trabajadores. Fuente: EDIT IV  para los años 2007-2008.
  • Redes Externas como proporción del total de fuentes de la firma: Capítulo V de la EDIT IV, desde la fuente 8 a la 33, dividida entre la suma de fuentes importantes para la innovación. Fuente: EDIT IV  para los años 2007-2008.

Controles (Justificados por teoría):

  • Tamaño de la firma: Número de empleados de la firma. Fuente: EDIT IV  para los años 2007-2008. 
  • Capital extranjero: La encuesta expresa que si el 75% ó más del capital es de origen nacional se considera empresa nacional; si más de 25% del capital es de origen extranjero, se considera empresa extranjera. Se mide por medio una variable binaria que indica: 1= Capital extranjero; 0=Lo contrario. Fuente: EDIT IV  para los años 2007-2008.
  • Inversión en I&D provenientes de recursos de la firma: Recursos propios en actividades de la firma en I&D/Monto disponible para investigación y desarrollo. Fuente: EDIT IV  para los años 2007-2008.
  • Personal ocupado profesional, especializados, magister y doctores: Razón del número de empleados con formación profesional, especialización, magíster y doctoral sobre el número total de empleados. Fuente: EDIT IV 2007-2008.
  • Propiedad intelectual: Conteo de registros de propiedad intelectual (patentes+ modelos de utilidad+ registros de software+ registro de diseños industriales). Fuente: EDIT IV  para los años 2007-2008.

Para aceptar o rechazar la hipótesis, se realizará un modelo Probit o Logit bivariado, y con el fin de mantener la naturaleza de la variable dependiente (discreta no negativa), se realizará un modelo Poisson. A continuación se relacionan las estadísticas descriptivas de las variables de interés:


Tabla 2. Estadísticas descriptivas variables de interés y controles

Variable

Redes Internas

Redes externas

Tamaño

Capital extranjero

Inversión I&D

Doc/empl

prof/empl

Registros

Media

1.377734

0.0884112

90.32865

0.0628661

0.6568973

0.0006791

0.121035

0.1918521

Varianza

4.033493

0.0202804

63855.1

0.0589216

0.0466098

0.0000981

0.0184658

5.908254

Desviación Estándar 

2.008356

0.1424092

252.6957

0.2427377

0.215893

0.0099048

0.1358888

2.43069

Valor Máximo

7

0.6666667

7194

1

1

0.5

1

100

Valor Mínimo

0

0

0

0

0

0

0

0

Curtosis

3.387814

3.510037

200.7563

13.97392

4.116646

1322.67

12.56331

897.1302

Datos perdidos

3

3

0

0

0

3

3

0

Valores negativos

0

0

0

0

0

0

0

0

Valores cero

4518

5237

3

7200

222

7513

1465

7404

Valores positivos

3162

2443

7680

483

7461

167

6215

279

Observaciones de análisis

7680

7683

7683

7683

7683

7683

7683

7683

Fuente: Cálculos basados en EDIT (IV).


Una prueba de medias de las variables de interés del estudio (redes internas y externas) nos permite comprobar que existen diferencias de media en las redes de conocimiento entre el grupo de firmas que innovan frente a las que no. También, la correlación entre estas variables con las dependientes es positiva y significativa al 5%. 

Resultados y Pruebas

La tabla 3 presenta, de acuerdo a la metodología econométrica propuesta, los modelos de regresión logit, probit y Poisson. Desde un punto de vista econométrico, las variables relacionadas con redes de conocimiento son significativas y con signo positivo para todos los modelos. Esto significa que entre más presencia de redes internas de conocimiento, más innovaciones totales. En este sentido, el papel de los directivos, gerentes en la negociación, los departamento internos y los grupos interdisciplinarios con las empresas estimulan la capacidad para asumir y realizar con éxito actividades nuevas y más complejas, traducidas en mejoras de productos, procesos, comercialización y organización. Asimismo, entre más abierta sea una red de conocimiento se desarrollan más innovaciones, por ende, las empresas que utilizan fuentes externas de conocimiento (tales como centros de investigación, clientes, proveedores y otros) tienen en promedio mayor capacidad de proceso tecnológico.

Tabla 3. Regresiones Logit, Probit y Poisson

Modelo

VARIABLES

Logit 1= innova;0=no innova

Probit 1= innova;0=no innova

Dprobit 1= innova;0=no innova

Poisson. Conteo de Innovaciones

 

     

 

Redes Internas

0.856***

0.465***

0.176***

0.387***

 

(0.0334)

(0.0167)

(0.00679)

(0.0390)

Redes Externas

2.682***

1.603***

0.606***

1.240**

 

(0.296)

(0.166)

(0.0627)

(0.618)

Personal ocupado (Tamaño)

0.000884***

0.000468***

0.000177***

0.000247***

 

(0.000238)

(0.000133)

(5.06e-05)

(7.11e-05)

Capital Extranjero 1=Si; 0=No

0.0168

0.0126

0.00477

0.246

 

(0.152)

(0.0846)

(0.0321)

(0.281)

Inversión en I+D

0.293*

0.189**

0.0713**

0.0604

 

(0.150)

(0.0836)

(0.0316)

(0.332)

Doctores/empleados

-2.981

-1.996

-0.755

1.354

 

-3.183

-1.906

(0.720)

-5.679

Magister/empleados

1.971

0.982

0.371

1.581

 

-1.932

-1.197

(0.453)

-3.267

Especialistas/empleados

0.863

0.589

0.223

2.009*

 

(0.858)

(0.479)

(0.181)

-1.043

Profesionales/empleados

-0.113

-0.0825

-0.0312

0.164

 

(0.241)

(0.133)

(0.0504)

(0.533)

Registros de propiedad intelectual

-0.00289

-0.000214

-8.10e-05

0.0116

 

(0.0202)

(0.00954)

(0.00361)

(0.0101)

Constante

-2.136***

-1.275***

 

0.623***

 

(0.107)

(0.0598)

 

(0.199)

 

     

 

Observaciones

7,677

7,677

7,677

7,677

Log-Lik solo Intercepto

-5092.47

-5092.47

-5092.47

-173117.63

Log-Lik modelo

-3105.6

-3134.6

-3134.6

-131914.26

McFadden's R2

0.390     

0.384     

0.384     

0.238

McFadden's R2 ajustado

0.388

0.382

0.382

0.238

Errores estándares robustos entre paréntesis
*** p<0.01, ** p<0.05, * p<0.1


Los resultados puntuales de los modelos nos indican que un incremento en una unidad de las redes internas incrementa el número esperado de innovaciones en 1.56 (=exp(0.387)) manteniendo las otras variables constantes. Para el caso de las redes externas, un incremento de la razón de fuentes externas a totales incrementa el número esperado de innovaciones en 5.00 (=exp(1.240)) manteniendo las otras variables constantes. Este modelo es el que mejor ajusta la información disponible dado que mantiene el mejor indicador de máxima verosimilitud. 

Interpretando los modelos de elección binaria, estos tienen los R-cuadradado de McFadden y estadísticos de verosimilitud  muy parecidos, lo que refleja la similitud, excepto por la escala, en la estructura de los modelos  logit y probit, y el hecho de que estos estadísticos no están afectados por la varianza asumida del error. Las variables de interés tienen un efecto positivo sobre la probabilidad de innovar. Para el caso de estos modelos binarios, un incremento de las redes internas aumenta la probabilidad de innovar en aproximadamente 0.2%, manteniendo las otras variables constantes, mientras que un incremento de la razón de redes externas a redes totales, incrementa la probabilidad de innovar en 0.6%.

Finalmente en todos los modelos, el tamaño es importante como determinante del desempeño innovador y solo en los modelos de elección binaria la inversión en I+D es significativa y positiva. En este sentido, cuanto más grande sean las empresas y menos competencia se genere entre ellas, se estimula la innovación. Este argumento llamado la hipótesis schumpeteriana, manifiesta que la innovación se ve favorecida por un clima donde las empresas son grandes, o en industrias donde hay menos competencia. 

Conclusiones 

Los resultados soportan la hipótesis planteada. Desde un punto de vista econométrico, las variables relacionadas con redes de conocimiento son significativas y con signos positivos, en cada uno de los modelos, por lo que las firmas manufactureras colombianas innovan o aumentan su probabilidad de innovar en la medida que se relacionen e interactúen con más redes de conocimiento. De acuerdo con el R- Cuadrado de McFadden, en los modelos de elección binaria, la variación de su variable dependiente se explica en aproximadamente un 38% por las variables incluidas en el modelo y en el modelo Poisson este coeficiente es de 23.8%.

Dado que la innovación es un concepto inmerso entre un agente (firmas) y el ambiente (región o sector), se recomienda desarrollar modelos con una estructura jerárquica más compleja, como por ejemplo, que tengan en cuenta el nivel firma, región y sector (Multilevels models). En el país se comienza a disponer de datos a nivel de firmas para la investigación sobre la innovación, lo cual implica un esfuerzo por desarrollar modelos econométricos alrededor de los niveles apropiados de análisis (institucionales, sectoriales, regionales, locales, organizacionales, etc.) para probar varios tipos de hipótesis que contribuyan al debate académico entre las redes de conocimiento y el desempeño innovador.


Bibliografía

Nelson R, Winter S. An evolutionary theory of economic change. Cambridge, Mass.: Belknap Press of Harvard University; 1982.

Freeman C. The ‘National System of Innovation’ in historical perspective. Cambridge Journal of Economics 19 (1), 5–24. 1995;.

Schumpeter J. The Analysis of Economic Change. The Review of Economics and Statistics. 1935;17(4):2.

Sternberg R, Arndt O. The Firm or the Region: What Determines the Innovation Behavior of European Firms?. Economic Geography [Internet]. 2001 [cited 8 October 2019];77(4):364-382. Available from: http://www.jstor.org/stable/3594106

Fagerberg, Jan, David C. Mowery, Walter W. Powell, and Stine Grodal. "Networks of Innovators." In The Oxford Handbook of Innovation : Oxford University Press, 2006-01-19. https://www.oxfordhandbooks.com/view/10.1093/oxfordhb/9780199286805.001.0001/oxfordhb 9780199286805-e-3 

Callon, Michael,  Redes tecno-económicas e irreversibilidad . Redes [Internet]. 2001;8(17):85-126. Recuperado de: https://www.redalyc.org/articulo.oa?id=90781703

Tsai K. Collaborative networks and product innovation performance: Toward a contingency perspective. Research Policy. 2009;38(5):765-778.

Forero, Clemente, Sandra Corredor, and Nohora Forero. Business networks and innovation in SMEs of a developing country. No. 027. Universidad de Los Andes. Facultad de Administración. School of Management, 2010.

Chesbrough H. Open Innovation: The New Imperative for Creating and Profiting from Technology. Boston (Massachusetts): Harvard Business School Press; 2003.

Fang S, Wang M, Chen P. The influence of knowledge networks on a firm’s innovative performance. Journal of Management & Organization. 2016;23(1):22-45.

Brennecke J, Rank O. The firm’s knowledge network and the transfer of advice among corporate inventors—A multilevel network study. Research Policy. 2017;46(4):768-783.

Alkhuraiji A, Liu S, Oderanti F, Megicks P. New structured knowledge network for strategic decision making in IT innovative and implementable projects. Journal of Business Research. 2016;69(5):1534-1538.

Martin-Rios C, Erhardt N. Small business activity and knowledge exchange in informal interfirm networks. International Small Business Journal: Researching Entrepreneurship. 2016;35(3):285-305.

Gulati R, Nohria N, Zaheer A. Strategic networks. Strategic Management Journal. 2000; 21(3, Special Issue:Strategic Networks): 203-215.

Gulati R. Network location and learning: the influence of network resources and firm capabilities on alliance formation. Strategic Management Journal. 1999;20(5):397-420.

Locke E. Prime movers: The traits of great business leaders. In: Cooper G, Jackson S, ed. by. Creating Tomorrow´s Organizations. Chichester, England: Wiley; p. 75-96.

Schmitz H. Local enterprises in the global economy. Cheltenham: Elgar; 2004.

Blalock, G., & Gertler, P. J. 2005. Foreign direct investment and externalities: The case for public intervention. In T. H. Moran, E. M. Graham & M. Blomstrom (Eds), Does foreign direct investment promote development? 73–106. Washington, DC: Institute for International Economics. 2005

Zuckerman, Ezra W., and Stoyan V. Sgourev. "Peer Capitalism: Parallel Relationships in the U.S. Economy." American Journal of Sociology 111, no. 5 (2006): 1327-366. Accessed Jul 1, 2019. doi:10.1086/499506.

Rodan S, Galunic C. More than network structure: How knowledge heterogeneity influences managerial performance and innovativeness. Strategic Manage J 2004;25(6):541-562.

McEvily B, Zaheer A. Bridging ties: A source of firm heterogeneity in competitive capabilities. Strategic Manage J 1999;20(12):1133-1156.

McDermott G and Corredoira R. Network composition, collaborative ties, and upgrading in emerging-market firms: Lessons from the Argentine autoparts sector. Journal of International Business Studies (2010) 41, 308–329

 

Anexos

Tabla correlación entre las variables de interés y las variables dependientes

Correlación

Redes internas

Redes externas

Binaria innovacion

Conteo innovacion

Redes internas

1

 

 

 

Redes externas

0.6670*

1

 

 

Binaria innovacion

0.6582*

0.5279*

1

 

Conteo innovacion

0.1648*

0.1132*

0.1578*

1

Fuente: Cálculos basados en EDIT (IV).

 

Prueba de medias Redes internas y externas, por innovadoras y no innovadoras Redes Internas.

Fuente: Cálculos basados en EDIT (IV)

 

Redes externas


Fuente: Cálculos basados en EDIT (IV)

Compartir