EFECTO DE LOS OBSTÁCULOS FINANCIEROS SOBRE LA …

EFECTO DE LOS OBSTÁCULOS FINANCIEROS SOBRE

LA INNOVACIÓN Y LA PRODUCTIVIDAD EN LAS

EMPRESAS MANUFACTURERAS EN COLOMBIA

Erika Celene Sánchez Rodriguez

Universidad Nacional de Colombia

Facultad de Ciencias Económicas

Escuela de Economía

Bogotá, Colombia

2019

II

EFECTO DE LOS OBSTÁCULOS FINANCIEROS SOBRE

LA INNOVACIÓN Y LA PRODUCTIVIDAD EN LAS

EMPRESAS MANUFACTURERAS EN COLOMBIA

ERIKA CELENE SÁNCHEZ RODRIGUEZ

Tesis presentada como requisito parcial para optar al título de:

Magister en Ciencias Económicas

Director (a):

PhD Francesco Bogliacino

Línea de Investigación: Desarrollo Económico

Grupo de Investigación:

Teoría e Investigación Aplicada en Ciencias Económicas

Universidad Nacional de Colombia

Escuela de Economía

Bogotá, Colombia

2019

III

A mi madre colombiana quién siempre

me ha apoyado con cada sueño o meta

que me propongo y a mi madre brasilera

quién me ha acompañado y guiado

durante este camino.

V

Agradecimientos

Quiero manifestar mi agradecimiento a mi director de tesis, Francesco Bogliacino, por su

compromiso, paciencia, dedicación y diligente orientación. Estoy muy agradecida no solo por su

capacidad profesional, sino por la calidad humana que me ha demostrado a lo largo de este proceso.

También agradezco a Nadia Albis Salas, compañera y amiga a quién le profeso admiración y aprecio

infinito, por su asesoría y valiosa colaboración durante esta investigación y, por el aprendizaje

continuo que he obtenido al trabajar con ella durante estos años. Sin ustedes este trabajo no hubiera

sido posible.

Así mismo, quiero agradecer a las personas del Departamento Administrativo Nacional de

Estadística - DANE por el soporte prestado, en especial, a Laura Tatiana Ocampo por su amabilidad,

disposición y ayuda.

Por último, pero no menos importante, agradezco a mi madre Ana Teresa Rodriguez y a mi

hermano Adrián Sánchez y por estar siempre a mi lado y, a mi querida Lausanne Correia por sus

palabras de aliento y apoyo incondicional desde la distancia. A mis amigos Wilson Quijano, Gabriel

Duncan, Laura Cardona, Juan Diego Lobo, Angélica Rodriguez, Camilo Contreras, Marcela

Rodriguez y otros tantos, por cuidarme y ayudarme a relajar cuando lo necesitaba.

VI

Resumen

El objetivo de esta tesis es contribuir al estudio de los efectos de los obstáculos financieros

sobre la capacidad de innovación y la productividad de las empresas en Colombia. Para tal fin se usa

un panel de datos a nivel de firma que abarca el periodo 2007-2014, construido a partir de los datos

de las encuestas de desempeño productivo para los sectores de manufactura – EAM y las Encuestas

de Desarrollo e Innovación Tecnológica aplicadas a la industria – EDIT. El efecto de las barreras

financieras sobre la innovación se aborda a través de la estimación de una función de producción de

capital intangible, utilizando el procedimiento de selección Heckman para modelos probit junto con

variables instrumentales para corregir problemas de endogeneidad de los datos. Por otro lado, el

análisis del impacto sobre la productividad multifactorial, calculada mediante el método

semiparamétrico sugerido por Levinsohn y Petrin, se realiza de manera heterogénea aplicando el

método no paramétrico de regresión cuantílica.

Los resultados evidencian que, existe una relación entre los problemas de financiación de la

actividad innovadora y la capacidad de las empresas en Colombia para obtener innovaciones y

mejorar su productividad. La primera parte del análisis arroja que las limitaciones de financiación al

acceso a recursos privados se asocian a una menor probabilidad de obtener innovaciones de proceso,

mientras que, la innovación de producto de tipo radical se ve fuertemente influenciada por los

obstáculos financieros relacionados con el acceso a recursos públicos. En la segunda parte se obtiene

que, los obstáculos relacionados con la disponibilidad de recursos internos (propios) afectan

negativamente la productividad de la firma únicamente en los cuantiles más altos; teniendo un efecto

más pronunciado en las empresas ubicadas en el cuartil superior de la productividad multifactorial,

entretanto, las barreras asociadas a la financiación privada mantienen un comportamiento negativo a

lo largo de la distribución de productividad de la firma; afectando en mayor medida a los cuantiles

50 y 90. Los hallazgos sugieren que las empresas más productivas, tienden a percibir en mayor medida

como altamente relevantes las barreras relacionadas con la disponibilidad de recursos propios y de

acceso a financiamiento privado.

Palabras clave: obstáculos financieros, innovación, productividad multifactorial, industrias

manufactureras, Colombia.

VII

Abstract

The objective of this thesis is to contribute to the study of the effects of financial obstacles on the

capacity for innovation and productivity of firms in Colombia. For this purpose, a firm-level data

panel is used that covers the period 2007-2014, constructed from the data of the productive

performance surveys for the manufacturing sectors - EAM and the Technological Development and

Innovation Surveys applied to the industry - EDIT. The effect of financial barriers to innovation is

approached through the estimation of an intangible capital production function, using the Heckman

selection procedure for probit models together with instrumental variables to correct data endogeneity

problems. On the other hand, the analysis of the impact on multifactor productivity, calculated using

the semi-parametric method suggested by Levinsohn and Petrin, is carried out in a heterogeneous

manner by applying the non-parametric quantile regression method.

The results show that, there is a relationship between the problems of financing innovative activity

and the ability of firms in Colombia to obtain innovations and improve their productivity. The first

part of the analysis shows that financial limitations on access to private resources are associated with

a lower probability of obtaining process innovations, while radical product innovation is strongly

influenced by financial barriers related to access to public resources. In the second part it is obtained

that, the obstacles related to the availability of internal resources (own) negatively affect the

productivity of the firm only in the highest quantiles; having a more pronounced effect on companies

located in the upper quartile of multifactor productivity, meanwhile, the barriers associated with

private financing maintain a negative behavior throughout the distribution of productivity of the firm;

affecting quantiles 50 and 90 to a greater extent. The findings suggest that the most productive firms

tend to perceive, to a greater extent the barriers related to the availability of own resources and access

to private financing.

Keywords: financial obstacles, innovation, multifactor productivity, manufacturing industries,

Colombia.

Efecto de los obstáculos financieros sobre la innovación y la productividad

en las empresas manufactureras en Colombia

8

CONTENIDO

Agradecimientos ................................................................................................................................ V

Resumen ............................................................................................................................................ VI

Abstract ............................................................................................................................................ VII

1. INTRODUCCIÓN ...................................................................................................................... 9

2. INNOVACIÓN Y OBSTÁCULOS FINANCIEROS ............................................................... 11

3. METODOLÓGIA ..................................................................................................................... 13

3.1. El modelo y especificación econométrica ............................................................................. 13

3.1.1. Función de producción de conocimiento (KPF) .............................................................. 13

3.1.2. Determinantes de la Productividad Total de Factores (PTF) .......................................... 17

3.2. Datos y estadísticas descriptivas ........................................................................................... 20

4. RESULTADOS ......................................................................................................................... 21

4.1. Efecto de los obstáculos financieros sobre la innovación ..................................................... 21

4.2. La productividad multifactorial y el efecto de los obstáculos financieros ............................ 24

4.2.1. Estimación de la productividad total de factores ....................................................... 24

4.2.2. Efectos de los obstáculos financieros sobre la productividad multifactorial ............. 25

5. CONCLUSIONES .................................................................................................................... 29

6. REFERENCIAS BIBLIOGRÁFICAS ...................................................................................... 31

7. ANEXOS ................................................................................................................................... 37

Anexo 1. Definición de variables para la estimación de la KPF ................................................... 37

Anexo 2. Equivalencia de la clasificación de los sectores según la taxonomía de Pavitt ............. 38

Anexo 3. Correlación de variables – función de producción de conocimiento KPF..................... 39

Anexo 4. Correlación de variables – estimación de la PTF .......................................................... 40

Anexo 5. Correlación de variables – determinantes de la PTF ..................................................... 40

Anexo 6. Modelos – Función de producción de conocimiento ..................................................... 41

Anexo 7. Estimación alternativa de los determinantes de la PTF ................................................ 43



9

1. INTRODUCCIÓN

En la literatura económica se define la innovación como todo aquel desarrollo,

implementación, imitación o adopción de un nuevo o significativamente mejorado producto, proceso

de producción y estructura organizacional o de mercadeo para la empresa, el mercado nacional o el

mercado internacional (Dosi, 1988; Edquist & Johnson, 1997; OECD/Eurostat, 2005). La innovación

es ampliamente reconocida como un factor clave en la competitividad de los países, sectores y

empresas, puesto que surge a partir de la acumulación de conocimientos y capacidades en las firmas

y la sociedad en general (OECD/Eurostat, 2005). Su importancia se ve intensificada por las presiones

competitivas derivadas de la creciente globalización de los mercados y la producción, la disminución

del ciclo de vida de los productos y la rápida evolución de las demandas de los consumidores (Madrid-

Guijarro, Garcia, & Van Auken, 2009). De hecho, aquellas empresas que incorporan la innovación

como parte central de su estrategia pueden aumentar su rendimiento productivo y su probabilidad de

supervivencia (Cefis & Marsili, 2006).

El éxito de un resultado innovador reside en superar varios obstáculos, tanto internos como

externos a las empresas, tales como: restricciones financieras, falta de recurso humano calificado,

restricciones de información y conocimiento, fallas de mercado y la presencia de una estructura

institucional pobre para el apoyo a la innovación (Blanchard et al., 2013; Coad, Pellegrino, & Savona,

2016; Mohnen et al., 2008). La mayor parte de la literatura alrededor de las barreras a la innovación

es relativamente reciente, pues sólo a partir de finales del siglo pasado, con la aplicación y difusión

de las encuestas de innovación, se empieza a contar con más información sobre sus alcances

permitiendo así implementar modelos que evalúan el efecto de los obstáculos sobre las capacidades

de generación de conocimiento y la productividad en las empresas (Coad et al., 2016).

Las encuestas de innovación son instrumentos de medición diseñados, principalmente, para

caracterizar la dinámica innovadora de un país. En Colombia, el primer ejercicio exploratorio para

medir la innovación se realizó en 1996 y, sólo a partir de la segunda aplicación de la Encuesta de

Innovación y Desarrollo Tecnológico – EDIT (2003-2004) se indaga por los obstáculos a la

innovación en las empresas del país (DANE, DNP, & COLCIENCIAS, 2005).

Quizás una de las barreras más importantes que afectan la actividad innovadora de las firmas,

son las restricciones financieras, esto es debido al alto riesgo que implican las actividades de

investigación y desarrollo (I+D), los problemas asociados a la apropiabilidad de los resultados de la



10

innovación por ser el conocimiento un bien público y la dificultad de usar bienes intangibles como

garantía para los créditos que financian los proyectos de innovación (Hall & Lerner, 2010; Mohnen

et al., 2008). A esto podemos agregar las restricciones impuestas por el grado de madurez de los

sistemas financieros, que en países de menor desarrollo pueden ser más pronunciadas (Álvarez &

Bertin, 2016; Crisóstomo, López-Iturriaga, & Vallelado, 2011; Gorodnichenko & Schnitzer, 2013).

En Colombia, las investigaciones sobre los obstáculos a la innovación han sido escasas. Entre

ellas resaltan, los trabajos de Barona-Zuluaga et al. (2015) y Busom & Vélez-Ospina (2017) y

(Villarreal, Lucio-Arias, Albis, & Mora, 2014), que sin embargo no abordan directamente el efecto

de las restricciones al financiamiento interno y externo en la innovación de las firmas.

Mejorar la comprensión de cómo los obstáculos financieros estimulan y restringen la

innovación es importante para propósitos teóricos y políticos. Lo cual es aún más relevante en

contextos en desarrollo, donde es primordial ampliar el entendimiento de las razones por las cuales

existe una escasa propensión a innovar y un bajo nivel de productividad de las empresas (Lundvall et

al., 2009).

En este contexto, el presente trabajo consiste en estudiar empíricamente los efectos de

diversas barreras financieras internas y externas sobre las capacidades de innovación y la

productividad de las empresas manufactureras y de servicios en Colombia, usando datos a nivel de

firma para el período 2007-2014. El efecto de las barreras financieras sobre la innovación se aborda

a través de la estimación de una función de producción de capital intangible (Criscuolo, Haskel, &

Slaughter, 2010; Griliches, 1979) mientras que su impacto sobre la productividad se estima aplicando

el método no paramétrico de regresión cuantílica. Los datos que se utilizan combinan las encuestas

de desempeño productivo para los sectores de manufactura y las Encuestas de Desarrollo e Innovación

Tecnológica para manufactura (EDIT en sus versiones IV a VII), ambas elaboradas por el

Departamento Administrativo Nacional de Estadística – DANE.

El documento se encuentra estructurado de la siguiente forma. En la segunda sección, se

presenta el marco conceptual que sustenta la investigación. En la tercera, se muestran las fuentes de

información y los métodos empíricos empleados. La discusión de los resultados se muestra en la

cuarta sección y en la quinta, las conclusiones e implicaciones de la investigación.



11

2. INNOVACIÓN Y OBSTÁCULOS FINANCIEROS

Como se mencionó en la introducción, la innovación es una condición esencial para el

desarrollo económico de una nación, pues representa un factor de crecimiento de la productividad

(Baumol, 1996; Song, Ai, & Li, 2015). Esto ocurre porque la inversión en actividades de innovación

y, principalmente, en I+D constituye un elemento fundamental en el desarrollo de capacidades de

conocimiento (Hall, 2002).

Tal inversión presenta un número de especificidades que la diferencian ampliamente de la

inversión tradicional (Hall, 2010; Himmelberg & Petersen, 1994). En primer lugar, se destaca el gasto

elevado en personal altamente calificado para evitar la pérdida de conocimiento tácito o de activos

intangibles, provocando que los proyectos de innovación se comporten como si tuvieran altos costos

de ajuste. Este hecho, hace que se requiera de una tasa elevada de rentabilidad para cubrir dichos

costos y sea difícil medir el efecto de la variación de los costos de capital en la inversión para innovar

(Czarnitzki & Kraft, 2004; Hall, Griliches, & Hausman, 1986). En segundo lugar, está el grado de

incertidumbre asociado a la producción de conocimiento que tiende a ser mayor al momento de

comenzar un proyecto de investigación, pero disminuye a medida que la información sobre la

probabilidad de éxito está disponible (Carreira & Silva, 2010). Estos proyectos se caracterizan por

rendimientos muy altos a la inversión inicial que son experimentados por unas pocas empresas,

logrando atraer a una cantidad de participantes similares para los cuales no hay garantía de éxito.

Una última especificidad de la inversión en innovación son los activos intangibles obtenidos

del proceso innovador, que con frecuencia son muy específicos de la empresa. El valor de este tipo

de activos depende del impacto que tengan en el mercado, además, pueden ser muy ilíquidos y de

escaso uso colateral (Bah & Dumontier, 2001; Myers, 1977; Williamson, 1988).

De acuerdo con Mohnen et al. (2008), las características inherentes de las actividades de

innovación incrementan las dificultades para su financiación, debido a: (i) el alto riesgo que implican

los proyectos de innovación con relación a otras iniciativas, en particular, por la necesidad de tener

una alta tasa de retorno para cubrir los costos del recurso humano y, el grado de incertidumbre

relacionado con la generación y éxito de un resultado innovador, haciendo que los inversionistas

externos requieran de una prima de riesgo para este tipo de financiación (Himmelberg & Petersen,

1994; Lach & Schankerman, 1989; Silva & Carreira, 2012); (ii) los problemas asociados a la

apropiabilidad de los resultados de la innovación, por tener el conocimiento algunas características



12

de un bien público; además, en la relación entre los innovadores y los inversionistas abundan los

problemas de información, al no tener estos últimos la capacidad de evaluar con precisión la calidad

y riesgo del proyecto, lo que conduce a problemas de selección adversa, racionamiento del crédito y

mayores costos de financiación externa (Akerlof, 1970; Bhattacharya & Ritter, 1983; Stiglitz &

Weiss, 1981); (iii) la dificultad de usar bienes intangibles como garantía para los créditos de

financiación y la insuficiencia de los retornos inmediatos para pagar la deuda, provoca el aumento de

la prima de riesgo cobrada a la empresa (Bah & Dumontier, 2001; Carpenter & Petersen, 2002; Myers,

1977; Williamson, 1988).

En general, los problemas de asimetrías de información, riesgo moral y consideraciones

impositivas conducen al aumento de los costos de la financiación externa de la innovación, lo que

explica la preferencia de las empresas por la financiación de las actividades de innovación con fuentes

internas (Crisóstomo et al., 2011; Hall, 2010; Mohnen et al., 2008).

Diversas investigaciones han evaluado el efecto de esas limitaciones financieras sobre la

innovación, y en algunos casos sobre la productividad, utilizando información a nivel de firma de

diferentes países y realizando diversos aportes sobre su alcance. Así, Canepa & Stoneman (2008);

Mohnen et al. (2008) encontraron que el impacto de los obstáculos financieros es negativo y mayor

en la realización oportuna de proyectos innovadores que otro tipo de obstáculos.

Por su lado, autores como Bogliacino & Gómez (2014); Madrid-Guijarro et al. (2009); Piva

& Vivarelli (2007) evidenciaron que tanto la innovación de producto como la de proceso se ven

negativamente afectadas por las restricciones de financiación externa que recaen sobre las firmas con

interés de innovar. Mientras que, Crisóstomo et al. (2011); Savignac (2008) lograron comprobar que

las actividades de innovación se reducen significativamente en presencia de restricciones financieras.

Finalmente, Coad et al. (2016) mostraron que, aplicando el método de regresión cuantílica,

tanto los costos financieros como la disponibilidad de financiamiento tienen un efecto negativo en

toda la curva de distribución de la productividad. Esto se explica, tomando en consideración los dos

roles o caras de la investigación y el desarrollo en las que, además de la función convencional de

estimular la innovación, la I+D mejora la transferencia de tecnología (capacidad de absorción) de las

firmas; razón por la cual, la innovación no sólo permite el aumento de la productividad por el canal

directo de la creación de nuevo conocimiento, sino también a través de la absorción del conocimiento

existente y la innovación generada por los competidores (Cohen & Levinthal, 1990; Griffith,

Redding, & Van Reenen, 2004).



13

Teniendo en cuenta estos estudios y las características inherentes a la innovación es posible

formular las siguientes hipótesis, para el caso colombiano:

H1: las restricciones de financiación propia (interna) se relacionan con un bajo nivel de

innovación y productividad en las empresas.

H2: los obstáculos financieros relacionados con el acceso a recursos públicos se asocian a

una menor capacidad de producción de conocimiento y productividad en las empresas.

H3: las limitaciones financieras relacionados con el acceso a recursos privados se asocian

a una menor capacidad innovadora y bajos niveles de productividad en las empresas.

3. METODOLÓGIA

Para abordar el análisis de los efectos de las barreras financieras sobre la innovación y la

productividad se procede en dos bloques. En el primero, se estima la Función de Producción de

Conocimiento (KPF por su sigla en inglés) conforme el modelo planteado por Griliches (1979, 1984)

y su desarrollo por parte de Criscuolo et al. (2010) y, en el segundo, se estima el efecto de los

obstáculos sobre la productividad usando el método no paramétrico de regresión cuantílica.

3.1. El modelo y especificación econométrica

3.1.1. Función de producción de conocimiento (KPF)

En términos generales, el modelo de Griliches (1979, 1984), busca evaluar el efecto causal

de la inversión en innovación sobre la producción de innovaciones (KPF por sus siglas en ingles).

Según este planteamiento, los productos de nuevo conocimiento dependen de dos insumos básicos:

la inversión en el descubrimiento de nuevo conocimiento y los flujos de ideas que surgen del acervo

de conocimiento existente, adquirido ya sea por medio de transacciones de mercado o vía

derramamientos (spillovers). Así, el modelo toma la siguiente forma:

Δ𝐾𝑖𝑡 = 𝑓 (𝐻𝑖𝑡 , 𝐾𝑖𝑖𝑡ʼ , 𝐾𝑖𝑒𝑡

ʼ , 𝑂𝐵𝑆𝑖𝑗𝑡ʼ , 𝑍𝑖𝑡

ʼ ) (1)

Donde Δ𝐾𝑖𝑡 es el cambio en el stock de conocimiento de la firma 𝑖; 𝐻𝑖𝑡 representa los insumos

utilizados para la producción de conocimiento; 𝐾𝑖𝑖𝑡ʼ y 𝐾𝑖𝑒𝑡

ʼ son los flujos de ideas que toma la firma

𝑖 internas y externas a la empresa, respectivamente; 𝑂𝐵𝑆𝑖𝑗𝑡ʼ son los tres tipos de obstáculos a la



14

innovación que se consideran y 𝑍𝑖𝑡ʼ es un vector de otras variables que pueden influenciar la creación

de nuevo conocimiento.

El cambio en el stock de conocimiento de la firma 𝑖, Δ𝐾𝑖𝑡, se mide a través de indicadores de

innovación como son la innovación en producto y la innovación de proceso, construidos a través de

preguntas de autoreporte en las encuestas de innovación. Además, la innovación de producto se

desagrega de acuerdo con su alcance, ya sea incremental o radical, de acuerdo con la definición

adaptada por Albis & Álvarez (2017) que se presentan a continuación:

• Innovaciones incrementales: empresas que innovan en bienes o servicios nuevos o

significativamente mejorados para la misma empresa o para el mercado nacional.

• Innovaciones radicales: firmas que logran obtener bienes o servicios nuevos o significativamente

mejorados para el mercado internacional.

Los insumos empleados para la generación de conocimiento 𝐻𝑖𝑡 , corresponden al gasto en

I+D dividido por el personal total de la firma (intensidad de la inversión en I+D). Los flujos de

conocimiento intra-firma y aquellos provenientes del exterior (𝐾𝑖𝑖𝑡ʼ y 𝐾𝑖𝑒𝑡

ʼ , respectivamente), se

calculan de acuerdo con la respuesta dada por las empresas cuando identifican las fuentes de

información que utilizan para innovar, de lo cual resultan cuatro variables dummy que toman el valor

de 1 cuando es utilizada la fuente en cuestión y cero en otro caso; estas fuentes son: información

interna, vertical (proveedores o clientes), horizontal (competidores) y, organizaciones de I+D

(universidades o centros de I+D).

Los obstáculos financieros se miden a través de la construcción de tres variables dicotómicas,

así: (i) financiación propia, toma el valor de 1 si la empresa reporta un grado alto o medio de

importancia a los obstáculos relacionados con la disponibilidad de recursos propios o internos; (ii)

acceso a recursos públicos, igual a 1 si la empresa identifica con alto o medio grado de importancia

de las restricciones para acceder a recursos públicos y (iii) acceso a recursos privados, igual a 1 si la

empresa reporta con un grado alto o medio de importancia de los obstáculos asociados con el acceso

a financiación externa de carácter privado. A continuación, en la figura 1, se presenta la relación

entre los obstáculos financieros y la innovación en la firma.

Finalmente, en el componente 𝑍𝑖𝑡ʼ se incluyen otras variables que también afectan la

innovación, entre las que están las variables dicotómicas de sector de acuerdo con la taxonomía de

Pavitt revisada por Bogliacino & Pianta (2016) (Ver el conjunto de definiciones de variables en el

anexo 1 y las equivalencias entre el sector CIIU a dos dígitos y la taxonomía Pavitt en el anexo 2).



15

Figura 1. Obstáculos financieros a la innovación

Fuente: Elaboración propia con base en DANE – EDIT (IV-VII)

Para estimar la ecuación 1 se requiere considerar dos aspectos en la especificación

econométrica. En primer lugar, es necesario corregir el problema de endogeneidad que media la

relación entre los insumos de la innovación (la inversión en I+D) y la obtención de innovaciones

(Crepón et al, 1998). En segundo lugar, en la encuesta de innovación colombiana solo las empresas

que innovan o que intentaron innovar responden los módulos restantes (p.ej. inversión, fuentes y

personal) y, por tanto, es necesario corregir el sesgo de selección generado por este diseño muestral.

En ese sentido, la especificación econométrica del modelo asumiría la siguiente forma:

𝑔𝑖𝑡 = {1 𝑠𝑖 𝑔𝑖𝑡

∗ = 𝛿𝑂𝐵𝑆𝑖𝑗𝑡ʼ + 𝜌𝑍1𝑖𝑡

ʼ + 𝛾𝑍2𝑖𝑡 + 𝑢𝑖𝑡 > 0

0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜 (2)

Δ𝐾𝑖𝑡 = { ∆𝐾𝑖𝑡

∗ = 𝛽1𝐻𝑖𝑡 + 𝛽2𝐾𝑖𝑖𝑡ʼ + 𝛽3𝐾𝑖𝑒𝑡

ʼ + 𝛽4𝑂𝐵𝑆𝑖𝑗𝑡ʼ + 𝛽5𝑍1𝑖𝑡

ʼ + 휀𝑖𝑡 if 𝑔𝑖 = 1

0 if 𝑔𝑖 = 0 (3)

donde, 𝐻𝑖𝑡 = 𝜂𝑍2𝑖𝑡 + ν𝑖𝑡 (4)

En la ecuación de selección (2), 𝑔𝑖𝑡∗ muestra la propensión no observada a innovar o a invertir

en innovación que depende de los obstáculos financieros 𝑂𝐵𝑆𝑖𝑗𝑡ʼ , el vector de características exógenas

a la empresa 𝑍1𝑖𝑡ʼ y la variable instrumental de la inversión en I+D (𝑍2𝑖𝑡). Por su parte, 𝑔𝑖𝑡 es la

variable de estado observada que refleja o no la actividad innovadora de la firma. En la ecuación 3,

Innovación de

Producto

Actividades de

Innovación

Innovación de

Proceso

Obstáculos financieros externos a la empresa

Acceso a recursos públicos:

• Escasa información sobre instrumentos públicos de apoyo

• Desconocimiento de las líneas de financiación públicas

existentes

• Falta de información sobre requisitos y trámites

• Dificultad para cumplir con los requisitos o completar los

trámites

• Tiempo del trámite excesivo

• Condiciones de financiación y/o cofinanciación poco

atractivas

• Demora en la intermediación entre la banca comercial y las

líneas públicas de crédito.

Acceso a financiación privada:

• Dificultades para acceder a financiamiento externo a la

empresa diferentes a los recursos públicos

Obstáculos financieros internos a la empresa

Disponibilidad de recursos propios:

• Escasez de recursos propios



16

Δ𝐾𝑖𝑡 es una variable dummy que toma el valor de uno si la empresa innova en producto o proceso y,

depende de las variables del modelo mostrado antes para la ecuación 1. La ecuación 4, representa la

proyección lineal para la variable potencialmente endógena o faltante 𝐻𝑖𝑡 instrumentada con 𝑍2𝑖𝑡. En

todas las ecuaciones, 𝛿, 𝜌, 𝛾, 𝜂 y los 𝛽𝑠 son los vectores de parámetros de interés, mientras que 𝑢𝑖𝑡,

휀𝑖𝑡 y ν𝑖𝑡 son los términos de error.

En cuanto al vector 𝑍1𝑖𝑡ʼ , incluye variables que miden la capacidad de una empresa para

obtener ganancias de la innovación (condiciones de apropiabilidad) y otros determinantes de la

innovación. Las condiciones de apropiabilidad están representadas por la protección formal a las

innovaciones que, es igual a uno si la firma solicitó algún método como patentes, modelos de utilidad,

derechos de autor, registros de software, registros de diseños industriales, registro de marcas y otros

signos distintivos o certificados de obtentor de variedades vegetales para proteger la innovación

durante el periodo de estudio y, cero en otro caso (Mairesse & Robin, 2009).

Los otros determinantes de la innovación que han sido incluidos en este vector son, los

sectores según la taxonomía de Pavitt (Bogliacino & Pianta, 2016) y el tamaño de la empresa medido

por el número de empleados, representado por una variable de tres categorías: (i) pequeñas, empresas

con menos de 50 empleados; (ii) medianas, firmas que tienen entre 51 y 200 empleados y, (iii)

grandes, empresas con más de 200 empleados.

En cuanto a los criterios de exclusión de variables en las ecuaciones 2 y 3, para esta

investigación se sigue la especificación del modelo de selección planteado por Griffith et al. (2006)

y Mairesse & Robin (2009), en la que se excluye de la ecuación 3 el tamaño empresarial y de la

ecuación 2 las variables asociadas a las fuentes de información. La elección del tamaño empresarial

como variable de exclusión está sustentada por Griffith et al. (2006), quién demostró que el tamaño

influye sobre la probabilidad de realizar I + D, pero no tiene un efecto en el monto de la inversión.

También, es de resaltar que, esta variable (el tamaño) no cobra relevancia en la ecuación de la KPF

(ecuación 3) cuando se está controlando por los sectores de la taxonomía de Pavitt que, de acuerdo

con Bogliacino & Pianta (2012, 2016), son capaces de explicar de manera efectiva la heterogeneidad

tecnológica de los sectores.

Para tratar el sesgo de selección muestral determinada por la propensión a innovar, las

ecuaciones 2 y 3 se estiman conjuntamente mediante el procedimiento de selección de Heckman en

su versión probit (Van de Ven & Van Praag, 1981). Además, para abordar el problema de



17

endogeneidad, en la segunda etapa se utiliza un modelo de variables instrumentales (MC2E), tomando

como instrumento de la inversión en I+D, el porcentaje de empleados en actividades de innovación.

El método de Heckman en dos etapas trata el sesgo de selección como un problema de

especificación. Por lo tanto, intenta resolverlo insertando una variable proxy que captura la parte

omitida de la muestra truncada que es atribuible a la selección (inversa de Mills). Así, teniendo en

cuenta que las variables dependientes de esta investigación son dicotómicas, el procedimiento de

estimación se realiza como sigue: (i) se estima un modelo Probit adaptado a datos panel para la

ecuación 2, mediante el paquete econométrico de Stata xtprobit, a partir del cual se construye la

inversa de Mills (�̂�𝑖𝑡 (�̂�𝑍𝑖𝑡ʼ ) = 𝜑(�̂�𝑍𝑖𝑡

ʼ )/𝜙(�̂�𝑍𝑖𝑡ʼ )) y; (ii) se incluye el término de corrección de

selección �̂�𝑖𝑡 obtenido del cálculo de la inversa de Mills en la función de producción de conocimiento

(ecuación 3), cuya estimación se realiza mediante un modelo Probit con variables instrumentales

(paquete econométrico ivprobit en Stata).

Adicionalmente, para comprobar la robustez de la especificación econométrica, se estima el

modelo a través de los métodos de Mínimos Cuadrados Ordinarios y el estimador de Heckman para

modelos probit dinámicos de efectos aleatorios con errores autocorrelacionados, usando el paquete

econométrico de Stata “redprob” diseñado por Stewart (2006) (ver anexo 6).

3.1.2. Determinantes de la Productividad Total de Factores (PTF)

Antes de estimar el modelo de determinantes de la PTF en función de los obstáculos

evaluados y otros regresores, es necesario calcular la productividad multifactorial. De acuerdo con el

modelo de crecimiento de Solow (1956), una economía se caracteriza por la dotación de factores

productivos (capital y trabajo) y la combinación de estos componentes dentro de una estructura

tecnológica establecida. En este contexto, utilizar una función de producción tipo Cobb Douglas

(donde el logaritmo de la PTF corresponde al residuo de Solow) facilita captar las variaciones de la

productividad ante un cambio de los factores mediante los rendimientos a escala (α y β). En su forma

log-linear la función se presenta como sigue:

𝑦𝑖𝑡 = 𝛽0 + 𝛽𝑙𝑙𝑖𝑡 + 𝛽𝑘𝑘𝑖𝑡 + 𝛽𝑚𝑚𝑖𝑡 + 𝜔𝑖𝑡 + 휀𝑖𝑡 (5)

En la ecuación 5, las letras en minúscula expresan las medidas en términos de logaritmo,

mientras que los subíndices i y t se refieren a la firma y el año, respectivamente. Con relación a las

variables, 𝑦𝑖𝑡 representa la producción bruta industrial de la firma y 𝑙𝑖𝑡, 𝑘𝑖𝑡 y 𝑚𝑖𝑡 son los insumos



18

relacionados con el trabajo, el capital y el consumo de materias primas. El término 𝜔𝑖𝑡 es el

componente de productividad o variables de estado (residuo de Solow) y 휀𝑖𝑡 es el término de error

que no debe estar correlacionado con la elección de los insumos. La variable de estado no es

observada y afecta la elección de los insumos realizada por las firmas, por lo cual estamos en

presencia de un problema de simultaneidad en la estimación de la función de producción. Así, la

medida de la PTF se construye como:

�̂�𝑖𝑡 = 𝑒𝑥𝑝(𝑣𝑖𝑡 − �̂�𝑙𝑙𝑖𝑡 − �̂�𝑘𝑘𝑖𝑡) (6)

Este cálculo se basa en el método semiparamétrico sugerido por Levinsohn & Petrin (2003)

el cual permite corregir los problemas de simultaneidad presentes en la estimación de la función de

producción derivados de la correlación entre el nivel de insumos (capital y trabajo) y el proceso no

observado que determina la productividad de las firmas. A continuación, en la tabla 1 se muestra la

descripción completa de las variables incluidas en la estimación de la productividad.

Tabla 1. Definición de variables para el cálculo de la PTF

Variable Definición

Dependiente

Log. producción Logaritmo de la producción bruta industrial deflactada por el índice de precios al

productor

Independientes

Log. stock de capital

Logaritmo del valor en libros del capital de las empresas deflactado por el índice de

precios al productor más cercano, de los diferentes tipos de activo fijo: terrenos, edificios

y estructuras, maquinaria y equipo, equipo de transporte y equipo de oficina.

Log. trabajadores

calificados

Logaritmo del número de profesionales, técnicos y tecnólogos y de personal de

administración y ventas

Log. trabajadores no

calificados Logaritmo del número de obreros y operarios

Materiales Logaritmo del consumo de materias primas Fuente: elaboración propia.

Una vez estimada la PTF, se aplica un modelo de regresión cuantílica para datos panel

(Powell, 2016) para estimar el impacto de los obstáculos a la financiación sobre la productividad de

las firmas. En particular, se estima la siguiente ecuación:

𝑃𝑇�̂�𝑖𝑡 = 𝜃𝑂𝐵𝑆𝑖𝑗𝑡 + 𝛾𝑉𝑖𝑡 + 𝑢𝑖𝑡 (7)

Donde el término 𝑃𝑇𝐹𝑖𝑡 es la productividad multifactorial de la empresa 𝑖 en el periodo 𝑡,

𝑂𝐵𝑆𝑖𝑡 representa los obstáculos a la financiación que toman el valor de 1 si la empresa reporta un

grado alto o medio de importancia de cada obstáculo analizado y cero en otro caso, 𝑉𝑖𝑡 corresponde



19

al vector de variables control (sector y tamaño de la empresa) y 휀𝑖𝑡 es el termino de error. En la tabla

2, se presenta una breve descripción de las variables utilizadas en el modelo.

Tabla 2. Definición de variables para la estimación de los determinantes de la PTF


Dependiente

Productividad Logaritmo de la productividad total de los factores

Independientes

Obstáculos financieros

Disponibilidad de recursos

propios

Variable dicotómica igual a 1 si la empresa reporta con un grado alto o medio de

importancia obstáculos relacionados con la escasez de recursos propios o internos

Acceso a recursos públicos

Variable dicotómica igual a 1 si la empresa reporta con un grado alto o medio de

importancia alguno de los obstáculos relacionados con el acceso a recursos públicos:

• Escasa información sobre instrumentos públicos de apoyo

• Desconocimiento de las líneas de financiación públicas existentes

• Falta de información sobre requisitos y trámites

• Dificultad para cumplir con los requisitos o completar los trámites

• Tiempo del trámite excesivo

• Condiciones de financiación y/o cofinanciaciones poco atractivas

Demora en la intermediación entre la banca comercial y las líneas públicas de crédito

Acceso a recursos privados Variable dicotómica igual a 1 si la empresa reporta con un grado alto o medio de

importancia obstáculos relacionados con el acceso a financiación externa privada

Fuentes de información

Internas

Variable dicotómica igual a 1 si la empresa utiliza como fuentes de información para

la innovación ya sea de:1) Departamento interno de I+D; 2) Departamento de

Producción; 3) Departamento de Ventas y Mercadeo; 4) Otro departamento de la

Empresa; 5) Grupos Interdisciplinarios; 6) Directivos de la Empresa; 7) otras

empresas del grupo empresarial; 8) casa matriz, cuando la procedencia de las ideas

es nacional. Igual a 0 en otro caso

Vertical Variable dicotómica igual a 1 si la empresa utiliza como fuentes de información para

la innovación a los clientes y proveedores y 0 en otro caso

Horizontal Variable dicotómica igual a 1 si la empresa utiliza como fuentes de información para

la innovación a los competidores y 0 en otro caso

Organizaciones de I+D

Variable dicotómica igual a 1 si la empresa utiliza como fuentes de información para

la innovación a las universidades y centros de I+D (Centros de Desarrollo

Tecnológico –CDT y Centros de investigación); igual a 0 en otro caso.

Otras variables

Tamaño Logaritmo del empleo

Sectores según Taxonomía

Pavitt

Cuatro variables dicotómicas iguales a 1 si la empresa se ubica en sectores basados

en ciencia (BC), proveedores especializados (PE), intensivos en escala (IE) o

dominados por proveedores (DP). Ver en el anexo 2 las equivalencias entre sector

CIIU (a dos dígitos) y la taxonomía Pavitt.

Tiempo Variable dummy para cada periodo de tiempo estudiado

Fuente: elaboración propia.



20

3.2. Datos y estadísticas descriptivas

El análisis empírico que se presenta en este trabajo se basa en un panel de datos no balanceado

a nivel de empresa construido a partir de la integración de las siguientes fuentes estadísticas, todas

del Departamento Administrativo Nacional de Estadística – DANE1: (i) para manufactura, la

Encuesta Anual Manufacturera – EAM (desde 2007 a 2014) y la Encuesta de Desarrollo e Innovación

Tecnológica en Manufactura – EDIT (en sus versiones IV a VII).

La EAM busca captar la información sobre el desempeño productivo de los establecimientos

y las empresas en el país. La Encuesta Anual Manufacturera recoge datos de los establecimientos

industriales con diez o más personas ocupadas o con un valor de producción superior al estipulado

para cada año de referencia, en 2014 este valor debía ser mayor o igual a $142,2 millones de pesos

(DANE, 2014).

La encuesta de innovación recopila información a través una operación estadística censal, lo

que le permite una mayor cobertura del universo empresarial manufacturero colombiano y se aplica

al conjunto de las empresas incluidas en el directorio de la EAM (DANE, 2017).

Esta encuesta se lleva a cabo de manera bienal y recoge información de dos años de estudio2.

El objetivo de esta encuesta es caracterizar la dinámica tecnológica y las actividades de innovación

empresariales para el sector manufacturero en el país, teniendo como base los Manuales de Oslo

(OECD/Eurostat, 2005) y Bogotá (DANE, 2016, 2017).

Estos manuales son el resultado de la preocupación de medir la innovación por parte de

estudiosos dedicados a la economía del cambio técnico, tanto en Europa como en América Latina y

el Caribe. El Manual de Oslo (OECD/Eurostat, 2005) toma como referencia las directrices planteadas

en el Manual de Frascati (Oecd, 2002), enfocado en la medición de la I+D, para desarrollar una

metodología común que permita capturar el esfuerzo innovador de las empresas Europeas de manera

más sistémica.

Por su parte, el Manual de Bogotá (RICYT, 2001) adapta las recomendaciones del Manual

de Oslo a la complejidad de problemas presentes en la medición de la ciencia, tecnología e innovación

en América Latina y el Caribe. El objetivo de este manual es captar la peculiaridad de los procesos

1 Los datos a nivel de empresa están sujetos a una estricta regulación de reserva estadística. Por lo tanto, la información se

trabajó directamente en las oficinas del DANE mediante la firma de un acuerdo de confidencialidad. 2 En general, la EDIT está estructurada en seis capítulos que indagan por resultados y actividades conducentes a la

innovación.



21

de innovación en la región que, a diferencia de la Unión Europea, se caracteriza por tener menor

inversión en actividades de I+D, procesos diferenciales en adquisición y mejora de nuevas tecnologías

y, limitada interacción entre empresas e instituciones involucradas en el desarrollo innovador

(Bogliacino, et. al, 2012).

Así, para los propósitos de este estudio, las bases de datos utilizadas disponen de códigos de

identificación comunes de firmas que permiten su combinación. En general, se trabajó con un panel

no balanceado para el periodo de 2007 a 20143. La tabla 3, muestra las características principales de

los datos. En los anexos 3 y 5 se pueden consultar los estadísticos descriptivos de las variables usadas

en los dos modelos.

Tabla 3. Características del Panel de Datos

Periodo: 2007 – 2014 Manufactura

Observaciones 68.596

Firmas 11.180

Promedio de observaciones por firma 6,13

Fuente: Elaboración propia con base en DANE – EAM y EDIT (IV-VII)

4. RESULTADOS

4.1. Efecto de los obstáculos financieros sobre la innovación

En la tabla 4, se presentan los resultados de las estimaciones de la ecuación de selección con

un modelo Probit para panel y de la función de producción de conocimiento usando el método de

Heckman para modelos Probit combinado con variables instrumentales – Probit-Heckman (IV). Se

observa que, aunque para la probabilidad de innovar todos los obstáculos son significativos y su efecto

es contrario a lo esperado, ninguno de los obstáculos analizados tiene un efecto estadísticamente

significativo sobre la probabilidad de obtener innovaciones de producto.

No obstante, al desagregar la innovación de producto según su alcance se evidencia que, si

bien para las innovaciones incrementales este resultado se mantiene, los obstáculos relacionados con

el acceso a recursos públicos para financiar actividades de innovación tienen un efecto negativo y

3 Para la construcción de este panel sólo se contempló el periodo 2007-2014, debido a las amplias diferencias que existen

en el diseño de los formularios y en la forma de recolección de la información de esta encuesta de innovación con respecto

a sus versiones anteriores (EDIT I – III).



22

estadísticamente significativo sobre la probabilidad de lograr innovaciones radicales. Estos resultados

se permanecen si se estima el modelo a través de MCO, como se puede consultar en el anexo 6.

Tabla 4. Estimación del efecto de los obstáculos financieros sobre la innovación

manufacturera

Variables

Probabilidad

de Innovar

Innovación de Producto Innovación

de Proceso Total Incremental Radical

Probit -

Panel

Probit -

Heckman

(IV)

Probit -

Heckman

(IV)

Probit -

Heckman

(IV)

Probit -

Heckman

(IV)


Recursos propios 0,180*** -0,002 -0,003 0,016 0,028

(0,049) (0,044) (0,044) (0,045) (0,049)

Recursos públicos 0,137*** -0,008 -0,009 -0,144*** 0,050

(0,038) (0,043) (0,044) (0,043) (0,041)

Recursos privados 0,076* 0,036 0,029 0,001 -0,072*

(0,046) (0,042) (0,040) (0,044) (0,043)

Fuentes de Información

Internas -0,073 -0,073 -0,11 0,294*

(0,141) (0,134) (0,202) (0,162)

Horizontal 0,084** 0,075* -0,035 0,080*

(0,042) (0,042) (0,043) (0,041)

Vertical 0,300*** 0,283*** 0,311*** 0,170***

(0,051) (0,044) (0,062) (0,044)

Organizaciones de I+D -0,029 -0,032 0,028 0,103*

(0,057) (0,052) (0,054) (0,054)

Otras variables

Log. Intensidad de la inversión en

I+D1

0,246*** 0,239*** 0,483*** 0,117

(0,077) (0,065) (0,030) (0,082)

Protección formal 0,206*** 0,196*** 0,203*** -0,048 -0,032

(0,038) (0,045) (0,044) (0,046) (0,038)

Log. proporción de personal en

actividades de innovación

0,135***

(0,019)

Tamaño

Medianas 0,564***

(0,053)

Grandes 1,265***

(0,074)

Sectores-Taxonomía de Pavitt

Basados en ciencia 0,040 0,024 0,038 -0,372*** -0,399***

(0,057) (0,085) (0,089) (0,062) (0,068)

Proveedores especializados 0,161*** -0,081 -0,11 -0,233***

(0,062) (0,073) (0,072) (0,067) (0,068)

Intensivos en escala e información 0,025 0,002 0,013 -0,109** -0,066

(0,052) (0,049) (0,057) (0,053) (0,041)

Inversa de Mills -1,212*** -1,159*** -2,463*** -1,309***

(0,266) (0,230) (0,283) (0,261)

Constante 1,049*** -0,929** -0,895*** -3,251*** -0,681*

(0,060) (0,368) (0,331) (0,215) (0,401)

chi2 345,644 367,869 371,867 1231,107 191,569

Observaciones 15.722 5.529 5.529 5.529 5.529 Nota: Las desviaciones estándar se encuentran en paréntesis: los errores estándar del Probit- Panel y el Probit – Heckman (IV) son

bootstrapp (99 replicaciones). Los asteriscos denotan el grado de significancia: * Significativo al 10% ** Significativo al 5% ***

Significativo al 1% 1Instrumentalizada con la proporción del personal en actividades de innovación (log).



23

Es de resaltar que, este efecto de los obstáculos de la financiación pública sobre la innovación

de producto radical confirma la hipótesis 2 formulada en la segunda sección de este documento en la

que se plantea la existencia de una relación entre los obstáculos financieros del acceso a recursos

públicos y una menor capacidad de producción de conocimiento.

Por su parte, las estimaciones obtenidas para la innovación de proceso muestran que, existe

un efecto negativo y estadísticamente significativo de los obstáculos financieros en el acceso a

recursos privados sobre este tipo de innovación. En este sentido, es posible reiterar la hipótesis 3, que

asume una asociación entre las limitaciones financieras relacionadas con el acceso a recursos

privados y una menor capacidad innovadora de las empresas.

La explicación de estos resultados, puede ser atribuida a las diferencias existentes entre los

riesgos asumidos en estos dos tipos de innovaciones. La innovación de proceso está relacionada con

estrategias de racionalización de costos que es muy recurrente en Colombia y, en general, en toda

Latinoamérica. Es posible que estas innovaciones estén dirigidas a la mejora de procesos productivos,

por lo cual, las empresas usan recursos propios o se endeudan. Mientras que, la innovación de

producto requiere una inversión de mayor riesgo que la banca privada no está dispuesta a asumir,

pues es incierto si al final del proyecto se logre alcanzar un resultado innovador y los retornos de esta

inversión no son inmediatos, por tanto, acceder a financiación pública resulta ser la mejor opción para

las firmas en este caso.

Además, los hallazgos mostrados tanto para la innovación de producto y proceso en términos

de obstáculos de financiamiento público y privado, van acordes con la evidencia obtenida por autores

como Bogliacino & Gómez (2014); Madrid-Guijarro et al. (2009); Piva & Vivarelli (2007), los cuales

comprueban que las restricciones de financiación externa impactan negativamente las firmas con

interés de innovar.

Por otro lado, las estimaciones no arrojan resultados significativos concernientes a los efectos

de las limitaciones de financiación propia, por consiguiente, no es posible comprobar que haya una

asociación entre las restricciones de financiación propia (interna) y un bajo nivel de innovación en

las empresas (hipótesis 1).

En las demás variables del modelo, en general, se obtienen los resultados heterogéneos:

(i) La intensidad de la inversión en I+D tiene un efecto positivo y estadísticamente significativo

sobre la probabilidad de innovar en producto.



24

(ii) La protección formal afecta positivamente la propensión a obtener innovaciones de producto

de alcance nacional, sin embargo, no tiene implicaciones estadísticamente significativas

sobre la innovación de carácter radical y de procesos. En el último caso, este comportamiento

parece ser común en el país, ya que las empresas recurren con mayor frecuencia a

mecanismos informales para proteger sus resultados innovaciones de proceso.

(iii) Las empresas de mayor tamaño son más propensas a innovar.

(iv) Las fuentes de información más eficaces para mejorar la capacidad innovadora de las

empresas son las provenientes de clientes y proveedores (verticales) y, en menor proporción,

las ideas de los competidores (horizontales), lo que implica que, si las empresas aumentan

sus flujos de conocimientos con estos actores podrán mejorar sus resultados innovadores.

Además, en el caso de la innovación de proceso también cobran relevancia las fuentes

internas a la empresa y las procedentes de las organizaciones de I+D.

(v) Los sectores que tienen mayor efecto (negativo) sobre la innovación radical y de proceso son

los basados en ciencia y los proveedores especializados. También, se evidencia que los

sectores intensivos a escala afectan únicamente la innovación de alcance internacional,

aunque en menor medida.

4.2. La productividad multifactorial y el efecto de los obstáculos

financieros

4.2.1. Estimación de la productividad total de factores

En la tabla 5, se presentan los resultados de la PTF calculada por el método de Levinsohn y

Petrin (LP) y los modelos de MCO, efectos fijos y efectos aleatorios (ver los estadísticos descriptivos

de las variables usadas en el anexo 4). De aquí, se puede extraer que, los coeficientes estimados del

capital fijo y, el personal calificado y no calificado por los tres modelos difieren significativamente

de los hallazgos del modelo LP.

Tabla 5. Estimación de la productividad multifactorial en Colombia, 2007-2014

Variable dependiente: Producción

bruta industrial

Levinsohn &

Petrin MCO

Efectos

fijos

Efectos

aleatorios

Personal calificado (log.) 0,212*** 0,385*** 0,170*** 0,233***

(0,005) (0,003) (0,003) (0,003)

Personal no calificado (log.) 0,152*** 0,178*** 0,244*** 0,241***

(0,006) (0,003) (0,003) (0,003)



25

Capital fijo (log.) 0,278*** 0,200*** 0,099*** 0,134***

(0,011) (0,002) (0,002) (0,002)

Materias primas (log.) 0,307*** 0,358*** 0,336***

(0,002) (0,002) (0,002)

Constante 6,487*** 7,473*** 7,163***

(0,024) (0,031) (0,027)

R2_intra-grupos 0,655 0,651

R2_global 0,859 0,870

R2_entre grupos 0,816 0,836

R2 0,879 0,655

Observaciones 63.759 63.759 63.759 63.759

Nota: Las desviaciones estándar se encuentran en paréntesis: los errores estándar del MCO, efectos fijos y aleatorios son robustos. Los

asteriscos denotan el grado de significancia: * Significativo al 10% ** Significativo al 5% *** Significativo al 1%

4.2.2. Efectos de los obstáculos financieros sobre la productividad multifactorial

La tabla 6 exhibe los efectos heterogéneos de cada obstáculo financiero en la distribución de

la productividad total de factores, a través de cinco cuantiles (θ = 0.25, 0.50, 0.75, 0.90 y 0.99). En

general, los diferentes obstáculos financieros muestran efectos significativos en al menos un cuantil

de la productividad de la empresa.

El impacto de las barreras asociadas al acceso de recursos propios cambia a medida que se

incrementa el nivel de productividad de las empresas. Si bien estos obstáculos son estadísticamente

significativos y positivos en el cuantil 25, su comportamiento se vuelve negativo en los cuantiles 75

y 99, incrementándose de manera importante en este último cuantil de la PTF (pasa de 0,03 a 0,22).

Por otro lado, los obstáculos financieros relacionados con el acceso a recursos públicos sólo

parecen tener un efecto positivo y estadísticamente significativo, pero no mayor, en el cuantil 25 de

la productividad multifactorial.

El comportamiento contraintuitivo del cuantil 25, implica que, las empresas menos

productivas al no contar con recursos internos suficientes para llevar a cabo sus innovaciones y tener

dificultad para acceder a recursos públicos del país (que son bastante reducidos, con tramites

dispendiosos y largos periodos de aprobación) se ven obligadas a buscar otras fuentes de financiación

de sus actividades innovadoras. Este resultado, va en línea con el impacto negativo que presenta el

acceso a recursos privados sobre la productividad en este cuantil, ya que es aún más difícil lograr

innovar si no es posible obtener financiamiento alternativo.



26

Tabla 6. Estimación del efecto de los obstáculos financieros sobre PTF de la

manufactura4

Variables

Productividad Total de Factores - PTF

MCO Regresión Cuantílica

Q25 Q50 Q75 Q90 Q99


Propios 0,003 0,049*** 0,016 -0,034* -0,034 -0,221*

(0,016) (0,016) (0,016) (0,020) (0,031) (0,129)

Públicos 0,009 0,039*** 0,02 0,016 -0,014 -0,106

(0,013) (0,013) (0,014) (0,018) (0,025) (0,089)

Privados -0,092*** -0,089*** -0,100*** -0,088*** -0,130*** -0,007

(0,018) (0,017) (0,019) (0,023) (0,033) (0,127)

Tamaño

Empleo (log.) 0,399*** 0,399*** 0,401*** 0,406*** 0,403*** 0,352***

(0,003) (0,003) (0,003) (0,003) (0,004) (0,019)

Taxonomía de Pavitt

Basados en ciencia 0,269*** 0,195*** 0,298*** 0,371*** 0,321*** 0,362***

(0,011) (0,014) (0,014) (0,017) (0,021) (0,086)

Proveedores especializados -0,109*** -0,017 -0,054*** -0,179*** -0,290*** -0,464***

(0,012) (0,011) (0,010) (0,014) (0,022) (0,062)

Intensivos en escala e

información

0,046*** 0,073*** 0,036*** -0,024** -0,070*** 0,145*

(0,008) (0,008) (0,008) (0,010) (0,016) (0,086)

Constante 11,426*** 10,872*** 11,330*** 11,870*** 12,520*** 14,000***

(0,014) (0,017) (0,016) (0,019) (0,028) (0,106)

Dummies de tiempo SI SI SI SI SI SI

Observaciones 63.759 63.759 63.759 63.759 63.759 63.759 Nota: Las desviaciones estándar se encuentran en paréntesis: los errores estándar del MCO son robustos, mientras que, los errores estándar

de la regresión cuantílica son bootstrapp (999 replicaciones). Los asteriscos denotan el grado de significancia: * Significativo al 10%; **

Significativo al 5%; *** Significativo al 1%

En contraste, las barreras a la financiación privada mantienen un comportamiento negativo a

lo largo de la distribución y tienen un impacto significativo sobre la productividad de las empresas

ubicadas en cuantiles inferiores al 99, afectando en mayor medida a los cuantiles 50 y 90.

Dado que, en la mayoría de los casos la inversión requerida para desarrollar un proyecto

innovador es bastante alta, los recursos internos de las empresas (sean de baja, mediana o alta

productividad) nos son suficientes para lograr este objetivo. Por tanto, necesitan hacer uso de

cualquier fuente de financiación de la que puedan disponer, específicamente, en Colombia la

financiación pública es bastante reducida y toman mayor tiempo de tramitación. En consecuencia, las

4 También, se realizaron pruebas tomando los cuantiles 15, 30, 45, 60, 85 y 95 de la PTF. Los resultados, evidencian un

comportamiento similar de los efectos de los obstáculos sobre la productividad al mostrado en la tabla de productividad de

la tesis. En las barreras sobre disponibilidad de recursos propios los cuantiles 15 al 30 presenta un efecto positivo y

estadísticamente significativo, mientras que, a partir del cuantil 50 al 85 el impacto se vuelve negativo. En el caso de los

obstáculos de acceso a financiación pública, el efecto es positivo y significativo desde el cuantil 15 hasta el mientras que,

el impacto de las dificultades para el acceso a recursos privados se mantiene negativo y significativo a largo de la curva de

distribución de productividad hasta el cuantil 95.



27

líneas de crédito de la banca privada se convierten en una opción más accesible y, parecen ser de

mayor impacto mejorar la productividad de las empresas.

Los resultados de los efectos de los obstáculos presentados sobre la productividad van en

contravía de las tres hipótesis formuladas en este estudio, puesto que la magnitud del efecto (negativo)

de estos obstáculos es más grande en las firmas de mayor productividad. Este hallazgo se deriva de

la importancia que le dan las empresas altamente productivas a las restricciones financieras (Coad et

al., 2016). Dicho comportamiento también puede ser observado en el gráfico 3, donde un número

elevado de empresas del tercer y cuarto cuantil de la PTF dan importancia a los obstáculos de

financiación. Por tanto, es posible afirmar que las empresas más productivas tienen más

probabilidades de percibir como relevantes las barreras relacionadas con la disponibilidad de recursos

propios y de acceso a financiamiento privado.

Gráfico 3. Número de empresas que identificaron obstáculos financieros según cuantiles de la

productividad multifactorial


Respecto a las variables de control, como era de esperarse el tamaño presenta un efecto sólido

y sistemático a lo largo de la distribución de productividad, es decir, en todos los cuantiles el número

de empleados afecta de manera positiva y estadísticamente significativa la productividad

multifactorial de las empresas. Es de agregar, que las empresas con más productividad parecen ser

las más grandes, tal como se puede comprobar en el gráfico 4.

Ese comportamiento en la distribución se repite para los sectores de la taxonomía de Pavitt

basados en ciencia que, de acuerdo con el gráfico 5, también cuentan con la productividad promedio

más alta. Mientras que, contrario a los resultados esperados, los sectores de proveedores

0

250

500

750

1,000

1,250

1,500

1,750

2,000

2,250

Obstáculos en recursos propios Obstáculos en recursos públicos Obstáculos en recursos privados

No

. d

e em

pre

sas

Cuantil 1 - PTF Cuantil 2 - PTFCuantil 3 - PTF Cuantil 4 - PTF



28

especializados afectan de manera negativa la capacidad productiva en todos los cuantiles. Las

magnitudes del impacto de este sector se incrementan negativamente desde 0,017 en el cuantil 25 a

0,46 en el cuantil 99.

Gráfico 4. Productividad promedio según tamaño empresarial


Por su parte, el comportamiento de los sectores intensivos en escala es cambiante, al igual

que su magnitud. en toda la distribución de la PTF; si bien estos sectores muestran un efecto positivo

en los primeros dos cuantiles, este pasa a ser negativo en los cuantiles 75 y 90 y vuelve a ser positivo

en el cuantil más alto de la productividad. En el gráfico 5, se puede evidenciar que la capacidad

productiva promedio de este último sector es la segunda más grande.

Gráfico 5. Productividad promedio según sectores de la taxonomía de Pavitt


50,000

400,000

750,000

1,100,000

1,450,000

1,800,000

2,150,000

2,500,000

Pequeñas Medianas Grandes

PT

F (

pro

med

io)

50,000

250,000

450,000

650,000

850,000

1,050,000

1,250,000

Basados en ciencia Proveedores

especializados

Intensivos en escala Dominados por

proveedores

PT

F (

pro

med

io)



29

5. CONCLUSIONES

Una de las barreras más importantes que enfrentan las empresas para innovar, son las

dificultades para acceder a recursos que financien la actividad innovadora. Conocer los tipos de

obstáculos financieros que estimulan o restringen la innovación es especialmente relevante en

contextos en desarrollo, donde es primordial ampliar el entendimiento de las razones por las cuales

existe una escasa propensión a innovar y un bajo nivel de productividad de las empresas.

La presente investigación espera contribuir a este debate a través del estudio de los efectos

de diversas barreras financieras internas y externas sobre las capacidades de innovación y la

productividad de las empresas manufactureras en Colombia, usando datos a nivel de firma para el

período 2007-2014.

Los resultados obtenidos proporcionan evidencia sobre la existencia de una relación entre los

problemas de financiación de la actividad innovadora y las posibilidades de que las empresas en

Colombia obtengan innovaciones y sean más productivas.

De la primera parte del análisis econométrico realizado, en el que se estima probabilidad de

que las empresas innoven, se desprenden que las limitaciones financieras relacionados con el acceso

a recursos externos a la empresa (públicos o privados) se asocian a una menor probabilidad de obtener

innovaciones de producto de alcance internacional e innovaciones de proceso.

Así mismo, el hecho de que la I+D y la protección formal sean estadísticamente significativas

va en línea con lo que han encontrado otros trabajos. En particular, para el caso colombiano, aunque

son pocas las empresas que hacen I+D (no más de 5% de las empresas), estas son las más innovadoras

en el país.

De la segunda parte del análisis, en la que se estiman los determinantes de la productividad

multifactorial de las empresas mediante una regresión cuantifica, se desprende que las barreras

asociadas al acceso de recursos propios afectan negativamente la productividad de la firma en los

cuantiles más altos; siendo su efecto más pronunciado en el caso de las empresas ubicadas en el cuartil

superior de la PTF, es decir, las más productivas.

Al igual que el caso de la estimación de la función de conocimiento, las restricciones para

acceder a recursos privados afectan negativamente la productividad, pero en este caso su efecto se

mantiene a lo largo de la distribución y, únicamente, no es significativo para las empresas del cuantil



30

99 de la PTF. Estos resultados sugieren que las empresas más productivas son las que en mayor

medida perciben como altamente relevantes las barreras relacionadas con la disponibilidad de

recursos propios y de acceso a financiamiento privado.

Finalmente, es necesario esbozar algunas limitaciones en la realización de esta investigación.

Inicialmente, los cálculos de este estudio se realizaron tanto para el sector manufacturero como de

servicios en la sala de procesamiento externo especializado del DANE – SPEE, sin embargo, debido

a demoras en la entrega de los resultados no fue posible contar con tal información5. Por tanto, se

hizo necesario trabajar con los datos anonimizados que esta misma entidad pone a disposición del

público en su página web. Es de aclarar que, los datos no están disponibles para la totalidad de las

empresas encuestadas y, en el caso del sector servicios, tal información no es adecuada para trabajar

datos panel, ya que es necesario contar con la correspondencia6 entre identificadores de las firmas de

una encuesta a otra para que sean comparables. Dicho esto, los resultados presentados en la

investigación se restringen al sector manufacturero y, es posible, que no capten el efecto total/real de

los obstáculos financieros sobre la innovación y la productividad de las empresas industriales.

5 No obstante, más adelante se espera contar con los resultados de los modelos estimados en la SPEE del DANE para realizar

el análisis respectivo e incluirlo en esta investigación. 6 Correspondencia sólo disponible en la SPEE del DANE



31

6. REFERENCIAS BIBLIOGRÁFICAS

Akerlof, G. A. (1970). The Market for “Lemons”: Quality Uncertainty and the Market Mechanism.

The Quarterly Journal of Economics, 84(3), 488. https://doi.org/10.2307/1879431

Albis, N., & Álvarez, I. (2017). A comparative analysis of the innovation performance between

foreign subsidiaries and owned domestic firms in Colombian manufacturing sector. Journal

Globalization, Competitiveness and Governability, 11(2), 20–41.

https://doi.org/10.3232/GCG.2017.V11.N2.01

Álvarez, R., & Bertin, M. J. (2016). Banking competition and firm-level financial constraints in

Latin America. Emerging Markets Review, 28, 89–104.

https://doi.org/10.1016/j.ememar.2016.08.019

Bah, R., & Dumontier, P. (2001). R&D intensity and corporate financial policy: Some international

evidence. Journal of Business Finance and Accounting, 28(5–6), 671–692.

https://doi.org/10.1111/1468-5957.00389

Barona-Zuluaga, B., Rivera-Godoy, J. A., Aguilera-Cifuentes, C. I., & Garizado-Román, P. A.

(2015). Financiación de la innovación en Colombia. Funding for Innovation in Colombia.,

11(1), 80–93. https://doi.org/10.18041/entramado.2015v11n1.21126

Baumol, W. J. (1996). Entrepreneurship: Productive, unproductive, and destructive. Journal of

Business Venturing, 11(1), 3–22. https://doi.org/10.1016/0883-9026(94)00014-X

Bhattacharya, S., & Ritter, J. R. (1983). Innovation and Communication: Signalling with Partial

Disclosure. The Review of Economic Studies, 50(2), 331. https://doi.org/10.2307/2297419

Blanchard, P., Huiban, J. P., Musolesi, A., & Sevestre, P. (2013). Where there is a will, there is a

way? Assessing the impact of obstacles to innovation. Industrial and Corporate Change.

https://doi.org/10.1093/icc/dts027

Bogliacino, F., & Gómez, S. (2014). Capabilities and investment in R&D: An analysis on European

data. Structural Change and Economic Dynamics, 31, 101–111.

https://doi.org/10.1016/j.strueco.2014.09.001

Bogliacino, F., Perani, G., Pianta, M., & Supino, S. (2012). Innovation and Development: The



32

Evidence From Innovation Surveys. Latin American Business Review, Vol. 13, pp. 219–261.

https://doi.org/10.1080/10978526.2012.730023

Bogliacino, F., & Pianta, M. (2012). Profits , R & D , and innovation — a model and a test. 22(3),

649–678. https://doi.org/10.1093/icc/dts028

Bogliacino, F., & Pianta, M. (2016). The Pavitt Taxonomy, revisited: patterns of innovation in

manufacturing and services. Economia Politica, 33(2), 153–180.

https://doi.org/10.1007/s40888-016-0035-1

Busom, I., & Vélez-Ospina, J. A. (2017). Innovation, Public Support, and Productivity in Colombia.

A Cross-industry Comparison. World Development, 99, 75–94.

https://doi.org/10.1016/j.worlddev.2017.07.005

Canepa, A., & Stoneman, P. (2008). Financial constraints to innovation in the UK: Evidence from

CIS2 and CIS3. Oxford Economic Papers, 60(4), 711–730.

https://doi.org/10.1093/oep/gpm044

Carpenter, R. E., & Petersen, B. C. (2002). Capital market imperfections, high-tech investment, and

new equity financing. Economic Journal, 112(477). https://doi.org/10.1111/1468-0297.00683

Carreira, C., & Silva, F. (2010). No deep pockets: Some stylized empirical results on firms’

financial constraints. Journal of Economic Surveys, 24(4), 731–753.

https://doi.org/10.1111/j.1467-6419.2009.00619.x

Cefis, E., & Marsili, O. (2006). Survivor: The role of innovation in firms’ survival. Research

Policy, 35(5), 626–641. https://doi.org/10.1016/j.respol.2006.02.006

Coad, A., Pellegrino, G., & Savona, M. (2016). Barriers to innovation and firm productivity.

Economics of Innovation and New Technology, 25(3), 321–334.

https://doi.org/10.1080/10438599.2015.1076193

Cohen, W. M., & Levinthal, D. A. (1990). Absorptive Capacity: A New Perspective on Learning

and Innovation. Administrative Science Quarterly. https://doi.org/10.2307/2393553

Criscuolo, C., Haskel, J. E., & Slaughter, M. J. (2010). Global engagement and the innovation

activities of firms. International Journal of Industrial Organization, 28(2), 191–202.



33

https://doi.org/10.1016/j.ijindorg.2009.07.012

Crisóstomo, V. L., López-Iturriaga, F. J., & Vallelado, E. (2011). Financial Constraints for

Innovation in Brazil. Latin American Business Review.

https://doi.org/10.1080/10978526.2011.592797

Czarnitzki, D., & Kraft, K. (2004). Innovation indicators and corporate credit ratings: Evidence

from German firms. Economics Letters, 82(3), 377–384.

https://doi.org/10.1016/j.econlet.2003.09.016

DANE. (2014). Boletín técnico Encuesta Anual Manufacturera - EAM 2014 (pp. 1–32). pp. 1–32.

Retrieved from https://www.dane.gov.co/index.php/estadisticas-por-tema/industria/encuesta-

anual-manufacturera-enam/eam-historicos

DANE. (2016). Metodología General Encuesta de Desarrollo e Innovación Tecnológica en los

Sectores Servicios y Comercio – EDITS. Retrieved from

https://www.dane.gov.co/index.php/estadisticas-por-tema/tecnologia-e-innovacion/encuesta-

de-desarrollo-e-innovacion-tecnologica-edit

DANE. (2017). Metodología General Encuesta de Desarrollo e Innovación Tecnológica en la

Industria Manufacturera – EDIT. Retrieved from

https://www.dane.gov.co/index.php/estadisticas-por-tema/tecnologia-e-innovacion/encuesta-

de-desarrollo-e-innovacion-tecnologica-edit

DANE, DNP, & COLCIENCIAS. (2005). Innovacion y desarrollo tecnologico en la industria

manufacturera colombia 2003-2004.

Dosi, G. (1988). The nature of the innovative process. In Technical Change and Economic Theory

(pp. 221–238). Retrieved from http://www.mendeley.com/research/nature-innovative-process/

Edquist, C., & Johnson, B. (1997). Institutions and organizations in systems of innovation. In

Systems of Innovation: Technologies, Institutions and Organizations.

https://doi.org/10.1016/S0024-6301(98)90244-8

Gorodnichenko, Y., & Schnitzer, M. (2013). FINANCIAL CONSTRAINTS AND INNOVATION:

WHY POOR COUNTRIES DON’T CATCH UP. Journal of the European Economic

Association, 11(5), 1115–1152. https://doi.org/10.1111/jeea.12033



34

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.

https://doi.org/10.1093/oxrep/grj028

Griffith, R., Redding, S., & Van Reenen, J. (2004). Mapping the two faces of R&D: Productivity

growth in a panel of OECD industries. Review of Economics and Statistics, 86(4), 883–895.

https://doi.org/10.1162/0034653043125194

Griliches, Z. (1979). Issues in assessing the contribution and development of research to

productivity growth. The Bell Journal of Economics, 10(1), 92–116.

https://doi.org/10.2307/3003321

Griliches, Z. (1984). R & D, Patents, and Productivity. In University of Chicago Press.

https://doi.org/10.1016/0164-0704(84)90114-9

Hall, B. H. (2002). The Financing of Research and Development. Oxford Review of Economic

Policy, 18(1), 35–51. https://doi.org/10.1093/oxrep/18.1.35

Hall, B. H. (2010). The Financing of Innovative Firms. Review of Economics and Institutions, 1(1).

https://doi.org/10.5202/rei.v1i1.4

Hall, B. H., Griliches, Z., & Hausman, J. A. (1986). Patents and R&D: Is There A Lag?

International Economic Review, 27(2), 265–283. https://doi.org/10.2307/2526504

Hall, B. H., & Lerner, J. (2010). The financing of R&D and innovation. Handbook of the

Economics of Innovation, 1(1 C), 609–639. https://doi.org/10.1016/S0169-7218(10)01014-2

Himmelberg, C. P., & Petersen, B. C. (1994). R & D and Internal Finance: A Panel Study of

Small Firms in High-Tech Industries. The Review of Economics and Statistics, 76(1), 38.

https://doi.org/10.2307/2109824

Lach, S., & Schankerman, M. (1989). Dynamics of R & D and Investment in the Scientific

Sector. Journal of Political Economy, 97(4), 880–904. https://doi.org/10.1086/261632

Levinsohn, J., & Petrin, A. (2003). Estimating Production Funct Using Inputs to Control for

Unobservables. Oxford University Press, 70(2), 317–341. Retrieved from

http://www.jstor.org/stable/3648636



35

Lundvall, B.-Å., Joseph, K., Chaminade, C., & Vang, J. (2009). Handbook of innovation systems

and developing countries : building domestic capabilities in a global setting. Edward Elgar

Publishing Limited, p. 416. https://doi.org/10.1177/097172181101600308

Madrid-Guijarro, A., Garcia, D., & Van Auken, H. (2009). Barriers to innovation among spanish

manufacturing SMEs. Journal of Small Business Management, 47(4), 465–488.

https://doi.org/10.1111/j.1540-627X.2009.00279.x

Mairesse, J., & Robin, S. (2009). Innovation and productivity: a firm-level analysis for French

Manufacturing and Services using CIS3 and CIS4 data (1998-2000 and 2002-2004).

Innovation, (December), 1–18.

Mohnen, P., Palm, F. C., Van der Loeff, S. S., & Tiwari, A. (2008). Financial constraints and other

obstacles: Are they a threat to innovation activity? Economist, 156(2), 201–214.

https://doi.org/10.1007/s10645-008-9089-y

Myers, S. C. (1977). Determinants of corporate borrowing. Journal of Financial Economics, 5(2),

147–175. https://doi.org/10.1016/0304-405X(77)90015-0

OECD/Eurostat. (2005). Oslo Manual: Guidelines for Collecting and Interpreting Innovation Data

(3rd Editio). https://doi.org/10.1787/9789264013100-en

OECD (2002). Frascati Manual: Proposed Standard Practice for Surveys on Research and

Experimental Development. In The Measurement of Scientific and Technological Activities

(Vol. 6th). https://doi.org/10.1787/9789264199040-en

Piva, M., & Vivarelli, M. (2007). Is demand-pulled innovation equally important in different groups

of firms? Cambridge Journal of Economics, 31(5), 691–710.

https://doi.org/10.1093/cje/bem010

Powell, D. (2016). Quantile Regression with Nonadditive Fixed Effects. RAND Working Paper.

RICYT. (2001). Manual d Bogotá, Normalización de indicadores de innovación tecnológica en

América Latina y el Caribe. In Red Iberoamericana de Indicadores de Ciencia y Tecnología -

RICYT.

Savignac, F. (2008). Impact of financial constraints on innovation: What can be learned from a



36

direct measure? Economics of Innovation and New Technology.

https://doi.org/10.1080/10438590701538432

Silva, F., & Carreira, C. (2012). Do financial constraints threat the innovation process? Evidence

from Portuguese firms. Economics of Innovation and New Technology, 21(8), 701–736.

https://doi.org/10.1080/10438599.2011.639979

Solow, R. M. . (1956). A Contribution to the Theory of Economic Growth. The Quarterly Journal

of Economics, 70(1), 65–94. https://doi.org/https://doi.org/10.2307/1884513

Song, M., Ai, H., & Li, X. (2015). Political connections, financing constraints, and the optimization

of innovation efficiency among China’s private enterprises. Technological Forecasting and

Social Change, 92, 290–299. https://doi.org/10.1016/j.techfore.2014.10.003

Stewart, M. (2006). Maximum simulated likelihood estimation of random-effects dynamic probit

models with autocorrelated errors. Stata Journal, 6(2), 256–272.

Stiglitz, J. E., & Weiss, A. (1981). American Economic Association Credit Rationing in Markets

with Imperfect Information. Source: The American Economic Review, 71(3), 393–410.

https://doi.org/10.2307/1802787

Van de Ven, W. P. M. M., & Van Praag, B. M. S. (1981). The demand for deductibles in private

health insurance. Journal of Econometrics, 17(2), 229–252. https://doi.org/10.1016/0304-

4076(81)90028-2

Villarreal, N. F., Lucio-Arias, D., Albis, N., & Mora, H. (2014). Determinantes de la innovación y

la productividad en la industria manufacturera colombiana por tamaño de firma. In

Observatorio Colombiano de Ciencia y Tecnología.

Williamson, O. E. (1988). Corporate Finance and Corporate Governance. Journal of Finance,

43(3), 567–591. https://doi.org/10.2307/2328184



37

7. ANEXOS

Anexo 1. Definición de variables para la estimación de la KPF


Dependiente

Innovaciones de

Producto Variable dicotómica igual a 1 si la empresa alcanzó una innovación de

producto durante el periodo de estudio

Proceso Variable dicotómica igual a 1 si la empresa alcanzó una innovación de proceso

durante el periodo de estudio

Independientes


Disponibilidad de recursos

propios

Variable dicotómica igual a 1 si la empresa reporta con un grado alto o medio

de importancia obstáculos relacionados con la escasez de recursos propios o

internos

Acceso a recursos públicos Variable dicotómica igual a 1 si la empresa reporta con un grado alto o medio

de importancia obstáculos relacionados con el acceso a recursos públicos

Acceso a recursos privados Variable dicotómica igual a 1 si la empresa reporta con un grado alto o medio

de importancia obstáculos relacionados con el acceso a financiación privada

Fuentes de información

Internas

Variable dicotómica igual a 1 si la empresa utiliza como fuentes de

información para la innovación ya sea de:1) Departamento interno de I+D; 2)

Departamento de Producción; 3) Departamento de Ventas y Mercadeo; 4) Otro

departamento de la Empresa; 5) Grupos Interdisciplinarios; 6) Directivos de la

Empresa; 7) otras empresas del grupo empresarial; 8) casa matriz, cuando la

procedencia de las ideas es nacional. Igual a 0 en otro caso

Vertical Variable dicotómica igual a 1 si la empresa utiliza como fuentes de

información para la innovación a los clientes y proveedores y 0 en otro caso

Horizontal Variable dicotómica igual a 1 si la empresa utiliza como fuentes de

información para la innovación a los competidores y 0 en otro caso

Organizaciones de I+D

Variable dicotómica igual a 1 si la empresa utiliza como fuentes de

información para la innovación a las universidades y centros de I+D; igual a 0

en otro caso.

Otras variables

Intensidad de la inversión en

I+D (log.)

Inversión en I+D sobre personal total de la firma (log.)

Instrumentalizada con el porcentaje de personal en actividades de innovación

por trabajador (log.)

Protección formal

Variable dummy igual a 1 si la firma usó patentes, modelos de utilidad,

derechos de autor, registros de software, registros de diseños industriales,

registro de marcas y otros signos distintivos o certificados de obtentor de

variedades vegetales y, 0 en otro caso.

Sectores según Taxonomía

Pavitt

Cuatro variables dicotómicas iguales a 1 si la empresa se ubica en sectores

basados en ciencia (BC), proveedores especializados (PE), intensivos en escala

(IE) o dominados por proveedores (DP) (referencia). Ver en el anexo 2 las

equivalencias entre sector CIIU (a dos dígitos) y la taxonomía Pavitt.

Fuente: elaboración propia.



38

Anexo 2. Equivalencia de la clasificación de los sectores según la taxonomía de Pavitt

CIIU Rev. 3

A.C.* Sector Taxonomía de Paviit

24 Sustancias y productos químicos

Basados en ciencia (BC) 30 Maquinaria de oficina, contabilidad e informática

32 Radio, televisión y comunicaciones

33 Instrumentos médicos, ópticos y de precisión

29 Maquinaria y equipo Proveedores

especializados (PE) 31 Maquinaria y aparatos eléctricos

35 Equipo de transporte

21 Papel y sus productos


información (IE)

22 Imprentas y editoriales

23 Refinerías de petróleo

25 Plástico y caucho

26 Minerales no metálicos

27 Productos metalúrgicos básicos

34 Vehículos

15 Alimentos y bebidas

Dominados por

proveedores (DP)

16 Tabaco

17 Textiles

18 Confecciones

19 Cuero y calzado

20 Madera y productos de madera

28 Productos metálicos

36 Otras industrias

Fuente: Elaboración propia con base en Bogliacino & Pianta ( 2016)

*CIIU revisión 3 adaptada para Colombia



39

Anexo 3. Correlación de variables – función de producción de conocimiento KPF

Variable (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12) (13) (14) (15) (16) (17) (18)

(1) Inn. Producto 1

(2) Inn. Incremental 0,986 1

(3) Inn. Radical 0,187 0,146 1

(4) Inn. Proceso -0,078 -0,070 0,069 1

(5) Obst. Propios 0,071 0,065 0,143 0,066 1

(6) Obst. Públicos 0,079 0,072 0,105 0,078 0,352 1

(7) Obst. Privados 0,057 0,050 0,108 0,053 0,692 0,391 1

(8) Inf. Interna 0,082 0,075 0,199 0,089 0,665 0,257 0,530 1

(9) Inf. Horizontal 0,058 0,053 0,115 0,074 0,346 0,149 0,256 0,434 1

(10) Inf. Vertical 0,106 0,096 0,228 0,104 0,552 0,268 0,429 0,742 0,490 1

(11)

Inf.

Organizaciones de

I+D

0,092 0,088 0,213 0,085 0,283 0,147 0,220 0,381 0,333 0,417 1

(12)

Intensidad de la

inversión en I+D

(log.)

0,061 0,057 0,074 0,009 0,003 0,072 0,007 0,018 0,034 0,020 0,069 1

(13)

% del personal en

actividades de

innovación (log.)

0,032 0,031 0,053 -0,004 0,293 0,182 0,285 0,355 0,154 0,306 0,105 0,137 1

(14) Protección formal 0,130 0,132 0,068 0,033 -0,063 0,029 -0,075 -0,041 0,030 -0,008 0,095 0,044 -0,087 1

(15) Basados en ciencia 0,073 0,075 0,006 -0,075 -0,063 0,005 -0,056 -0,054 -0,002 -0,035 0,033 0,149 0,023 0,128 1

(16) Proveedores

especializados 0,001 -0,010 0,030 -0,007 0,006 0,070 0,010 -0,018 -0,024 -0,010 -0,021 0,039 -0,001 -0,045 -0,192 1

(17) Intensivos en

escala -0,017 -0,012 -0,004 0,028 0,045 -0,024 0,022 0,052 0,018 0,038 -0,011 -0,021 0,025 -0,137 -0,300 -0,219 1

(18) Dominados por

proveedores -0,047 -0,046 -0,016 0,051 0,021 -0,030 0,031 0,029 0,010 0,016 0,004 -0,137 -0,048 0,040 -0,424 -0,309 -0,483 1

Media 0,163 0,162 0,013 0,161 0,128 0,109 0,096 0,175 0,051 0,112 0,030 5,661 -2,769 0,261 0,096 0,087 0,259 0,545

Desviación Estándar 0,369 0,368 0,112 0,367 0,334 0,312 0,295 0,380 0,220 0,315 0,172 1,820 1,344 0,439 0,295 0,282 0,438 0,498

Fuente: Elaboración propia con base en DANE – EAM, EDIT (IV-VII)



40

Anexo 4. Correlación de variables – estimación de la PTF

Variable (1) (2) (3) (4) (5)

(1) Producción bruta industrial (log.) 1

(2) Personal calificado (log.) 0,833 1

(3) Personal no calificado (log.) 0,765 0,677 1

(4) Capital fijo (log.) 0,829 0,747 0,710 1

(5) Materias primas (log.) 0,842 0,671 0,655 0,689 1

Media 14,841 2,360 2,947 13,548 13,69

Desviación Estándar 1,737 1,366 1,364 2,084 2,153 Fuente: Elaboración propia con base en DANE – EAM, EDIT (IV-VII)

Anexo 5. Correlación de variables – determinantes de la PTF

Variable (1) (2) (3) (4) (5) (6) (7) (8) (9)

(1) Productividad Total de Factores 1

(2) Obstáculos - Propios 0,049 1

(3) Obstáculos - Públicos 0,061 0,596 1

(4) Obstáculos - Privados 0,020 0,770 0,583 1

(5) Tamaño (log. del empleo) 0,534 0,124 0,132 0,082 1

(6) Basados en ciencia 0,104 0,030 0,049 0,024 0,046 1

(7) Proveedores especializados (0,050) 0,002 0,024 0 -0,009 -0,103 1

(8) Intensivos en escala 0,017 0,021 0,003 0,015 0,015 -0,195 -0,186 1

(9) Dominados por proveedores -0,053 -0,029 -0,042 -0,023 -0,033 -0,357 -0,340 -0,6447 1

Media 12,823 0,128 0,109 0,096 3,417 0,096 0,087 0,259 0,545

Desviación Estándar 0,976 0,334 0,312 0,295 1,315 0,295 0,282 0,438 0,498 Fuente: Elaboración propia con base en DANE – EAM, EDIT (IV-VII)



41

Anexo 6. Modelos – Función de producción de conocimiento

Variables

Probabilidad de

Innovar

Innovación de Producto Innovación de Proceso

Total Incremental Radical Total

MCO Probit -

Panel MCO Redprob

Probit -

Heckman

(IV)

MCO Redprob

Probit -

Heckman

(IV)

MCO Redprob

Probit -

Heckman

(IV)

MCO Redprob

Probit -

Heckman

(IV)

Obstáculos

financieros

Recursos

propios

0,018* 0,180*** 0,015 0,038 -0,002 0,009 0,058 -0,003 0,017 -0,092 0,016 -0,004 -0,034 0,028

(0,011) (0,043) (0,031) (0,132) (0,045) (0,032) (0,130) (0,044) (0,025) (0,134) (0,047) (0,021) (0,111) (0,042)

Recursos públicos

0,026*** 0,137*** -0,006 0,062 -0,008 -0,006 0,088 -0,009 -0,043** -0,012 -0,144*** 0,032* 0,141 0,05 (0,009) (0,039) (0,026) (0,109) (0,042) (0,027) (0,108) (0,042) (0,022) (0,113) (0,042) (0,018) (0,093) (0,041)

Recursos privados

0,021** 0,076* 0,011 0,028 0,036 0,006 -0,022 0,029 0,006 0,218* 0,001 -0,005 0,1 -0,072* (0,010) (0,043) (0,031) (0,128) (0,043) (0,032) (0,126) (0,043) (0,023) (0,128) (0,045) (0,020) (0,107) (0,041)

Fuentes de

Información

Internas -0,418*** 0,353** -0,073 -0,368** 0,361** -0,073 -0,147** 0,793** -0,110 0,007 0,430*** 0,294**

(0,157) (0,171) (0,139) (0,156) (0,171) (0,139) (0,070) (0,393) (0,201) (0,084) (0,164) (0,146)

Horizontal 0,059** -0,038 0,084* 0,054** -0,049 0,075* 0,027 -0,063 -0,035 0,044** 0,173* 0,080** (0,026) (0,116) (0,045) (0,027) (0,114) (0,044) (0,022) (0,112) (0,042) (0,019) (0,099) (0,041)

Vertical 0,125*** 0,167 0,300*** 0,112*** 0,114 0,283*** 0,075*** 0,590*** 0,311*** 0,038* -0,007 0,170***

(0,032) (0,124) (0,044) (0,033) (0,123) (0,044) (0,021) (0,144) (0,063) (0,021) (0,107) (0,041) Organizaciones

de I+D

-0,004 0,132 -0,029 -0,014 0,118 -0,032 0,070*** 0,393*** 0,028 0,051** 0,062 0,103*

(0,029) (0,127) (0,054) (0,029) (0,125) (0,054) (0,024) (0,113) (0,059) (0,020) (0,104) (0,054)

Otras

variables

Log.

Intensidad de la inversión en

I+D 1

0,016** 0,030 0,246*** 0,015** 0,034 0,239*** 0,002 0,044 0,483*** 0,004 0,007 0,117

(0,006) (0,029) (0,071) (0,006) (0,028) (0,071) (0,005) (0,029) (0,032) (0,005) (0,025) (0,078)

Protección formal

0,029*** 0,206*** 0,064** 0,187* 0,196*** 0,066** 0,198** 0,203*** -0,006 0,246** -0,048 0,012 0,067 -0,032 (0,010) (0,038) (0,032) (0,100) (0,047) (0,032) (0,099) (0,047) (0,023) (0,106) (0,043) (0,020) (0,087) (0,040)

Log. % de

personal en innovación

0,023*** 0,135*** 0,022 0,030 0,065 0,081**

(0,003) (0,017) (0,047) (0,047) (0,049) (0,041)

Tamaño

Medianas 0,037** 0,564*** 0,174 0,185 0,379*** 0,032

(0,016) (0,046) (0,129) (0,128) (0,141) (0,112)

Grandes 0,089*** 1,265*** 0,338** 0,311** 0,714*** 0,168

(0,020) (0,072) (0,146) (0,144) (0,153) (0,125) Taxonomía de

Pavitt

Basados en ciencia

-0,046 0,04 -0,453*** 0,333** 0,024 -0,488*** 0,350** 0,038 -0,280** 0,254* -0,372*** 0,009 -0,248** -0,399*** (0,046) (0,060) (0,124) (0,151) (0,083) (0,123) (0,150) (0,084) (0,113) (0,146) (0,057) (0,083) (0,122) (0,070)



42

Variables

Probabilidad de

Innovar

Innovación de Producto Innovación de Proceso

Total Incremental Radical Total

MCO Probit -

Panel MCO Redprob

Probit -

Heckman

(IV)

MCO Redprob

Probit -

Heckman

(IV)

MCO Redprob

Probit -

Heckman

(IV)

MCO Redprob

Probit -

Heckman

(IV)

Proveedores

especializados

-0,017 0,161** 0,000 0,166 -0,081 0,053 0,047 -0,110 -0,247*** 0,368** -0,187*** -0,149** -0,132 -0,233***

(0,042) (0,071) (0,101) (0,164) (0,072) (0,106) (0,158) (0,071) (0,091) (0,164) (0,065) (0,075) (0,140) (0,068)

Intensivos en escala

-0,062* 0,025 -0,189** 0,051 0,002 -0,209** 0,063 0,013 -0,067 0,212* -0,109** 0,102 -0,044 -0,066 (0,033) (0,046) (0,090) (0,118) (0,050) (0,092) (0,117) (0,050) (0,108) (0,127) (0,049) (0,065) (0,105) (0,048)

Inv. Mills -1,212*** -1,159*** -2,463*** -1,309***

(0,253) (0,255) (0,282) (0,263)

Constante 0,884*** 1,049*** 1,041*** -0,080 -0,929*** 1,015*** -0,075 -0,895** 0,257*** -2,971*** -3,251*** 0,445*** -0,232 -0,681*

(0,019) (0,059) (0,161) (0,262) (0,347) (0,160) (0,260) (0,348) (0,084) (0,446) (0,212) (0,091) (0,234) (0,366)

chi2 429,308 40,176 310,383 37,574 290,041 123,604 1.117,10 36,238 171,168 R2_pseudo 0,044 0,040 0,134 0,029

R2 0,012 0,050 0,0459 0,037 0,009

Observaciones 15.722 15.722 5850 924 5.529 5.850 924 5.529 5.850 924 5.529 5.850 924 5.529

Nota: Las desviaciones estándar se encuentran en paréntesis: los errores estándar del MCO son robustos, mientras que, os errores estándar del Probit- Panel y el Probit-Heckman (IV) son bootstrapp (99 replicaciones). Los asteriscos denotan el grado de significancia: * Significativo al 10% ** Significativo al 5% *** Significativo al 1% 1Instrumentalizada con la proporción del personal en actividades de innovación (log) para el caso del modelo Probit-Heckman (IV)



43

Anexo 7. Estimación alternativa de los determinantes de la PTF

Se realizó un ejercicio de estimación alternativo para la medición de los efectos de los obstáculos

financieros sobre la productividad multifactorial, utilizando un modelo de regresión cuantílica. En

este caso, la medición de la PTF se establece sobre las siguientes variables:

𝑃𝑇�̂�𝑖𝑡 = 𝛽1

𝑔𝑖𝑡∗ + 𝛽

2𝑂𝐵𝑆𝑖𝑗𝑡

ʼ + 𝛽3

𝐻𝑖𝑡 + 𝛽4

𝐾𝑖𝑖𝑡ʼ + 𝛽

5𝐾𝑖𝑒𝑡

ʼ + 𝛽5

𝑍1𝑖𝑡ʼ + 𝑢𝑖𝑡

Donde:

𝑔𝑖𝑡∗ corresponde a la la propensión no observada a innovar o a invertir en innovación

𝑂𝐵𝑆𝑖𝑗𝑡ʼ es el vector de obstáculos financieros

𝐻𝑖𝑡 representa el gasto en I+D dividido por el personal total de la firma.

𝐾𝑖𝑖𝑡ʼ y 𝐾𝑖𝑒𝑡

ʼ son los flujos de conocimiento intra-firma y aquellos provenientes del exterior.

𝑍1𝑖𝑡ʼ es el vector de características exógenas a la empresa, que incluye, una dummy protección formal,

el tamaño empresarial (logaritmo del personal de la empresa), dummies de tiempo y variables

categóricas de sector según la taxonomía de Pavitt.

𝑢𝑖𝑡 términos de error.

A continuación, se presentan los resultados obtenidos a partir de esta estimación:

Estimación alternativa del efecto de los obstáculos financieros sobre PTF de la

manufactura

Variables

Productividad Total de Factores - PTF

MCO

Panel

Regresión Cuantílica

Q15 Q30 Q55 Q75 Q95 Q99

Probabilidad de

Innovar

0,015 0,044 0,047* 0,125*** 0,176*** 0,173* 0,105

(0,022) (0,036) (0,025) (0,028) (0,036) (0,090) (0,181)


Propios -0,044*** -0,081*** -0,105*** -0,154*** -0,184*** -0,171*** -0,293**

(0,014) (0,020) (0,018) (0,018) (0,021) (0,053) (0,126)

Públicos -0,016 -0,015 -0,02 -0,033** -0,046*** -0,038 -0,162

(0,013) (0,019) (0,017) (0,015) (0,017) (0,044) (0,121)

Privados -0,041*** -0,078*** -0,079*** -0,101*** -0,119*** -0,105** -0,114

(0,013) (0,018) (0,018) (0,017) (0,017) (0,049) (0,134)

Fuentes de Información

Internas 0,005 0,043 -0,018 -0,019 0,035 0,029 0,043

(0,030) (0,038) (0,048) (0,033) (0,040) (0,093) (0,482)

Horizontal 0,011 -0,001 0,005 0,013 0,048*** 0,037 0,141

(0,013) (0,020) (0,018) (0,016) (0,018) (0,044) (0,149)

Vertical -0,01 -0,004 0,004 -0,01 -0,03 -0,095* -0,094

(0,011) (0,017) (0,015) (0,015) (0,022) (0,054) (0,108)

Organizaciones de I+D 0,038** 0,136*** 0,142*** 0,155*** 0,143*** 0,098* 0,262*



44

(0,015) (0,026) (0,018) (0,019) (0,025) (0,051) (0,143)

Otras variables

Protección formal 0,031** 0,037** 0,012 0,013 0,017 0,065 -0,006

(0,013) (0,018) (0,016) (0,017) (0,019) (0,052) (0,111)

Tamaño

Empleo (log.) 0,250*** 0,402*** 0,428*** 0,413*** 0,401*** 0,371*** 0,374***

(0,012) (0,012) (0,011) (0,008) (0,010) (0,024) (0,051)

Taxonomía de Pavitt

Basados en ciencia 0,186*** 0,173*** 0,257*** 0,297*** 0,287*** 0,153*** 0,332

(0,035) (0,024) (0,023) (0,019) (0,025) (0,058) (0,213)

Proveedores

especializados

-0,078** -0,054* -0,039* -0,098*** -0,202*** -0,375*** -0,447***

(0,036) (0,030) (0,021) (0,022) (0,026) (0,057) (0,132)


información

0,031 0,129*** 0,080*** 0,045*** -0,009 -0,142** 0,224

(0,023) (0,017) (0,014) (0,017) (0,021) (0,055) (0,195)

Constante

12,053**

* 10,667***

11,040**

*

11,388**

* 11,788*** 12,893*** 13,884***

(0,051) (0,051) (0,058) (0,038) (0,048) (0,107) (0,512)

Dummies de tiempo SI SI SI SI SI SI SI

Observaciones 15.152 15.152 15.152 15.152 15.152 15.152 15.152

Los resultados, muestran un impacto negativo y estadísticamente significativo de los obstáculos

financieros asociados con la disponibilidad de recursos propios y el acceso a recursos privados a lo

largo de la curva de distribución de la productividad multifactorial. Este efecto sobre la PTF, indica

que las barreras financieras para innovar representan un factor determinante en el desarrollo de la

capacidad productiva de las empresas en Colombia.

Lo hallazgos en relación con la disponibilidad de financiamiento propio para innovar pone en

evidencia que, al igual que en otros países, las empresas colombianas tienden a utilizar más fondos

internos para llevar a cabo sus proyectos de innovación, afectando de paso su productividad. Este

comportamiento, también se encuentra relacionado con los problemas de las firmas para obtener

financiamiento de la banca privada, debido a factores como el amplio periodo tiempo que implica

lograr retornos de una innovación, la incerteza en el éxito de la misma y el bajo grado de madurez del

sistema financiero (Álvarez & Bertin, 2016; Crisóstomo et al, 2011; Gorodnichenko & Schnitzer,

2010).

No obstante, estos resultados van contravía de las hipótesis formuladas en la investigación, puesto

que la magnitud del efecto (negativo) de estos obstáculos es más grande en las firmas de mayor

productividad. Tal tendencia, puede derivarse de la importancia que le dan las empresas altamente

productivas a las restricciones financieras (Coad et al., 2016).

EFECTO DE LOS OBSTÁCULOS FINANCIEROS SOBRE LA …

Documents

Transcript of EFECTO DE LOS OBSTÁCULOS FINANCIEROS SOBRE LA …