1
Evaluación de los programas INNOVATEC, INNOVAPYME Y PROINNOVA de apoyos a la innovación empresarial durante 2009
Síntesis Ejecutiva
Elaborado por Angel Calderón Madrid
Diciembre 15, 2011 La capacidad de producción de los centros académicos de investigación científica y tecnológica y la disponibilidad en el país de personal muy calificado son necesarias, pero no suficientes, para contar con desarrollos tecnológicos e innovaciones que aumenten la productividad de las empresas y mejoren su competitividad a nivel internacional. Para lograrlo, se requiere también de gastos en estos rubros por parte de las empresas del sector privado, lo que a su vez se da solo en proyectos que éstas consideran
comercialmente redituables.
En México, al igual que en los demás países de la OECD, se han implementado políticas públicas para contrarrestar estas fallas y apuntalar el gasto que las empresas destinan a investigación y desarrollo tecnológico. En este trabajo se aplicaron distintos métodos para conocer si el programa de apoyos a la innovación empresarial que se aplicó en México durante 2009 en sus tres modalidades, INNOVATEC, INNOVAPYME Y PROINNOVA, tuvo impacto en el desempeño de sus beneficiarios.
La pregunta principal que se quiere responder en esta evaluación del programa es de tipo contrafactual y corresponde al propósito inmediato del programa. Ésta es:
¿Cuánto habría gastado en investigación y desarrollo tecnológico una empresa beneficiaria del programa si no hubiera contado con el apoyo económico obtenido del CONACYT?
Además de los impactos inmediatos de adicionalidad en el gasto en investigación y desarrollo tecnológico que un programa de apoyo económico a la innovación tecnológica de las empresas puede tener en sus beneficiarios, hay otros impactos que también se persiguen con un programa de este tipo. Aquí nos concentramos en analizar el impacto que el programa puede tener en registros de patentes.
2 En relación a la adicionalidad en el gasto en investigación y desarrollo tecnológico
nuestras estimaciones llevaron a concluir que solo se encontró un impacto positivo, significativo e importante en empresas con 250 ó menos trabajadores. En cambio, se rechazó que éste fuera también el caso cuando se trata de apoyo económico otorgado a empresas grandes con más de 250 trabajadores.
Por otra parte, en relación a la adicionalidad en resultados de innovación, los resultados indican que el programa no mejoró la probabilidad que una empresa tuvo de registrar patentes durante 2009 si, habiendo sido beneficiarias del programa de créditos fiscales durante 2008, tuvo también apoyo económico para sus actividades de innovación durante 2009.
Con base en los registros administrativos del CONACYT se identificaron a las empresas beneficiarias del programa de apoyos a la innovación empresarial durante 2009. También se identificaron a las empresas que participaron en el programa pero que a pesar de haber cumplido en tiempo y forma con los requisitos para ser beneficiarios, no lo fueron.
En particular son aquellas que si la demanda total por apoyo financiero para realizar proyectos relacionados con investigación y desarrollo tecnológico no hubiera superado los recursos disponibles para el programa, también hubieran resultado beneficiarias de éste.
Con las primeras se conformó el grupo de tratamiento y con las segundas el de control.
En nuestras estimaciones de medición de impacto, utilizamos únicamente a los miembros de estos dos grupos, ya que es la manera de descartar que la autoselección a participar en el programa por parte de las empresas sea un elemento que introduzca sesgos de medición de la efectividad del programa.
Otra razón por las que solo trabajamos con estas empresas es que son aquellas para las que se tiene la calificación promedio obtenida por los proyectos presentados, obtuvieran apoyo o no.
Fueron varios los métodos que se aplicaron en este trabajo. Para la modalidad de INNOVAPYME se consideró la aplicación del método de regresión en discontinuidad.
Debido a que se consideró que éste no era un método adecuado por no cumplir con algunos de los supuestos que permiten su aplicación, se recurrió a regresiones con variables instrumentales y a la aplicación de técnicas de matching con diferencia en
3 diferencias.
Para la medición del impacto del programa en el registro de patentes durante 2009 se aplicó un modelo Probit con variables instrumentales y técnicas de matching con
multitratamientos.
4
Evaluación de los programas INNOVATEC, INNOVAPYME Y PROINNOVA de apoyos a la innovación empresarial durante 2009
Elaborado por Angel Calderón Madrid
Diciembre 15, 2011
Introducción
La capacidad de producción de los centros académicos de investigación científica y tecnológica y la disponibilidad en el país de personal muy calificado son necesarias, pero no suficientes, para contar con desarrollos tecnológicos e innovaciones que aumenten la productividad de las empresas y mejoren su competitividad a nivel
internacional. Para lograrlo, se requiere también de gastos en estos rubros por parte de las empresas del sector privado, lo que a su vez se da solo en proyectos que éstas consideran comercialmente redituables.
Algunos de estos proyectos no se llevan a cabo por resultarles comercialmente inviables a las empresas, a pesar de tener costos económicos por debajo del beneficio total que generan al país y de que mejoran la competitividad del sector privado en su conjunto.
Esto se debe a fallas de mercado y de coordinación entre empresarios y agentes del instituciones del sistema nacional de innovación que impiden que se generen los
incentivos adecuados a las empresas. Destacan entre estas fallas la posibilidad que los competidores copien o imiten, sin pago de por medio, los resultados de su esfuerzo innovador por mal funcionamiento de mecanismos institucionales (por ejemplo, el
otorgamiento de patentes y el registro de derechos de autor) cuya finalidad es proteger el conocimiento y desarrollo tecnológico creado por una empresa para que ésta pueda
“apropiarse” de las rentas monopólicas a las que dan derecho los descubrimientos e innovaciones por un tiempo suficientemente largo como para recuperar gastos de inversión
También destaca como falla de mercado la imposibilidad que tienen las empresas de cobrar a empresas y consumidores que se benefician, mediante derramas o
externalidades positivas, con el conocimiento y la innovación creados por ellas.
5 Otro tipo de fallas lleva a que las instituciones financieras sean renuentes a dar créditos para proyectos que, como en investigación y desarrollo tecnológico, están asociados a activos intangibles y son difíciles de monitorear. Esto se debe a asimetrías de información entre instituciones que podrían darles crédito y empresarios que quieren llevar a cabo proyectos de desarrollo tecnológico e innovación, pero no tienen recursos para hacerlo.
También se debe a que la incertidumbre relacionada con la investigación y desarrollo tecnológico dificulta obtener créditos para proyectos de innovación y cuando se obtienen, lo son con primas de riesgo y tasas de interés muy por encima de las que se piden por proyectos de inversión no relacionados con tecnología.
En México, al igual que en los demás países de la OECD, se han implementado políticas públicas para contrarrestar estas fallas y apuntalar el gasto que las empresas destinan a investigación y desarrollo tecnológico.
Entre 2001 y 2008 la manera en que el gobierno incentivaba a que las empresas
privadas en México aumentaran su actividad innovadora relacionada con la investigación científica y con el desarrollo tecnológico era a través de su programa EFIDET, acrónimo correspondiente a Programa de Estímulos Fiscales al Gasto en Investigación y
Desarrollo de Tecnología de las Empresas Privadas en México.
Éste otorgaba un crédito fiscal, equivalente hasta un 30% del gasto en estos rubros incurrido en un año por una empresa, cuyos proyectos fueron presentados a CONACYT y aprobados por un comité integrado por CONACYT y las secretarias de Economía,
Educación y Hacienda y Crédito Público. (Si este crédito fiscal no era utilizado para pagar menos impuestos por utilidades generadas por la empresa durante ese año, podía ser ejercido en cualquiera de los nueve años subsecuentes).
El costo anual que, para el fisco mexicano, tuvo este programa durante 2008 fue de
$4500 millones de pesos, con un costo equivalente durante 2007 y $500 millones menos que eso en 2006.
Este programa se eliminó y en su lugar se estableció otro en 2009, con fines similares, pero con tres marcadas diferencias y con un presupuesto de $1700 millones de pesos para ese año. Este nuevo programa quedó dividido en tres modalidades o subprogramas.
La pregunta principal que se quiere responder en esta evaluación del programa es de tipo contrafactual y corresponde al propósito inmediato del programa. Ésta es:
6
¿Cuánto habría gastado en investigación y desarrollo tecnológico una empresa beneficiaria del programa si no hubiera contado con el apoyo económico obtenido del CONACYT?
Además de los impactos inmediatos de adicionalidad en el gasto en investigación y desarrollo tecnológico que un programa de apoyo económico a la innovación tecnológica de las empresas puede tener en sus beneficiarios, hay otros impactos, que también se persiguen con un programa de este tipo. Aquí nos concentramos en analizar el impacto que el programa puede tener en registros de patentes.
Este trabajo consta de 5 secciones. En la primera de ellas se describen diferencias entre el programa de apoyo a la innovación empresarial de 2009 y el de 2008, se menciona como se seleccionaron a los participantes del programa, se describe el diseño de evaluación para este programa y los métodos de medición de impacto que se aplicaron.
En la segunda sección se describen las bases de datos y las variables que se utilizan en las estimaciones. En la tercera sección se presentan los resultados de la aplicación del método de regresión en discontinuidad, en las siguientes dos secciones del de variables instrumentales y de matching con diferencia en diferencias. En la sección sexta se
presenta la medición del impacto del programa en el registro de patentes durante 2009 y se discuten los resultados obtenidos al aplicar un modelo Probit con variables
instrumentales y un método de matching con multitratamientos. Al final se presentan las conclusiones.
1. Características de los programas de apoyo a la innovación empresarial durante 2009
La primera de estas diferencias entre el progama de apoyo a la innovación empresarial de 2009 y el de 2008 es que en lugar de otorgar a las empresas créditos fiscales que luego deducen de utilidades, se les da dinero directamente para que lo gasten durante el año de ejercicio del programa. El monto máximo que se les da depende de la modalidad de cada uno de los tres subprogramas en que quedó dividido.
Las tres modalidades fueron PROINNOVA (con un tope máximo de apoyo de $21 millones por empresa); INNOVAPYME (con un máximo de 18 millones por empresa) e INNOVATEC (con un máximo de $21 millones por empresa).
7 La segunda es que, a diferencia del programa EFIDET cuyos beneficiaros eran
principalmente grandes empresas, el programa de transferencias directas de recursos procuró la participación de empresas medianas. Una de sus modalidades,
INNOVAPYME, que represento el 28.2% de los recursos ejercidos, estuvo dirigido exclusivamente a este tipo de empresas (aquellas con menos de 250 trabajadores).
Aunque en las otras dos modalidades la convocatoria estaba dirigida a todas las empresas, la participación fue principalmente de empresas grandes.
La tercera diferencia entre el programa de apoyo a la innovación y desarrollo tecnológico empresarial de 2008 y el de 2009 es que éste último procuró la colaboración por una parte entre empresas y centros de investigación académica y por la otra entre éstas.
INNOVATEC daba prioridad a aquellas empresas que evidenciaran vinculación con Centros de Investigación y PROINNOVA requería como condición para participar la colaboración tanto entre empresas, como entre éstas y Centros de Investigación.
1.1. Selección de participantes
El monto total de recursos del programa para el año 2009 ($1700 millones) se dividió en dos bolsas para su asignación: la estatal, ($30 millones para cada uno de los estados) y la nacional el monto restante, en el entendido de que cuando uno de los estados no agotara el monto que le fue asignado, el remanente pasaría a la bolsa nacional. A su vez, se estableció la manera en que se dividirían los recursos del programa entre las tres modalidades, sin posibilidad de reasignación posteriormente entre ellas.
Debido a que se esperaba que los recursos solicitados por las empresas rebasaran los montos asignados a cada una de las tres modalidades del programa, la selección de beneficiarios estuvo sujeta al siguiente procedimiento:
Una vez agotado el plazo límite fijado para la presentación de proyectos que buscaban financiamiento a través del programa, se determinaron los que cumplían con los requisitos de la convocatoria y cada uno de los considerados pertinentes fue enviado a tres evaluadores. Éstos otorgaron una calificaron, entre cero y diez puntos, a cada proyecto con base a lineamientos previamente establecidos por el CONACYT.
El promedio resultante de las tres evaluaciones otorgadas al proyecto constituye uno de los elementos determinantes para la obtención de los recursos solicitados.
8 Una calificación promedio de estas tres evaluaciones de al menos seis puntos fue el criterio que se fijo para que el proyecto presentado por una empresa fuera considerado pertinente y por ende candidato a recibir el apoyo financiero solicitado.
La obtención ó rechazo de la solicitud de apoyo dependió entonces de que la totalidad de los recursos asignados a la modalidad del programa no se agotara.
En una primera instancia, en donde el promedio de calificación obtenida por el proyecto era solo uno de los determinantes de selección, los gobiernos estatales asignaron sus recursos a los que consideraron que debían ser beneficiarios del programa.
El monto no utilizado por cada estado pasó a complementar los recursos previamente asignados a la bolsa nacional,1 en donde la selección de los proyectos beneficiados respondió a un criterio único determinado por la calificación promedio otorgado en su evaluación, independientemente de la industria a la que pertenecía la empresa.
Un ordenamiento descendiente de calificaciones promedio, junto con los recursos disponibles en esta bolsa para cada modalidad fijó entonces el umbral que determinó cuáles fueron los proyectos a los que no se les dio el apoyo financiero solicitado.
De esta forma, el umbral para el programa INNOVAPYME fue 8.6 y el correspondiente a INNOVATEC fue 7.8.
En el caso del programa PROINNOVA todos los proyectos que fueron considerados como pertinentes y con calificación promedio de seis o más recibieron el apoyo solicitado. Esto se debió a que los recursos solicitados por las empresas como apoyo a proyectos
inscritos en esta modalidad resultaron un monto menor al presupuesto pre-asignado a ella.
1.2 Diseño de Evaluación
Para responder adecuadamente si los cambios registrados por un conjunto de empresas al haber participado en el programa en 2009 pueden ser atribuidos
exclusivamente a esa participación y no a otros factores, y así determinar la efectividad del programa, se requeriría hacer una comparación de dos resultados para una misma empresa: uno, cuando ésta está expuesta a la intervención y el otro cuando no lo está (es decir, su resultado potencial alternativo, también denominado su estado contrafactual). El
1Solo 18 de ellos se agotaron el recurso asignado.
9 problema que, en la literatura sobre evaluación de programas e intervenciones de política pública, se conoce como de inferencia causal consiste en que, por ser mutuamente excluyentes, sólo es posible observar uno de los dos resultados.
A pesar de que no es posible conocer cuánto hubiera gastado una empresa en
actividades de investigación y desarrollo tecnológico o cual hubiera sido su desempeño innovador si no hubiera sido participante del programa, es posible dar una respuesta del estado contrafactual para el promedio de un grupo de empresas participantes (al que nos referiremos como grupo de tratamiento).
Para ello se requiere a) comparar el desempeño de las empresas participantes con el de un grupo similar de empresas que, siendo elegibles para participar en el programa, no lo hicieron (al que nos referiremos como grupo de control) y b) demostrar que la diferencia resultante en la evolución promedio del desempeño de ambos grupos es atribuible
exclusivamente al efecto del programa y no a sesgos de selección. Este sería el caso, por ejemplo si los beneficiarios del programa se autoseleccionaran a participar y los miembros del grupo de control a no hacerlo con base en características pre-existentes no
observadas (por el analista).
El énfasis en mediciones de esta naturaleza es en lo que respecta a la validez interna de los resultados de la efectividad del programa e implica descartar que la relación entre la diferencia en desempeño entre participantes y no participantes y la implementación del programa sea adecuadamente medida, asegurando así que no se trata de una relación que pudo haber ocurrido aún en ausencia del programa. (A diferencia de la validez externa que procuraría responder a la pregunta ¿que tan generalizables son los
resultados para otros contextos? Para ello se requiere, en primer lugar que las empresas que representan al grupo de tratamiento sean una muestra representativa de la población a la que se quisiera generalizar los resultados de la evaluación).
Para identificar el efecto causal de una intervención, se requiere controlar por discrepancias pre-existentes (tanto las observadas como las no observadas por el analista) entre miembros del grupo de tratamiento y el de control, cuando éstas hayan llevado a los beneficiarios del programa a autoseleccionarse a participar o a
administradores del programa a seleccionar quién es beneficiario y quién no lo es.
10 Una forma de hacerlo es con una asignación aleatoria de empresas para constituir grupos de tratamiento y de control. Este método evita problemas de identificación de efectos causales al diseñar que la participación en el programa sea independiente de cualquier otra influencia en gastos en investigación y desarrollo tecnológico, ya sea observada o no observada (por el analista). La selección aleatoria entre grupos que participan en un programa y los que no asegura que éstos sean iguales en términos de todas las características, aún si no son observadas o medidas e incluso si son completamente desconocidas por quien realiza el análisis. Este procedimiento permite eliminar sesgos de medición debidos a correlaciones existentes y sistemáticas entre participar en el programa y las características observadas y no observadas de las empresas; la única razón por la que los dos grupos difieren es que uno fue elegido para beneficiarse del programa y el otro no.
No existe un caso, a nivel mundial, que haya podido implementar una evaluación de programas de apuntalamiento de las actividades de innovación de las empresas. Entre otras razones, porque requiere de un diseño y recopilación de información que además de llevar más tiempo y ser más caros, son más difícil de lograr. Otra razón es que en este tipo de programas negar beneficios a empresas solicitantes de manera aleatoria puede resultar poco práctico ó políticamente difícil de lograr.
Debido a estas dificultades se debe recurrir a métodos alternativos para identificar el efecto causal de una intervención o una política pública, siendo los que más validez interna tienen, después del método de aleatorización, el de regresión en discontinuidad.
De no ser posible este método tampoco, se debe trabajar con otros métodos que procuran eliminar el sesgo de medición atribuible a la selección de las empresas a participar en el programa, haciendo explícitos los supuestos más restrictivos a los que están sujetos.
1.3 Métodos de evaluación de impacto utilizados en este trabajo
Como parte de este trabajo se diseñó la evaluación de este programa para aplicar un método de regresión en discontinuidad. Una adecuada aplicación de éste método requiere de información precisa relacionada con la selección de los beneficiarios del programa, realizada a partir de un ordenamiento descendiente de calificaciones promedio obtenidas por los proyectos presentados por las empresas. En particular, requiere contar
11 con la calificación precisa –y no en rangos- obtenida por los proyectos presentados por cada una de las empresas que integran los grupos de tratamiento y de control.
Su aplicación requiere, además, verificar a partir de los datos disponibles para la evaluación de impacto, que no se rechazan ciertos supuestos que sustentan la validez del procedimiento. Entre ellos, que en el valor en que ocurre la discontinuidad no difiera en promedio cada una de las variables antes de la intervención correspondientes a los grupos de tratamiento y control.
Previendo la posibilidad de que los supuestos que se requiere tener para implementar un método de regresión en discontinuidad no se cumplan o de que no se cuente con la precisión en la información requerida, el diseño de esta evaluación también incluyó la aplicación de otros dos métodos de evaluación de impacto.
El primero de ellos es un método que se basa en la utilización de variables instrumentales para medir el efecto causal atribuible exclusivamente al programa y calcula el llamado efecto promedio de tratamiento local (LATE, por sus siglas en inglés).
El otro método es el de matching ó de apareamiento de empresas participantes con empresas que forman parte del grupo de control, combinando con el de estimación de impacto con dobles diferencias, lo que permite remover errores de medición atribuibles a características no observadas (por el analista) cuando éstas son invariantes a lo largo del tiempo (denominados efectos fijos individuales) y cuando éstas cambian pero lo hacen a una tasa constante.
A partir de los archivos administrativos del CONACYT, se elaboró una lista con todas las empresas que solicitaron participar en el programa durante 2009, tanto las que resultaron apoyadas como las que fueron rechazadas. Esta lista contenía 1089 empresas y para todas y cada una de ellas incluía la calificación promedio que les habían otorgada por los proyectos evaluados por tres técnicos o expertos en el tema. También contenía la
modalidad del programa en la que había participado la empresa.
Por otra parte, se requería contar con variables que caracterizaran a las empresas en 2008, es decir referentes a fechas previas a la implementación del programa y conocer su desempeño en 2009. Para ello, lo ideal resultaba que todas las empresas participantes fueran incluidas en la encuesta que ESIDET que el INEGI estaba por levantar en la
12 segunda mitad de 2010 y que iba a recopilar información correspondiente a 2008 y 2009 de más de tres mil empresas.
Esta encuesta la realiza el INEGI, desde 2004, cada dos años a más de 3000 empresas para captar información cuantitativa acerca de su investigación científica y desarrollo tecnológico así como de sus actividades de innovación. Las siglas corresponden a Encuesta sobre Investigación y Desarrollo Tecnológico e incluye un módulo de Innovación Tecnológica.
Antes del levantamiento de la ESIDET 2010, el CONACYT solicitó al INEGI que se
incluyera en el conjunto de empresas a ser entrevistadas las setecientas siete empresas contenidas en esa lista de participantes. También solicitó que, una vez procesada la ESIDET, se incorporara la calificación promedio de las empresas que respondieron el cuestionario de ESIDET y que se encontraran en la lista proporcionada, indicando además la modalidad en la que la empresa había participado.
1.4 Conformación de grupos de tratamiento y de control
Con base en los registros administrativos del CONACYT se identificaron a las empresas beneficiarias del programa de apoyos a la innovación empresarial durante 2009. También se identificaron a las empresas que participaron en el programa pero que a pesar de haber cumplido en tiempo y forma con los requisitos para ser beneficiarios, no lo fueron.
En particular son aquellas que si la demanda total por apoyo financiero para realizar proyectos relacionados con investigación y desarrollo tecnológico no hubiera superado los recursos disponibles para el programa, también hubieran resultado beneficiarias de éste.
Con las primeras se conformó el grupo de tratamiento y con las segundas el de control.
En nuestras estimaciones de medición de impacto, utilizamos únicamente a los miembros de estos dos grupos, ya que es la manera de descartar que la autoselección a participar en el programa por parte de las empresas sea un elemento que introduzca sesgos de medición de la efectividad del programa.
13 Otra razón por las que solo trabajamos con estas empresas es que son aquellas para las que se tiene la calificación promedio obtenida por los proyectos presentados, obtuvieran apoyo o no.
Cabe destacar que el estudio también se concentra en empresas que antes de 2009 ya habían realizado actividades de investigación y desarrollo tecnológico y no pone especial énfasis en empresas que pudieron inducirse a iniciarlas. Es decir, es posible tener
empresas tanto del grupo de tratamiento como de control en nuestras bases de datos que no gastaban en estos rubros durante 2008, pero que lo hacen en 2009. (Ya sea porque la crisis económica de 2008 hizo que algunas de estas empresas pospusieran sus planes de investigación y desarrollo, o porque ese fue el primer año en el que lo hacían).
Esto sugiere que una pregunta que podría plantearse es si el programa podría estar teniendo un efecto de inducción a iniciar proyectos de la innovación tecnológica. De ser éste el caso, la pregunta a responder en un estudio de impacto del programa en estos beneficiarios es si, en ausencia de éste las empresas que innovaron hubieran tenido una menor probabilidad de iniciar sus proyectos. Esto requeriría de la aplicación de técnicas de corrección de selección que están más allá del alcance propuesto para este trabajo, por lo que no se hará especial énfasis en este aspecto en particular.
1.5 Propósitos del programa y medición
La pregunta que se quiere responder con la presente evaluación del programa es de tipo contrafactual y corresponde al propósito inmediato del programa. Ésta es:
¿Cuánto habría gastado en investigación y desarrollo tecnológico una empresa beneficiaria del programa si no hubiera contado con el apoyo económico obtenido del CONACYT? Dependiendo de la respuesta, se pueden identificar cuatro efectos distintos.
Éstos se representan en la figura 12 y son los siguientes, considerando el supuesto caso en el que se otorga 40 unidades de apoyo económico a una empresa:
2Elaborada a partir de un diagrama en Aschhoff, 2009
14 1. El efecto de desplazamiento total en insumos de innovación implica que el programa no es efectivo y que se identifica como de crowding-out total. Éste ocurre cuando la empresa sustituye peso por peso, fondos públicos por recursos propios. En la figura 1, el gasto total en investigación y desarrollo tecnológico (IDT) incluyendo el apoyo económico otorgado por el program, es igual al gasto total que la empresa hubiera realizado en este rubro si no participara en el programa; es decir 100 unidades en ambos casos (GT=GP=100). Ello implica que la empresa deja de invertir un monto de 40 unidades que sustituye íntegramente por el subsidio, financiando únicamente 60 de las 100 unidades que hubiera invertido en ausencia del apoyo económico.
2. Un efecto de sustitución parcial en insumos de innovación, ocurre cuando el gasto total en IDT incluyendo estímulos GT, es mayor al gasto total en IDT que la empresa hubiera realizado si no participara en el programa GP. Sin embargo, esta diferencia, GT-GP, es menor que el monto del subsidio recibido. En el ejemplo de la figura 1, GP es igual a 120 unidades, mientras que GP permanece en 100 unidades. Ello implica que la empresa deja de invertir un monto de 20 unidades que sustituye parcialmente por el subsidio, financiando únicamente 80 de las 100 unidades que hubiera invertido en ausencia del apoyo; sin embargo, parte del subsidio (20 unidades de las 40 otorgadas) se emplea como complemento del monto total que se hubiera gastado originalmente.
3. Un efecto nulo en insumos de innovación, ocurre cuando la empresa añade al gasto total en IDT que la empresa hubiera realizado si no participara en el programa GP, a manera de complemento, los subsidios públicos recibidos. El gasto total en IDT incluyendo estímulos GT supera en una cantidad igual al monto del subsidio lo que ésta hubiera realizado sin la ayuda pública (GP+apoyo económico = GT). Dicho de otro modo, el gasto realizado por la empresa, sin considerar los apoyos fiscales, es el mismo que hubiera realizado en ausencia del programa (GT -Apoyo económico = GP). En el ejemplo de la figura 1, GT se incrementa a 140 unidades, mientras que el gasto total en IDT que la empresa hubiera realizado si no participara en el programa GP permanece, como siempre, en 100 unidades. La diferencia GT- GP es igual a 40 unidades, equivalentes al monto del estímulo económico, que se emplea íntegramente como complemento.
15 4. Un efecto de adicionalidad en insumos de innovación, ocurre cuando el programa
induce a que las empresas gasten (sin contar lo que reciben como apoyo en apoyo económico), un monto mayor al que hubieran llevado a cabo de no haber participado en él. Este logro implica que los estímulos fiscales tienen un efecto multiplicador. El gasto total en IDT incluyendo estímulos GT, es mayor al gasto total en IDT que la empresa hubiera realizado si no participara en el programa GP.
Pero esta diferencia GT- GP es ahora mayor que el monto del apoyo económico recibido. En el ejemplo de la figura 1, GT se incrementa a 160 unidades, mientras que GP permanece en 100 unidades. La diferencia de 60 unidades supera al monto del apoyo recibido (40 unidades); es decir, se obtiene un efecto de 20 unidades adicionales de gasto privado en investigación y desarrollo tecnológico que la empresa no hubiera realizado en ausencia del programa. El programa se considera efectivo en lograr sus propósitos, ya que la empresa lo hace solamente gracias a que ha recibido el apoyo. En este caso, el multiplicador del apoyo fiscal es 1.5.
El caso de adicionalidad en insumos de innovación está asociado a la mitigación de los efectos adversos de fallas de mercado discutidas en la sección anterior, logrando con ello inducir a las empresas a acelerar la conclusión de proyectos en proceso y a hacer proyectos que, sin esa intervención, hubieran descartado.
Otra razón, que destacan Benavente, Crespi y Maffioli, 2007, puede atribuirse al “efecto de señalización” que el otorgamiento del apoyo económico pude tener en la calidad del proyecto beneficiado o del personal que se encargará de su desarrollo. Esto puede reducir las asimetrías de información e incrementar las fuentes externas de financiamiento.
16 Algunos autores sostienen que la política pública estaría alcanzando el propósito fijado aún el caso en el que los fondos privados liberados por el subsidio público otorgado para un proyecto se invierten en otros proyectos de investigación y desarrollo que, por restricciones de liquidez, no hubieran podido llevarse a cabo si no tuvieran estos fondos.
Por otra parte, un efecto de adicionalidad puede también estar asociado con
“efectos de derrame” del apoyo económico, al reducir los costos para llevar a cabo otros proyectos. Por ejemplo, cuando un proyecto subsidiado por el programa provee infraestructura para la investigación y desarrollo, y esto a su vez reduce los costos fijos de otros proyectos de investigación y desarrollo.
2. Descripción de la base de datos
En este trabajo se utiliza los resultados, a nivel empresa, de la encuesta ESIDET 2010 administrada por INEGI a empresas para captar información cuantitativa acerca de sus actividades de investigación científica y de desarrollo tecnológico y del desempeño de
Figura 1: Posibles efectos de un apoyo económico al gasto en investigación y desarrollo tecnológico de las empresas
Gasto sustituido=
Apoyo (40)
Gasto financiado por
la empresa=
60
Sustitución parcial =
20 Apoyo no sustituido=
20
Gasto financiado por
la empresa=
80
Gasto financiado por
la empresa=
100 Apoyo=
40
Apoyo=
40 Efecto Adicional=
20
Gasto financiado por la
empresa=
100
Sustitución total
o Crowding out Sustitución
parcial Sin efecto Adicionalidad
en insumos de innovación Gasto total en investigación y desarrollo tecnológico incluyendo el monto del apoyo económico
Gasto privado en investigación y desarrollo tecnológico que la empresa realizaría en ausencia del programa de apoyo económico al gasto en este rubro
GT GP
GT = 100 GP = 100
GP= 100 GT=120
GP = 100 GT= 140
GT= 160
Estímulo
= 40
Estímulo
= 40
GP = 100
17 sus actividades de innovación. Ésta recopila información correspondiente a las empresas durante 2008 y 2009.
Para la conformación de grupos de tratamiento y de control, el CONACYT dio a INEGI una lista con todas las empresas que se habían seleccionado para participar en el
programa de apoyo a la innovación 2009 y que eran elegibles para obtener los beneficios de éste, solicitando que se les incluyera en la ESIDET 2010. En este estudio se trabajo exclusivamente con las empresas que fueron incluidas en la ESIDET y que además participaron en el programa de 2009, ya sea resultando beneficiarias de éste (grupo de tratamiento) o las que a pesar de haber cumplido en tiempo y forma con los requisitos para ser beneficiarios, no lo fueron (grupo de control). En particular las integrantes de este último grupo son solo aquellas que si la demanda total por apoyo financiero para realizar proyectos relacionados con investigación y desarrollo tecnológico no hubiera superado los recursos disponibles para el programa, también hubieran resultado beneficiarias de éste.
Como ya se señaló anteriormente, no incluir más que esas empresas es la manera de descartar que la autoselección a participar en el programa por parte de las empresas sea un elemento que introduzca sesgos de medición de la efectividad del programa. Otra razón por las que solo trabajamos con estas empresas es que son aquellas para las que se tiene la calificación promedio obtenida por los proyectos presentados, obtuvieran apoyo o no.
También se solicitó identificar si la empresa contenida en los grupos de tratamiento ó control del programa 2009 fue participante del programa de estímulos fiscales durante 2008. De haberlo sido incluir la información de si obtuvo un crédito fiscal ó no y la calificación promedio que se le otorgó a al proyecto presentado en 2008.
De sus registros administrativos el CONACYT identificó a 1089 empresas que
respondieron a la convocatoria 2009 del programa presentando al menos un proyecto de investigación y desarrollo tecnológico. De ellas solo 707 resultaron incluidas en la
encuesta ESIDET 2010 y de estas últimas solo 302 no dejaron en blanco las respuestas relacionadas con su gasto en investigación y desarrollo tecnológico, tanto para 2008 como para 2009.
18 Esto implicó que nuestro punto de partida para la medición de impacto del programa en adicionalidad del gasto privado en investigación y desarrollo tecnológico fue de solamente 395 empresas, que son las que gastaron en investigación al menos durante un año ya sea 2008 ó 2009. De estas empresas hay 73 empresas (29 de control y 44 beneficiarios del programa) que no gastaban en 2008 y lo hacen en 2009. De esta forma restan 315 empresas que gastaron tanto en 2008 como en 2009.
En la tabla 1, que se presenta a continuación aparece el gasto promedio en investigación y desarrollo tecnológico para cada uno de los grupos mencionados.
Tabla 1
Gasto promedio en Investigación y Desarrollo Tecnológico Miles de pesos
(175 control y 140 tratamiento, caso en el que el gasto es positivo en ambos años)
Mean Std. Dev. Min Max
Gasto en 2008
grupo de control 27314.36 107797.2 16 1148151 grupo de tratamiento 38674.16 118708.2 1 971667 Gasto en 2009
grupo de control 21002.72 90108.31 30 1070991 grupo de tratamiento 36822.75 103276.7 1 637835 (29 control y 44 tratamiento, caso en el que el gasto es positivo solo en 2009)
Mean Std. Dev. Min Max
Gasto en 2009
grupo de control 4675.276 18953.45 5 102700
grupo de tratamiento 11173.43 24967.75 300 130221
De la encuesta ESIDET se tomaron las características de las empresas, tanto de miembros de los grupos de tratamiento y como del control, que en las secciones de estimaciones fueron utilizadas como variables.
Una de las preguntas que le hacen a las empresas con esta encuesta es:
Evalúe la importancia de los siguientes factores que obstaculizan las actividades de innovación:
19 riesgo económico excesivo ; falta de fuentes de financiamiento adecuadas y obstáculos derivados de la legalización vigente (normas, reglamento, estándares, impuestos).
Se construyeron tres variables dummy, que adquieren un valor de uno, si las respuestas a esas preguntas fue „altamente significativo‟ y de cero, si la respuesta fue otra.
Esta pregunta resulta de relevancia para este análisis, ya que se refieren a fallas de mercado que dan lugar a la intervención del gobierno con programas como que se evalúa en este trabajo.
La primera capta la incertidumbre relacionada con la investigación y desarrollo
tecnológico, la segunda se refiere a que las instituciones financieras son renuentes a dar créditos para proyectos que, como en investigación y desarrollo tecnológico, están asociados a activos intangibles y son difíciles de monitorear. Esto se debe a asimetrías de información entre instituciones que podrían darles crédito y empresarios que quieren llevar a cabo proyectos de desarrollo tecnológico e innovación, pero no tienen recursos para hacerlo. La tercera de ellas, los obstáculos derivados de la legalización vigente, está asociada a las dificultades para que una empresa pueda “apropiarse” de las rentas monopólicas a las que dan derecho los descubrimientos e innovaciones por un tiempo suficientemente largo como para recuperar gastos de inversión.
También con una variable dummy que tiene valor de uno si se cumple con la
característica y cero si no, se capta si la empresa tiene 100% de capital nacional, d_nal, y si en sus actividades de innovación de productos y servicios contó con la colaboración de otras empresas ó de centros de investigación académicos, d_colab.
En esa tabla también se presentan otras variables dummies dicotómicas que se incorporaron en el estudio, con base a la información obtenida de los archivos de CONACYT, y son las que captan si la empresa solicitó, y en su caso obtuvo, crédito fiscal en el programa EFIDET 2008 de apoyo a las empresas. Éstas fueron las siguientes:
fis081, que representa si participó y obtuvo el crédito fiscal; toma el valor de uno si lo obtuvo y de cero ó si lo solicitó, pero no lo obtuvo; fis080 que adquiere un valor de uno
20 si solo lo solicitó, pero no lo obtuvo y d_fisnop que representa, cuando adquiere un valor de uno, que no participó en el programa de crédito fiscal en 2008.
Tabla 2
Características de las empresas
grupo de control grupo de tratamiento Freq. Percent Freq. Percent
Total 175 100 140 100
Restcred
0 97 55.43 86 61.43
1 78 44.57 54 38.57
d_obstnorm
0 122 69.71 87 62.14
1 53 30.29 53 37.86
d_riesgo
0 105 60 82 58.57
1 70 40 58 41.43
d_nal
0 37 21.14 38 27.14
1 138 78.86 102 72.86
Colab
0 146 83.43 113 80.71
1 29 16.57 27 19.29
d_fis081
0 143 81.71 99 70.71
1 32 18.29 41 29.29
d_fis080
0 162 92.57 126 90
1 13 7.43 14 10
d_fisnop
0 45 25.71 55 39.29
1 130 74.29 85 60.71
Otras características que también se consideraron en nuestras estimaciones fueron número de trabajadores, ventas totales de la empresa, si exporta ó no, sector al
21 que ésta pertenece, si tiene capital 100% nacional, si la empresa contó con un área o unidad dedicada formalmente a la mejora sustancial o creación de nuevos productos o procesos.
3. Aplicación del método de regresión en discontinuidad y el caso de INNOVAPYME
De acuerdo con los records de CONACYT, 313 empresas resultaron elegibles para recibir fondos de la modalidad INNOVAPYME del programa 2009, por haber respondido en tiempo y forma a la correspondiente convocatoria presentaron proyectos y por haber tenido una calificación promedio mayor a seis en su evaluación. De ellas solo 155 obtuvieron el apoyo económico solicitado. Una proporción de ellas fue seleccionada por los gobiernos de los estados en que se encontraba la empresa, por conducto de los fondos asignados a la bolsa estatal. El resto, que constituyó el 44.3% de los recursos asignados a esta modalidad programa, fue asignado a través de la bolsa nacional y se hizo exclusivamente a partir de la lista integrada con base en el orden descendente de calificación promedio otorgada por los evaluadores. Éstos tuvieron una calificación entre 9 y 8.6.
De esta forma, dado el umbral fijado por la disponibilidad de recursos asignados a esta modalidad del programa, se rechazó a 158 empresas su solicitud de apoyo económico, a pesar de haber cumplido en tiempo y forma con los requerimientos de la convocatoria y haber presentado proyectos considerados como pertinentes.
A partir de los archivos administrativos del CONACYT se había elaboraron los índices correspondientes de un dígito y dos decimales a la calificación promedio de cada una de las empresas participantes, tanto para las beneficiarias del programa como para las que no lo fueron, a pesar de haber podido serlo, si hubiera habido más recursos asignados para esta modalidad.
CONACYT solicitó al INEGI que incluyera estas empresas en la encuesta ESIDET 2010 y que a cada una de ellas se anexara la correspondiente calificación promedio, indicando que se trataba de empresas que participaron en la modalidad de INNOVAPYME.
Los requerimientos de información se tuvieron solo de manera parcial. Por una parte, hubo empresas que no contestaron el cuestionario y por otra parte no se identificó la
22 modalidad en la que participaron las empresas. Además, los índices de un dígito y dos decimales inicialmente proporcionados al INEGI fueron redondeados y agregados para tener solo cinco categorías, cada una con rangos específicos de calificación promedio comprendiendo diez decimales de diferencia entre cada uno (esto se hizo con el fin de evitar que pudiera llegar a identificarse la empresa en cuestión).
Debido a que fueron los indicadores del rango al que pertenecía el índice
correspondiente a la empresa lo que el INEGI anexó a las respuestas de los miembros del grupo de tratamiento y de control y no los números inicialmente proporcionados, no fue posible aplicar el método de regresión en discontinuidad de manera satisfactoria, pero la información disponible fue suficiente para poder explorar si este método puede
aplicarse y la dirección hacia la que apuntarían los resultados. La manera de hacerlo es condicionar el análisis a trabajara con una bandas que tienen un ancho de 9 décimas de punto cada una, en lugar de determinar un tamaño óptimo de banda para el análisis.
La falta de identificación de la modalidad INNOVAPYME en la que participaron las empresas puede ser subsanada ya que se sabe que a las empresas grandes no se les permitió participar en esta modalidad. Por ello, al excluir de este análisis empresas con más de 250 trabajadores, se tiene una buena aproximación del subconjunto de las que participaron en esta modalidad, dado que las grandes tendieron a solicitar fondos en las otras dos modalidades del programa.
Por la manera en que se asignaron los recursos, se tiene registrada la calificación de 8.6 como el umbral para determinar los proyectos que recibieron apoyo financiero de los recursos asignados a la en la bolsa nacional.
Es posible afirmar entonces que todos los proyectos con una calificación promedio entre 9.4 y 8.6 que eran elegibles para ser beneficiarios del programa INNOVAPYME recibieron el apoyo económico solicitado. (No contar con una diferenciación entre bolsa nacional y estatal no afecta esta clasificación, ya que de no haber sido seleccionadas en la bolsa estatal, lo hubieran sido en la nacional al tener una calificación promedio en ese rango).
Es posible afirmar también que las empresas cuyos proyectos obtuvieron calificaciones promedio entre 8.5 y 7.6 fueron las que, al igual que las que tuvieron un promedio menor
23 a 7.6 pero mayor que 6, hubieran resultado beneficiarias del programa si hubiera habido más recursos asignados para éste.
En términos del método de regresión en discontinuidad para la evaluación de impacto, el siguiente análisis es equivalente a forzar una banda con diez decimales de ancho. Para ello, el grupo de control queda constituido por aquellas empresas con tamaño mediano o pequeño que obtuvieron una calificación promedio en sus proyectos que quedó dentro de un rango con valor de 8 pero que no recibieron apoyo económico solicitado. A su vez, identificamos como empresas miembros del grupo de tratamiento aquellas MYPYMES beneficiarias del programa que quedaron registradas con un rango de 9.3
Contar con datos e información es una condición necesaria, pero no suficiente para poder utilizar este método. También se requiere verificar, con base en esos datos, que no sean rechazados algunos supuestos que sustentan el método. En particular, este método supone que antes de la intervención, cada una de las variables que caracterizan a los grupos de tratamiento no difiere estadísticamente de las que caracterizan al del grupo de control. Este supuesto también requiere que se cumpla cuando se recurre al método de aleatorización pero, a diferencia de lo que sucede en este último caso, para el método de regresión en discontinuidad se requiere checar que el supuesto se cumpla solo en la banda contigua al corte. Por ello procedemos a considerar si estos supuestos no se rechazan con base en los datos que tenemos disponibles.
En primer lugar consideramos si se registra un brinco en la variable que el programa intentaba apuntalar, es decir en el gasto en investigación y desarrollo tecnológico y en segundo lugar consideramos si no se rechazan los supuestos mínimos requeridos para aplicar el método.
3Podría llegar a ser una fuente de distorsión en los datos a ser analizados que entre los beneficiarios se encontraran empresas MYPYMES que fueron elegidas para ser apoyadas en INNOVATEC o PROINNOVA (33 por ciento de las apoyadas en el rango 9 eran empresas grandes); o bien que MYPYMES con una calificación en el rango de 8 solicitaron, pero no obtuvieron apoyo en la modalidad INNOVATEC, lo cual es poco probable, ya que el umbral para esta modalidad fue de 7.8. Por otra parte, no hubo empresas de control de la modalidad PROINNOVA; como ya se ha mencionado, todas las que tuvieron seis ó más de calificación promedio y cumplieron con los requisitos para ser apoyadas en esta modalidad obtuvieron apoyo financiero.
24 Tabla 4
Variable gasto en investigación y desarrollo tecnológico en 2009
Rango Obs Mean Std. Dev. Min Max Grupo de tratamiento PYMES 9 57 8366.509 8200.809 1 32121 Grupo de Control PYMES 8 26 6270 11685.58 220 46085
Como se puede apreciar, apuntaría a que de 6270 en rankin 8 con 26 observaciones el promedio de gasto brinca a 8368 cuando se consideran las 57 empresas que
obtuvieron el apoyo indica que si hay un salto en donde se realizó la discontinuidad y que esto, en principio, sugiere un impacto positivo del programa. (Si las beneficiarias que obtuvieron entre 8.5 y 9.4 de calificación promedio en sus proyectos no hubieran recibido apoyo económico del programa INNOVAPYME, su gasto en investigación y desarrollo tecnológico en 2009 hubiera sido 33% menor al que realizaron durante ese año.
Alternativamente, si hubiera habido más recurso para apoyar a las empresas que obtuvieron entre 7.6 y 8.4 de calificación promedio en la evaluación de sus proyectos, éstos hubieran resultado más elevados en un 33%).
Un supuesto que no debe rechazarse para que este método pueda aplicarse es que las variables del grupo de tratamiento, previas a la intervención, no difieran en promedio de las correspondientes al grupo de control. Este supuesto se rechaza en el caso del gasto promedio en 2008, como lo indica la siguiente tabla:
Tabla 5
Variable gasto en investigación y desarrollo tecnológico en 2008 Rango Obs Mean Std. Dev. Min Max Grupo de tratamiento PYMES 9 57 6187.07 12923.5 0 74435 Grupo de Control PYMES 8 26 7926.038 19693.83 0 76688 En contraste, hay otras variables que si están balanceadas, ser de propiedad nacional y elaborar proyectos en colaboración de centros de investigación u otras empresas. En cambio, la comparación en la variable ventas revela que el promedio de las empresas de control es mayor.
25 Tabla 6
Variable Obs Mean Std. Dev. Min Max colab 57 .2105263 .4113064 0 1 colab 26 .2307692 .4296689 0 1
d_nal 57 .7894737 .4113064 0 1 d_nal 26 .8076923 .4019185 0 1 restcred 57 .4561404 .5025 0 1 restcred 26 .5384615 .5083911 0 1 d_obstnorm 57 .3508772 .4814868 0 1 d_obstnorm 26 .2692308 .4523443 0 1
d_riesgo 57 .4736842 .5037454 0 1 d_riesgo 26 .3846154 .4961389 0 1
d_umej08 | 57 .7719298 .4233178 0 1 d_umej08 | 26 .7307692 .4523443 0 1
ventas 57 376492.8 941959.7 0 6047247 ventas 26 632774 2144862 0 1.10e+07
Este análisis nos lleva a rechazar uno de los requisitos par poder utilizar el método de evaluación con base en discontinuidad: que en promedio variables previas a la
intervención del grupo de tratamiento no sean estadísticamente distintas de las correspondientes al grupo de control. Esto no sucede, en particular con ventas de la empresa y gasto en investigación y desarrollo tecnológico efectuado en el año previo a la intervención.
4. Aplicación del método de variables instrumentales y la medición del LATE para el caso de MYPYMES y empresas grandes
Para propósitos de la estimación de esta sección, el total de las empresas de nuestra muestra completa se divide en dos grandes grupos, dependiendo de cuántos trabajadores tienen: las que reportan menos de 250 trabajadores, que identificamos como MYPYMES (245 empresas), y las que tienen más de este número, que son las que consideramos como empresas GRANDES (143 empresas).
26 Si bien estas clasificaciones no corresponden con las modalidades del programa, hay una estrecha relación. Esto se debe a que INNOVAPYME es la única modalidad del programa de 2009 que no aceptó la participación de empresas grandes. Como ya había sido
señalado previamente, INEGI no accedió a identificar la modalidad en la que participaron las empresas, por lo que fue imposible realizar estimaciones por tipo de modalidad.
Como dato, también sabemos que se agotaron los recursos para la modalidad PROINOVA, lo que implica que para propósitos prácticos no se dispone de grupo de control. A su vez, sabemos que INNOVATEC estaba orientado a empresas de más de 250 trabajadores, aunque no restringía la participación de empresas pequeñas.4
El modelo se estima para cada uno de estos dos grupos por separado y consiste en una regresión con variables instrumentales en la que la variable dependiente es el logaritmo del gasto en investigación y desarrollo tecnológico de la empresa en 2009. La variable endógena dependiente es part09 y adquiere un valor de uno si fue beneficiaria del programa y cero si no lo fue. Ésta se instrumenta, entre otras variables con el rango de calificación promedio obtenido por su proyecto, rankin. Se incluyen, además otras variables dependientes que se consideran exógenas, como exportar ó no parte de sus productos, el logaritmo de ventas, si colaboró ó no con otras empresas o centros de investigación académica, si su capital es 100% mexicano y el sector al que pertenece.
Los resultados obtenidos se presentan a continuación:
Regresión solo para MYPYMES con variables instrumentales
Variable dependiente: logaritmo del gasto en investigación y desarrollo tecnológico de la empresa en 2009.
Instrumental variables (2SLS) regression Number of obs = 245
Coef. Std. Err. z P>z [95% Conf. Interval]
part09 1.393381 .3913853 3.56 0.000 .62628 2.160482 restcred -.1952333 .21387 -0.91 0.361 -.6144108 .2239441
4Cabe mencionar, por otra parte que el grupo de empresas grandes queda constituido por relativamente pocas empresas, 145. Esto sugiere tomar con cautela los resultados de las estimaciones, ya que es difícil asegurar que el grupo de control se parezca al de tratamiento y que las acciones de una empresa grande – en cualquiera de los dos grupos- sea la que determine los resultados de la evaluación.
27
d_obstnorm -.3530939 .2279698 -1.55 0.121 -.7999065 .0937187 d_riesgo .1247493 .1996837 0.62 0.532 -.2666235 .5161221 d_Xport08shV0 .1948502 .2453455 0.79 0.427 -.2860181 .6757185 d_fis081 .2646758 .356435 0.74 0.458 -.4339239 .9632756 sales -.7281411 .4244498 -1.72 0.086 -1.560047 .1037653 sales2 .1059235 .057679 1.84 0.066 -.0071253 .2189724 sales3 -.003366 .0024187 -1.39 0.164 -.0081065 .0013746 colab -.1917773 .2606334 -0.74 0.462 -.7026094 .3190548 d_nal -.6528011 .3016736 -2.16 0.030 -1.24407 -.0615317 d_umej08 .4293415 .2380452 1.80 0.071 -.0372185 .8959016 d_c1 -.4512252 .7034022 -0.64 0.521 -1.829868 .9274178 d_c2 -.5896626 .5562581 -1.06 0.289 -1.679908 .5005832 d_c3 .6348291 .8725504 0.73 0.467 -1.075338 2.344997 d_c4 -.8495047 .3688811 -2.30 0.021 -1.572498 -.126511 d_c5 -1.660602 1.088823 -1.53 0.127 -3.794656 .4734522 d_c6 -.5399573 1.064381 -0.51 0.612 -2.626106 1.546191 d_c7 -.1271402 .5440366 -0.23 0.815 -1.193432 .939152 d_c8 .8749153 .861669 1.02 0.310 -.8139249 2.563756 d_c9 -.2025489 .6496355 -0.31 0.755 -1.475811 1.070713 d_c10 -1.024097 1.05759 -0.97 0.333 -3.096937 1.048742 d_c11 -.9138668 1.481836 -0.62 0.537 -3.818213 1.990479 d_c14 -2.299686 1.086164 -2.12 0.034 -4.428529 -.1708425 _cons 7.200431 1.118656 6.44 0.000 5.007906 9.392957
Instrumented: part09
Instruments: restcred d_obstnorm d_riesgo d_Xport08shV0 d_fis081 sales sales2 sales3 colab d_nal d_umej08 d_c1 d_c2 d_c3 d_c4 d_c5 d_c6 d_c7 d_c8 d_c9 d_c10 d_c11 d_c14 rankin
28 Los resultados no se modifican si además se incluye una variable dicotómica para
diferenciar entre medianas (entre 100 y 250 trabajadores, lo que implica que menos de 100 es variable omitida).
Coef. Std. Err. z P>z [95% Conf. Interval]
part09 1.381293 .3929641 3.52 0.000 .6110972 2.151488 d_medgde08 -.2079263 .3544143 -0.59 0.557 -.9025655 .486713 restcred -.1989116 .2137386 -0.93 0.352 -.6178315 .2200083 d_obstnorm -.339111 .2294445 -1.48 0.139 -.7888139 .1105919 d_riesgo .134742 .2001781 0.67 0.501 -.2575998 .5270838 d_Xport08shV0 .1921545 .2450275 0.78 0.433 -.2880906 .6723997 d_fis081 .2964318 .3600414 0.82 0.410 -.4092363 1.0021 sales -.7399193 .4244084 -1.74 0.081 -1.571744 .0919058 sales2 .1064721 .0576122 1.85 0.065 -.0064457 .21939 sales3 -.0033122 .0024166 -1.37 0.170 -.0080487 .0014242 colab -.204605 .2610458 -0.78 0.433 -.7162454 .3070354 d_nal -.6545122 .3012724 -2.17 0.030 -1.244995 -.0640292 d_umej08 .4260448 .2378468 1.79 0.073 -.0401263 .8922159 d_c1 -.5058273 .706866 -0.72 0.474 -1.891259 .8796046 d_c2 -.619766 .5578994 -1.11 0.267 -1.713229 .4736968 d_c3 .5755862 .8761798 0.66 0.511 -1.141695 2.292867 d_c4 -.8445906 .3686001 -2.29 0.022 -1.567034 -.1221477 d_c5 -1.588982 1.095964 -1.45 0.147 -3.737032 .5590689
d_c6 -.4807067 1.066661 -0.45 0.652 -2.571325 1.609911 d_c7 -.1543094 .5448977 -0.28 0.777 -1.222289 .9136704 d_c8 .9547478 .870508 1.10 0.273 -.7514165 2.660912 d_c9 -.1628185 .6537232 -0.25 0.803 -1.444093 1.118455 d_c10 -.9870177 1.057978 -0.93 0.351 -3.060616 1.086581 d_c11 -.9362515 1.479905 -0.63 0.527 -3.836813 1.96431
29
d_c14 -2.18679 1.105066 -1.98 0.048 -4.352679 -.0209015 _cons 7.232574 1.119023 6.46 0.000 5.03933 9.425819
Tampoco cuando se incluye el logaritmo del número de trabajadores.
Instrumental variables (2SLS) regression Number of obs = 245 Wald chi2(27) = 105.06
Prob > chi2 = 0.0000 R-squared = 0.3034 Root MSE = 1.4367
Coef. Std. Err. z P>z [95% Conf. Interval]
part09 1.385673 .3878928 3.57 0.000 .6254172 2.145929 restcred -.2120997 .2121345 -1.00 0.317 -.6278757 .2036762 d_obstnorm -.3904028 .227185 -1.72 0.086 -.8356772 .0548715 d_riesgo .1071501 .2004458 0.53 0.593 -.2857165 .5000168 d_Xport08shV0 .2008466 .2443516 0.82 0.411 -.2780737 .6797669 d_fis081 .2725695 .3557301 0.77 0.444 -.4246487 .9697877 sales -.6096641 .4536322 -1.34 0.179 -1.498767 .2794386 sales2 .0933952 .0644228 1.45 0.147 -.0328712 .2196616 sales3 -.0029697 .0027072 -1.10 0.273 -.0082757 .0023364 logtrab -1.234553 .6489994 -1.90 0.057 -2.506569 .0374623 logtrab2 .4256296 .2706517 1.57 0.116 -.104838 .9560973 logtrab3 -.0430489 .0322313 -1.34 0.182 -.1062211 .0201233 colab -.1706265 .2621625 -0.65 0.515 -.6844555 .3432025 d_nal -.5744636 .3020452 -1.90 0.057 -1.166461 .0175341 d_umej08 .514331 .2427463 2.12 0.034 .0385571 .990105 d_c1 -.4948117 .6989923 -0.71 0.479 -1.864811 .875188 d_c2 -.5903438 .552967 -1.07 0.286 -1.674139 .4934515 d_c3 .5899491 .8662846 0.68 0.496 -1.107938 2.287836 d_c4 -.8582799 .3659697 -2.35 0.019 -1.575567 -.1409925
30
d_c5 -2.142911 1.117804 -1.92 0.055 -4.333766 .0479437 d_c6 -.619945 1.056387 -0.59 0.557 -2.690426 1.450536 d_c7 -.2023485 .5433777 -0.37 0.710 -1.267349 .8626521 d_c8 .9173398 .8564297 1.07 0.284 -.7612316 2.595911 d_c9 -.1771081 .6489015 -0.27 0.785 -1.448932 1.094715 d_c10 -.8941065 1.055022 -0.85 0.397 -2.961912 1.173699 d_c11 -.9339092 1.471615 -0.63 0.526 -3.818221 1.950403 d_c14 -2.363067 1.093901 -2.16 0.031 -4.507073 -.2190607 d_c15 0 (omitted)
_cons 7.724659 1.157073 6.68 0.000 5.456836 9.992481
Instrumented: part09
Instruments: restcred d_obstnorm d_riesgo d_Xport08shV0 d_fis081 sales
sales2 sales3 logtrab logtrab2 logtrab3 colab d_nal d_umej08 d_c1 d_c2 d_c3 d_c4 d_c5 d_c6 d_c7 d_c8 d_c9 d_c10 d_c11 d_c14 rankin
En cambio cuando se hace el mismo tipo de regresión solo con empresas con más de 250 trabajadores el resultado es:
Regresión solo empresas GRANDES, variables instrumentales
Instrumental variables (2SLS) regression Number of obs = 143 Wald chi2(25) = 90.86
Prob > chi2 = 0.0000 R-squared = 0.3875 Root MSE = 1.3307
Coef. Std. Err. z P>z [95% Conf. Interval]
part09 .2955505 .4203901 0.70 0.482 -.528399 1.1195 restcred .0482214 .2880844 0.17 0.867 -.5164136 .6128564
31
d_obstnorm .1933401 .3011599 0.64 0.521 -.3969224 .7836026 d_riesgo -.2904565 .2670795 -1.09 0.277 -.8139227 .2330097
d_Xport08shV0 .2849678 .3116176 0.91 0.360 -.3257915 .8957272 d_fis081 -.2785409 .2709845 -1.03 0.304 -.8096608 .2525789
sales 24.90568 12.51446 1.99 0.047 .377797 49.43357 sales2 -1.675818 .8594443 -1.95 0.051 -3.360298 .008662 sales3 .0378264 .0194974 1.94 0.052 -.0003879 .0760407 colab .8988182 .3362847 2.67 0.008 .2397122 1.557924 d_nal -.4568254 .2755636 -1.66 0.097 -.9969201 .0832693 d_umej08 -.8566848 .3373997 -2.54 0.011 -1.517976 -.1953936 d_c1 .0779283 .4234848 0.18 0.854 -.7520867 .9079433 d_c2 -.6806317 .4180686 -1.63 0.104 -1.500031 .1387677 d_c3 .2676261 .4444078 0.60 0.547 -.6033972 1.138649 d_c4 .1668703 .5915962 0.28 0.778 -.9926368 1.326377 d_c5 .9129913 .8474562 1.08 0.281 -.7479924 2.573975 d_c6 -.6262429 .5582513 -1.12 0.262 -1.720395 .4679095 d_c7 -.9234772 .498349 -1.85 0.064 -1.900223 .0532688 d_c8 | -1.120755 .6834104 -1.64 0.101 -2.460215 .2187047 d_c9 | .7639289 .6821524 1.12 0.263 -.5730653 2.100923 d_c10 | .979623 .6279477 1.56 0.119 -.2511318 2.210378 d_c11 | -.4194409 1.446218 -0.29 0.772 -3.253975 2.415093 d_c14 | -1.217495 1.021883 -1.19 0.233 -3.220349 .785359 d_c15 | .1291836 1.032203 0.13 0.900 -1.893898 2.152265 _cons | -113.4741 60.2307 -1.88 0.060 -231.5241 4.575939
--- Instrumented: part09
Instruments: restcred d_obstnorm d_riesgo d_Xport08shV0 d_fis081 sales sales2 sales3 colab d_nal d_umej08 d_c1 d_c2 d_c3 d_c4 d_c5 d_c6 d_c7 d_c8 d_c9 d_c10 d_c11 d_c14 d_c15 rankin
Interpretación de los resultados:
32 A partir de las estimaciones obtenidas se concluye que solo para el grupo de empresas que tiene menos de 250 trabajadores, las MYPYMES, se obtuvo un impacto de
adicionalidad, estadísticamente significativo al 5%, indicando una semi-elasticidad logarítmica de 1.38.
En ninguna de sus distintas variantes se obtuvo como resultado un impacto
estadísticamente significativo para el grupo de empresas clasificadas como grandes.
5. Aplicación del método de Matching y la medición de impacto del programa para el caso de MYPYMES y empresas grandes
En esta sección nos concentramos en el análisis del grupo de empresas cuyo gasto en investigación y desarrollo tecnológico es positivo tanto en 2008 como en 2009. Estas son solo 315 empresas.
El primer paso consiste en estimar un modelo Probit para estimar la propensión que cada una de las empresas tuvo para ser seleccionada como beneficiaria del programa. Una vez calculadas las propensiones a participar en el programa de cada una de estas empresas, se crean grupos de tratamiento y control a partir del apareamiento de empresas
beneficiarias con su ó sus vecinos cercanos en el grupo de control. Nuestras estimaciones combinan este método con el de diferencia en diferencias, como en el caso del estudio de Görg y Strobl (2007).
El resultado del modelo probit éste se presenta a continuación:
Probit regression Number of obs = 315 LR chi2(25) = 147.73 Prob > chi2 = 0.0000 Log likelihood = -142.52946 Pseudo R2 = 0.3413
--- part09 | Coef. Std. Err. z P>|z| [95% Conf. Interval]
---+---
