Para este estudio utilizamos una muestra de 7.000 españoles en
trevistados en la encuesta GEM 2003. La muestra fue obtenida a través de una empresa especializada en encuestas telefónicas.
Mientras que el índice TEA está construido alrededor de me
didas directas de las actividades emprendedoras de los individuos (creación independiente de una empresa, trabajo actual que implique poner en marcha nuevas empresas, actual propietario/
gerente de un negocio), no incluye otros indicadores directos o indirectos de actividad que también tiene un impacto real sobre la actividad emprendedora de los individuos. No obstante, las bases de datos del GEM sí proporcionan algunos tipos de indica
dores ambientales: medidas a nivel macro del entorno nacional para la actividad emprendedora, valoraciones de los expertos sobre el entorno emprendedor del país y valoración de los indivi
duos adultos del entorno próximo percibido.
Este tercer conjunto de variables es de especial interés para esta investigación, ya que ofrece la posibilidad de usar las res
puestas de una muestra de emprendedores y noemprendedores, dos grupos que muestran diferencias significativas en sus per
cepciones del entorno emprendedor. Además, consecuente con denis (1997) y Aldrich et al. (1989), dentro del análisis del en
torno nos concentramos en el examen de la familiaridad del entorno y los procesos intrapoblación, ya que estas variables se relacionan con el entorno emprendedor próximo a los indi
viduos, esto es, los elementos del entorno que están cerca de
una persona, y que pueden fomentar su propensión a fundar un negocio. Este entorno próximo es, en nuestra opinión, más propenso a influir en el comportamiento de los individuos.
Nuestro modelo está basado en el supuesto de que la actividad emprendedora de los individuos y el entorno próximo son varia
bles continuas latentes que están relacionadas con las preguntas de la encuesta, observadas a través de una relación de umbral (thres- hold relationship). Proporcionamos una valoración de la bondad del ajuste del modelo que proponemos, así como combinaciones lineales de los indicadores del GEM que pueden ser usados como proxies válidos de las variables latentes en nuestro modelo.
de acuerdo con la especificación del TEA del GEM, utilizamos tres indicadores de la actividad emprendedora directa (q1, q2 y q3) e incluimos tres preguntas de la encuesta GEM como indicadores del entorno social emprendedor. Éstas son las preguntas:
q4: actividad de business angels, q5: conocer a un emprendedor,
q6: buenas oportunidades para crear una empresa en tu área en los próximos 6 meses.
Un supuesto importante de esta investigación es que las varia
bles q1-q3 y q4-q6 son proxies para dos variables latentes (continuas), la actividad emprendedora y el entorno social emprendedor, respectivamente. El cuadro 2.1 proporciona las frecuencias para las variables GEM empleadas en este estudio. Cinco individuos rechazaron responder a una o más de estas variables y fueron eli
minados de futuros análisis. Así, el tamaño efectivo de la muestra es de 6.995 observaciones.
Nuestra hipótesis es que detrás de las respuestas de un indi
viduo a las preguntas de la encuesta subyace un modelo de dos factores, tal y como se representa en el esquema 2.1. La primera variable latente (factor) corresponde a la propensión del indi
viduo a tomar parte en actividades emprendedoras. Este factor tiene cuatro indicadores (de q1 a q4).10 La segunda variable latente
10 Es interesante subrayar que, desde nuestro punto de vista, ser un business angel es también un indicador de actividad emprendedora, aunque no se tiene en cuenta
corresponde al entorno emprendedor de los individuos con tres indicadores (q 4, q 5, q 6). También proponemos como hipótesis que la propensión a desarrollar actividades emprendedoras de los individuos está determinada por su entorno social emprendedor, único para cada individuo (es decir, que cambia de individuo a individuo).
de acuerdo con esta perspectiva, presentamos un modelo de propensión emprendedora y entorno social emprendedor y defendemos la existencia de una relación entre estas dos dimen
siones, cada una de ellas medida mediante un cierto número de indicadores. El esquema 2.1 presenta nuestro modelo.
en el índice TEA. Incluimos las inversiones de business angels en nuestra medida EA y creemos que el GEM debería reconsiderar y recalibrar la medida TEA, incluso si esto implica reanalizar los datos de años anteriores para que las comparaciones de año en año sean adecuadas y válidas.
cuadro2.1: Frecuencias de variables seleccionadas
Pregunta Variable No No sabe Sí Total
q1 ¿Puesta en marcha independiente de
una nueva empresa? 6.708 0 297 7.005
q2 ¿Trabajo actual implica la puesta en
marcha de una nueva empresa? 6.877 4 114 6.995
q3 ¿Propietario/gerente de un nego
cio? 6.333 1 661 6.995
q4 ¿Business angel en los últimos tres
años? 6.766 0 229 6.995
q5 ¿Conoce emprendedor en los últi
mos dos años? 4.769 144 2.082 6.995
q6 ¿Oportunidades de crear una nueva
empresa en los próximos seis meses? 3.097 1.580 2.318 6.995
esquema2.1: Un modelo bidimensional de la actividad emprendedora a Parámetros fijados para propósitos de identificación.
dado que los errores aleatorios del modelo y las variables latentes están probablemente inducidos por un amplio conjunto de causas, asumimos que los errores aleatorios y las variables la
tentes están distribuidos normalmente. Ahora bien, para vincular este modelo teórico a las respuestas individuales observadas, asu
mimos una relación de umbral de manera que para cada variable observada:
donde los τ son umbrales que cambian de variable a variable, y q * son las puntuaciones de la propensión que subyace debajo de cada respuesta categórica observada.
debe notarse que asumimos que la respuesta no sé proporcio
na información sobre la propensión emprendedora y el entorno social del individuo.11 Además, la incorporación de respuestas no sé al modelo lleva a una reducción sustancial de los casos inutili
zables. Si hubiésemos tratado las respuestas no sé como datos per
didos, el tamaño de la muestra efectiva hubiera sido 5.313 (una pérdida del 24% de los datos).
Ajustamos este modelo de ecuaciones estructurales utili
zando Mplus (Muthén y Muthén 2001). El modelo se ajusta bien, dado el tamaño de la muestra empleada: χ2 = 15,1 con 7 grados de libertad (p = 0,03), rMSEA = 0,01. El cuadro 2.2 proporciona las estimaciones para los parámetros b del modelo (pendientes probit) junto con sus errores estándar. Además, el
11 Nuestro modelo está basado en el supuesto de que las respuestas no sé no se deben al azar. davidsson (2004) expresó preocupaciones acerca de que el GEM dependiera de «la interpretación subjetiva del entrevistado de qué debería ser contado y qué no, como estar intentando empezar un negocio». También afirmó que el problema podría variar según las diferencias culturales, mencionando el ejemplo de Alemania e Irlanda, donde una proporción considerable de respuestas no y no sé podrían ocurrir cuando el entrevistado habría querido decir sí. Siguiendo la idea de grados de actividad emprendedora mencionados anteriormente, asumimos que la pauta observada por los datos que faltan es la siguiente: cuando el entrevistado responde no sé, está eligiendo en realidad una respuesta intermedia entre el sí y el no.
i1
qi =
{
No si q* < τi,1No sabe si τi,1 ≤ q * ≤ τi,2 (2.1) Sí si q * > τi,2
i i i
cuadro 2.3 proporciona el R 2 para cada una de las seis variables utilizadas.
Como puede verse en estos cuadros, la variable que el mo
delo predice peor es si habrá buenas oportunidades de crear negocios en los próximos seis meses (R 2 = 6%). Por otro lado, la variable que mejor predice el modelo es si el trabajo actual implica la creación de un negocio (R 2 = 90%). Esta última es el mejor indicador de la propensión de un individuo a tomar parte en actividades emprendedoras (v. cuadro 2.2). Por otro lado, el mejor indicador del entorno empresarial de los indivi
duos es si han conocido a un emprendedor en los últimos dos años. Finalmente, como proponíamos en nuestra hipótesis, ser un business angel es un proxy débil (aunque significativo) de la propensión de los individuos a tomar parte en una actividad emprendedora.
cuadro2.3: Proporción de varianza explicada para cada uno de los indicadores del modelo
Variable Pregunta R2
q1 ¿Puesta en marcha independiente de una nueva empresa? 0,32 q2 ¿Trabajo actual implica la puesta en marcha de una nueva
empresa? 0,90
q3 ¿Propietario/ gerente de un negocio? 0,25
q4 ¿Business angel en los últimos tres años? 0,18
q5 ¿Conoce emprendedor en los últimos dos años? 0,42 q6 ¿Oportunidades de crear una nueva empresa en los próximos 6
meses? 0,06
cuadro2.2: Parámetros estimados y errores estándar para los parámetros pendientes
Parámetro b1 b2 b3 b4 b5 b6 b7 b8
Estimación 0,51 0,86 0,45 0,65 0,24 0,30 0,18 0,47
Error estándar 0,04 0,06 0,04 0,08 0,03 0,08 0,07 0,09 Nota: N = 6,995
de particular interés es el efecto de la propensión de los individuos a tomar parte en actividades emprendedoras en su entorno social emprendedor. Este efecto es significativo y fuerte, R 2 = 18%.
En conclusión, hemos verificado que nuestro modelo para la actividad emprendedora del GEM es apoyado por los datos. Este modelo asume dos variables latentes continuas, en oposición a la categorización binaria actual del TEA, que clasifica a los encuesta
dos como emprendedores o no emprendedores. Además, permite que los investigadores hagan poderosas inferencias estadísticas sobre el fenómeno emprendedor. En nuestro modelo, las principa
les cantidades de interés son las medias de las variables latentes que tienen que ver con la propensión de un individuo a tomar parte en actividades emprendedoras y con su entorno emprendedor. Lo interesante es investigar cómo estas medias cambian a lo largo del tiempo en un país y comparar resultados entre diferentes países.
También posibilita la comparación de umbrales y pendientes (slo- pes) de las variables latentes a través del tiempo en un mismo país y comparaciones entre diferentes países. Finalmente, la metodología propuesta permite incorporar variables exógenas adicionales a nuestro modelo, como la formación de los individuos, las variables económicas de los países y el entorno cultural del país. Esto per
mite investigar los efectos de estas variables en las medias de las variables latentes del modelo, en los umbrales y en la evolución temporal de las variables latentes como en un análisis probit multi
variado (v. Muthén 1979; Browne y Arminger 1995; Tay 1998).
No obstante, aunque óptimo estadísticamente, el enfoque aquí propuesto requiere una habilidad estadística considerable.
Por tanto, en la siguiente sección consideramos construir combi
naciones lineales de los indicadores que pueden ser usadas como una aproximación a las variables latentes de nuestro modelo.
2.5.1. Proxies de las variables latentes
La posición de cada individuo en las dos variables latentes de nuestro modelo del nivel de actividad emprendedora (así como los errores estándar para esas estimaciones) pueden obtenerse inte
grando la distribución posterior de las variables latentes, dadas las respuestas de cada entrevistado a los seis indicadores considerados
en este estudio. Investigamos en esta sección si, alternativamente, pueden obtenerse proxies adecuados para estas estimaciones por el si
guiente procedimiento: codificamos las respuestas de los indicadores q1 a q6 como No = 0, No sabe = 1, y Sí = 2. Entonces calculamos:
PEI = (q1 + q2 + q3 + q4) / 8 (2.2)
ESEI = (q4 + q5 + q6) / 6 (2.3)
Aquí, PEI y ESEI son índices normalizados (es decir, se sitúan entre 0 y 1) de la propensión de los individuos a tomar parte en actividades emprendedoras y del entorno emprendedor de los individuos, respectivamente. Para investigar la validez convergente y discriminante de estos proxies, calculamos las correlaciones entre éstos y nuestras estimaciones de las variables latentes para cada su
jeto (obtenidas por integración bidimensional). Éstas se muestran en el cuadro 2.4.
Como puede verse en el cuadro, las proxies que proponemos correlacionan 0,90 con nuestras estimaciones de las variables la
tentes. Por lo tanto, muestran una alta validez de convergencia y pueden ser utilizadas como proxies válidas de las variables latentes.
Sin embargo, nótese que el uso de proxies subestima la correlación entre actividad emprendedora y entorno emprendedor, porque no
cuadro2.4: Correlaciones entre el TEA, punto estimado de las variables latentes y las variables latentes proxies
TEA PEI ESEI
Actividad emprendedora 0,73 0,89 0,47
Entorno social emprendedor 0,29 0,41 0,90
TEA 1,00 0,70 0,10
PEI 0,70 1,00 0,22
ESEI 0,10 0,22 1,00
Nota: Todas las correlaciones son significativas (α = 0,01); la actividad emprendedora y el entorno son las estimaciones de las variables latentes de cada sujeto obtenidas por integración, PEI y ESEI son nuestras proxies de esas variables latentes.
toma en cuenta la falta de fiabilidad de las proxies. La correlación entre las proxies es sólo 0,22 (v. cuadro 2.4) mientras que la correla
ción entre las variables latentes es 0,47 (v. b8 en cuadro 2.2).
Asimismo, el índice TEA correlaciona 0,70 con la proxy de acti
vidad emprendedora (esto es, PEI) pero sólo 0,10 con la proxy de entorno social emprendedor (esto es, ESEI). Así, aunque está basa
da en principios muy distintos, nuestra medida de la actividad em
prendedora (PEI) correlaciona fuertemente con el índice TEA.