Análisis económico financiero de las barreras a la

innovación en el sector eléctrico

Autores y e-mail de la persona de contacto: Joaquín Enríquez-Díaz (joaquin.enriquez@udc.es) Rubén Lado-Sestayo Begoña Álvarez García Ángel S. Fernández Castro

Departamento: Economía Financiera y Contabilidad

Universidad: Universidade da Coruña

Área Temática: Crecimiento, desarrollo, competitividad y desigualdades territoriales

Resumen: La innovación es un factor fundamental, no solamente a la hora de mejorar la explotación de los diferentes recursos sino también porque permite potenciar la competitividad del tejido empresarial y, como consecuencia de ello, favorecer el crecimiento económico. Partiendo de este marco y teniendo en cuenta la fuerte crisis económica sufrida, nos planteamos comprobar que obstáculos y motores pueden estar detrás de la decisión de desarrollar proyectos de I+D. Para ello nos centraremos en el sector eléctrico debido ya no sólo a su importancia en la estructura productiva de nuestro país, sino también debido a que en los últimos años están alcanzando un interés creciente los proyectos innovadores sobre fuentes energéticas respetuosas con el medioambiente y que consigan mitigar el cambio climático.

Palabras Clave: Economía financiera, Innovación y Competitividad Clasificación JEL: P34 Economía financiera, O31 Innovación e invención procesos e incentivos, O32 Gestión de la innovación tecnológica y de la I+D

2

1.- Introducción

La inversión en innovación es un factor fundamental en cualquier sector como

motor de la competitividad del tejido empresarial y del crecimiento económico (Porter,

1990). Es por este motivo que las distintas autoridades (tanto nacionales como

supranacionales) tratan de impulsar la innovación a distintos niveles. Así hay que destacar

que la Unión Europea (UE) recomienda a los países integrantes que hasta el año 2020

traten de invertir al menos un 3 % del PIB en I+D (un 1 % procedente de la financiación

pública y al menos un 2% de inversión privada) con la principal finalidad de incrementar

el PIB comunitario en unos 800.000 millones de euros y generar un importante número

de puestos de trabajo. Asimismo, la UE ha puesto en marcha el programa “Horizonte

2020” que, entre otros objetivos, persigue el tratar de “consolidar la innovación industrial

incluida la inversión en tecnologías fundamentales” así como incrementar las “facilidades

para acceder al capital y apoyo a las pequeñas empresas”.

La innovación es especialmente necesaria en el sector eléctrico debido al

importante reto en el que actualmente se encuentra involucrado, con el fin de impulsar

nuevas fuentes de energía que reduzcan los gases de efecto invernadero, faciliten una

reducción de los riesgos energéticos y promuevan la competitividad económica. Es por

ello que este trabajo profundiza en el estudio de las barreras y motores a la innovación a

los que se enfrenta el sector en estos nuevos tiempos.

Para ello, nuestro estudio se estructurará del siguiente modo: tras esta breve

introducción, en un segundo apartado realizaremos un análisis de las diferentes

contribuciones de la literatura a la hora de explicar las barreras y motores a la innovación;

a continuación, en los siguientes apartados pasaremos a explicar los datos y la

metodología que se utilizará en nuestro estudio para finalmente presentar los resultados

obtenidos y plantear de manera sucinta las conclusiones obtenidas.

3

2.- Marco teórico

Muchos estudios recientes se han consagrado a analizar las barreras y motores a

la innovación en diferentes sectores (Coad Pellegrino y Savona, 2015; Lööf y Nabavi,

2015; Blanchard, 2013). En el caso particular del sector energético, la tradición

investigadora en los últimos años se ha centrado en los diferentes procesos de

liberalización que se han llevado a cabo en el sector y en cómo han afectado de forma

negativa a la inversión en I+D (Kim et al, 2012; Jamasb y Pollit, 2008; Sanyal y Ghosh,

2013; Sanyal y Cohen, 2009). Por el contrario, existen pocos estudios centrados en

analizar los obstáculos a la innovación y en comprobar las posibles barreras financieras

existentes.

Las principales barreras financieras a la hora de llevar a cabo un proyecto de

carácter innovador suelen estar derivadas de la naturaleza o características de este tipo de

inversiones (Hall, 2002). Estos proyectos suelen tener como principales resultados la

creación de activos intangibles (piénsese, por ejemplo, en conocimientos para la empresa

a partir de los cuales se generarán futuros flujos de beneficios) y además están rodeados

de un alto grado de incertidumbre, características que pueden suponer la generación de

problemas de riesgo moral así como de información asimétrica, debido a que

generalmente los encargados de desarrollar los procesos tienen una mayor información

que los posibles inversores. Esto acaba derivando en mayores compensaciones por el

riesgo asumido con la inversión, mediante primas de riesgo más altas de las que se

exigirían para otro tipo de proyectos.

Sin embargo, a pesar de que la naturaleza de estos proyectos suele llevar asociada

de por sí la existencia de obstáculos financieros, algunos estudios han obtenido que las

variables financieras no son significativas (Salies, 2010; Costa-Campi et al., 2014) y, por

lo tanto, no son factores explicativos de las restricciones a la hora de llevar a cabo

inversiones en I+D. No obstante, con la crisis económica actual las restricciones de

4

crédito han sufrido un gran aumento pudiendo afectar de una manera más intensa a las

firmas innovadoras y más concretamente a las jóvenes y pequeñas empresas (Hall, 2016).

Además de las variables de corte estrictamente financiero, en la literatura en la

que se analiza, se han propuesto también otro tipo de variables de corte más empresarial.

Entre ellas podemos citar: el tamaño empresarial, el cual tendría un efecto positivo a la

hora de decidir innovar (Costa- Campi et al., 2014; Salies, 2010; Sanyal, 2007; Jamasb et

al., 2008), lo que ayuda a entender que aquellas industrias con mayor concentración tienen

mayores incentivos a la hora de emprender innovaciones (Sanyal, 2013); la rentabilidad

entendiendo por tal una medida de la salud de la empresa, de manera que una empresa

con mayores rentabilidades podría invertir más en actividades innovadoras (Salies, 2010;

Sanyal, 2007); la edad, ya que puede influir a la hora de conseguir financiación, de manera

que las empresas con mayor antigüedad podrían tener más facilidades para financiar

proyectos de I+D (Costa-Campi et al., 2014; Lee et al., 2015); la cooperación, variable

que se esperaría que tuviese un efecto positivo derivado de las sinergias que podrían

crearse (Costa-Campi et al., 2014) y que facilitarían el proceso y el reparto de dividendos,

ya que se relaciona a las empresas más innovadoras con un menor reparto de dividendos

(Salies, 2010).

Por otro lado resulta también interesante mencionar que algunos trabajos

introducen variables que podrían agruparse como características regionales: entre las que

se podrían incluir: las características del país, entendiendo por tales si la zona en la que

se encuentra la industria es intensiva o no en I+D, si existe una mayor riqueza en esa

región derivando en una alta demanda etc. (Salies, 2010); las ayudas públicas a la

financiación de la inversión; posibles cambios institucionales que afecten a las decisiones

de innovar como una posible desregularización (Costa-Campi et al. 2014); el

denominado “fuel mix” de manera que aquellas zonas que presentan una mayor tradición

de producción mediante fuentes de energía renovable suelen llevar a que las empresas

energéticas innoven si cabe más, mientras que las zonas con una tradición en

5

combustibles fósiles o una producción de tipo nuclear induce a que las empresas tengan

menores incentivos (Salies 2010).

3.- Datos

Para este estudio, el análisis empírico se desarrolla utilizando los datos facilitados

por el “Panel de Innovación Tecnológica de España” (PITEC), elaborado por el Instituto

Nacional de Estadística (INE) junto con la Fundación Española para la Ciencia y la

Tecnología (FECYT). El PITEC consiste en una base de datos de tipo panel que realiza

un seguimiento de las actividades de innovación tecnológica de las empresas españolas,

en este momento con datos disponibles para el período 2004 - 2013, lo que nos permite

poder tener en cuenta la situación anterior y posterior al inicio de la crisis económica.

La base de datos del PITEC contiene información agregada de un conjunto de

empresas para cada uno de los diferentes sectores del CNAE (Clasificación Nacional de

Actividades Económicas), por lo que en primer lugar se han seleccionado las empresas

correspondientes al sector de Energía y Agua, para posteriormente quedarnos sólo con la

información correspondiente a las empresas puramente energéticas, objeto de nuestro

estudio. Para ello, hemos filtrado las empresas del subsector de la energía mediante el

criterio que plantean autores como Costa-Campi et al. (2014) el cual consiste en tener en

cuenta que en España las empresas eléctricas y de gas han venido sufriendo un proceso

de privatización desde el año 1998 lo que permite afirmar que en el periodo de tiempo

estudiado son de titularidad privada, mientras que la industria del agua es de titularidad

pública.

Además de este proceso de filtrado muestral, también se han realizado una serie

de depuraciones de las observaciones de acuerdo con diferentes estudios precedentes de

manera que se ha prescindido de las firmas que presentan una serie de características que

no nos permiten poder considerarlas como potenciales innovadores (no haber innovado,

no necesitar innovar o bien no percibir ningún obstáculo a la innovación) y por lo tanto

6

carecen de interés para obtener resultados concluyentes (Costa-Campi et al., 2014;

Blanchard et al., 2013).

4.- Análisis Empírico y Resultados

4.1 Análisis descriptivo

Para este estudio preliminar se ha decidido abordar la decisión de innovar o no

diferenciando entre innovar en producto o innovar en proceso, y se han tomado como

variables explicativas las siguientes que se muestran en la tabla 1:

Tabla 1: Descripción de las Variables Explicativas

Variables Definición

“Size” Número de empleados (en miles) en el momento t.

“Age” Número de décadas durante las cuales ha estado operando la empresa

“Publicfunds” Dummy: 1 si la empresa ha recibido fondos públicos de Administraciones Públicas

y 0 en caso contrario

“Foreingcapital” Dummy: 1 si la empresa tiene participación extranjera o si se trata de una empresa

multinacional y 0 en caso contrario

“Cooperation” Dummy: 1 si existe cooperación en innovación y 0 en caso contrario

“Group” Dummy: 1 si la empresa pertenece a un grupo y 0 en caso contrario

“Costbarriers” Dummy: 1 si las barreras de costes son consideradas importantes y 0 en caso

contrario

“Knowledgebarriers” Dummy: 1 si las barreras de conocimiento e información son consideradas

importantes y 0 en caso contrario

“Marketincumbents” Dummy: 1 si las barreras derivadas de la competencia son consideradas

importantes y 0 en caso contrario

“Marketdemanduncertainty” Dummy: 1 si las barreras derivadas de la demanda incierta de bienes y servicios

innovadores son importantes y 0 en caso contrario

Nota: Las variables a explicar (decisión de innovar en producto o proceso) también quedan definidas como variables

dummy, tomando valor 1 si la empresa decide innovar y 0 en caso contrario

7

Antes de pasar a establecer un modelo que nos permita explicar cómo las

diferentes variables propuestas influyen a la hora de decidir innovar en proceso o en

producto, resulta interesante desarrollar un breve análisis descriptivo incluyendo un

análisis de significatividad de las diferencias observadas. De esta manera, se pretende

evaluar si las diferencias observadas entre las empresas que desarrollan innovaciones y

las que deciden no innovar son estadísticamente significativas. Para ello se ha utilizado

el test t de student de diferencia de medias y el test 𝜒𝜒2 de diferencia de proporciones en

función del tipo de variable analizada. Asimismo, y considerando que el impacto de la

crisis económica en España que podría provocar cambios estructurales en el modelo, se

ha decidido dividir el análisis en dos períodos, esto es, antes de la crisis (2003-2007) y

después de la misma (2008-2013) para así poder comprobar si pueden existir cambios en

el comportamiento innovador de las empresas (véanse las tablas 2 y 3 respectivamente).

Tabla 2: Análisis descriptivo 2003 - 2007

Derivado de este análisis podemos comentar que, para el período anterior a la

crisis económica, observamos como las empresas que innovan en producto se

corresponden con aquéllas que cooperan más (casi un 68 % de las empresas que innovan

cooperan) y con aquéllas que perciben mayores barreras relacionadas con la competencia

Antes 2008 Producto Proceso Innovan (SI/NO) No Sí p-valor No Sí p-valor

mean sd mean sd mean sd mean sd size_1000 0.874 1.516 0.699 1.201 0.2280 0.455 0.740 0.885 1.501 0.9287

age_10 3.022 3.419 2.573 2.700 0.1978 2.793 3.029 2.859 3.196 0.5394 publicfunds 0.446 0.500 0.424 0.498 0.791 0.464 0.508 0.431 0.497 0.748

foreigncapital 0.098 0.299 0.153 0.363 0.311 0.357 0.488 0.065 0.248 <0.001 cooperation 0.522 0.502 0.678 0.471 0.057 0.393 0.497 0.626 0.486 0.024

group 0.739 0.442 0.797 0.406 0.419 0.714 0.460 0.772 0.421 0.515 Costbarriers 0.793 0.407 0.763 0.429 0.655 0.714 0.460 0.797 0.404 0.341

Knowledgebarriers 0.587 0.495 0.508 0.504 0.344 0.500 0.509 0.569 0.497 0.507 Marketincumbents 0.185 0.390 0.322 0.471 0.053 0.536 0.508 0.171 0.378 <0.001

marketdemanduncertainty 0.391 0.491 0.373 0.488 0.820 0.464 0.508 0.366 0.484 0.334 N 92 59 28 123

8

del mercado (un 32 % de las empresas que realizan innovaciones de producto perciben la

competencia del mercado como barrera). En cuanto a la hora de desarrollar innovaciones

de proceso, se observa que las empresas que innovan se corresponden con empresas que:

no reciben inversión extranjera (tan sólo un 6.5 % de las empresas que realizan

innovaciones en proceso reciben fondos externos), que tienen un alto grado de

cooperación (cerca del 63 % de las empresas que desarrollan este tipo de innovación

cooperan) y que no perciben barreras derivadas de la competencia (tan sólo un 17 % de

las empresas que innovan las perciben).

Tabla 4: Análisis descriptivo 2008 – 2013

Producto Proceso Después 2007 No Sí p-

valor No Sí p-valor

mean sd mean sd mean sd mean sd

size_1000 0.639 0.919 0.833 0.977 0.9389 0.903 1.177 0.699 0.900 0.1158 age_10 4.263 3.630 3.469 3.342 0.0438 4.035 4.160 3.856 3.383 0.3883

publicfunds 0.433 0.498 0.670 0.472 <0.001 0.649 0.484 0.526 0.501 0.170 foreigncapital 0.275 0.448 0.321 0.469 0.446 0.378 0.492 0.281 0.451 0.236 cooperation 0.542 0.500 0.734 0.444 0.003 0.595 0.498 0.641 0.481 0.595

group 0.742 0.440 0.881 0.326 0.008 0.730 0.450 0.823 0.383 0.188 Costbarriers 0.733 0.444 0.890 0.314 0.003 0.865 0.347 0.797 0.403 0.336

Knowledgebarriers 0.392 0.490 0.596 0.493 0.002 0.486 0.507 0.490 0.501 0.972 Marketincumbents 0.250 0.435 0.367 0.484 0.055 0.324 0.475 0.302 0.460 0.788

marketdemanduncertainty 0.475 0.501 0.569 0.498 0.156 0.514 0.507 0.521 0.501 0.935 N 120 109 37 192

Para el período posterior a la crisis económica, observamos que las empresas

innovadoras en producto son aquéllas con: menos años en funcionamiento o dicho de otro

modo las empresas más jóvenes (así las empresas que innovan tienen una media de edad

de 35 años de existencia, frente a la media de casi 43 años de las que no innovarían en

producto), que perciben mayores cantidades de fondos públicos (un 67 % de las empresas

que innovan perciben fondos), que más cooperan o que pertenecen a grupos empresariales

(un 73.4 % de las empresas que innovan en producto cooperan y un 88 % de las firmas

9

innovadoras pertenecen a grupos empresariales) así como aquellas que perciben barreras

de costes, de conocimiento o información y barreras de competencia del mercado (un 89

% de las empresas que innovan en producto presentan barreras de costes, en torno al 60

% identifican impedimentos de tipo de información o conocimiento y casi el 37%

identifican barreras relacionadas con la competencia). Por el contrario, para el caso de

decidir realizar innovaciones en proceso, después de la crisis económica, no se han

encontrado diferencias estadísticamente significativas.

4.2 Especificación del modelo

Como consecuencia de las diferencias observadas en el análisis descriptivo, se

plantea diferenciar el periodo anterior a la crisis y el posterior, a partir del modelo que

proponen algunos autores como Pellegrino Savona (2013) donde la variable a explicar es

la decisión a innovar (en producto o proceso) y las variables explicativas las que se han

descrito en la tabla 1.

Debido a que la variable explicada toma los valores 0 o 1, las ecuaciones

planteadas se estiman a través de modelos de probabilidad condicionada PROBIT. Esta

metodología establece una relación no lineal entre la variable dependiente y el conjunto

de variables independientes.

Pr(𝑦𝑦 = 1|𝑥𝑥) = Pr(𝜀𝜀 > −{𝛼𝛼 + 𝛽𝛽𝑥𝑥}|𝑥𝑥) (1)

De este modo, se muestra que la probabilidad condicionada en x de que la empresa

pertenezca a un determinado grupo (innovadora versus no innovadora) depende de la

distribución de ε. De acuerdo al modelo PROBIT, se asume que ε está distribuido como

una normal con Var(ε)=1, de forma que:

Pr(𝑦𝑦 = 1|𝑥𝑥) = ∫ 1√2𝜋𝜋

𝑧𝑧−∞ 𝑒𝑒(−𝑠𝑠

2

2 )𝑑𝑑𝑑𝑑 (2)

10

Donde 𝑧𝑧 = 𝛼𝛼 + 𝛽𝛽𝑥𝑥; y la variable “s” es una variable muda de integración con

media cero y varianza igual a 1

Tabla 5: Resultados de la estimación del modelo

Notas: Esta tabla representa los efectos marginales, con errores estándar heterocedásticamente robustos entre paréntesis debajo. R2de McFadden es una medida de la bondad de ajuste del modelo. AREA es una medida conjunta de la sensibilidad y especificidad del modelo. Pearson es un test χ2 de especificación del modelo. Log-Lik es el valor de la función de máxima verosimilitud. Mean VIF es la media del factor de inflación de la varianza, que se utiliza como un indicador de multicolinealidad. Breusch-Pagan es el valor del test de heterocedasticidad a partir de una estimación lineal. AIC (Akaike info criterion) y BIC (bayesian information criterion) son test comparativos de la capacidad explicativa entre modelos. ***,**;* significativo al 1%, 5% y 10% respectivamente.

2003-2007 2008-2013

VARIABLES Product Process Total Product Process Total

size_1000 -0.028 -0.012 0.025 -0.011 -0.036 -0.033* (0.031) (0.019) (0.020) (0.037) (0.028) (0.019)

age_10 -0.007 0.007 0.023** -0.011 -0.001 -0.010** (0.011) (0.008) (0.010) (0.009) (0.007) (0.005)

publicfunds 0.043 -0.154*** -0.066 0.158** -0.077 -0.120*** (0.085) (0.054) (0.042) (0.076) (0.053) (0.044)

foreigncapital 0.195 -0.340*** -0.107* -0.003 -0.047 0.082* (0.128) (0.068) (0.055) (0.078) (0.054) (0.043)

cooperation 0.231*** 0.076 0.043 0.126* 0.061 0.060 (0.089) (0.058) (0.044) (0.074) (0.051) (0.037)

group 0.066 0.021 0.035 0.132 0.105* 0.168*** (0.101) (0.058) (0.047) (0.083) (0.061) (0.047)

costbarriers -0.027 0.117* 0.056 0.089 -0.042 -0.034 (0.098) (0.066) (0.048) (0.104) (0.075) (0.059)

knowledgebarriers -0.126 0.122** 0.011 0.115* 0.013 0.092** (0.083) (0.056) (0.044) (0.064) (0.051) (0.042)

Marketincumbents 0.222** -0.234*** -0.115** 0.179** -0.042 -0.019 (0.106) (0.056) (0.045) (0.080) (0.053) (0.044)

Marketdemand uncertainty

-0.115 -0.044 -0.015 -0.134 0.025 -0.035

(0.097) (0.069) (0.048) (0.083) (0.058) (0.048)

N 151 151 151 229 229 229 R2de McFadden 0.0810 0.296 0.241 0.104 0.0447 0.204

Área 0.7123 0.8454 0.8579 0.7289 0.6671 0.8301 Pearson 0.2603 0.2114 0.9996 0.3160 0.3104 0.6444 Log-lik -92.85 -51.00 -33.63 -142.0 -96.75 -57.66

Mean VIF 1.30 1.30 1.30 1.39 1.39 1.39 Breusch-Pagan 4.54** 19.61*** 88.05*** 3.91** 15.45*** 85.65***

AIC 1.375 0.821 0.591 1.336 0.941 0.600 BIC -516.723 -600.411 -635.160 -900.505 -991.051 -1069.234

11

Los test empleados indican que no existen problemas de multicolinealidad ni

especificación del modelo, y los errores robustos a la heterocedasticidad eliminan el

impacto potencial de este problema. Asimismo, los test de selección de modelos así como

la relación entre especificidad-sensibilidad apuntan a que los modelos explicativos de la

innovación de proceso y de innovación total presentan mejores resultados que el modelo

de innovación de producto.

4.3 Resultados de la estimación del modelo

Para el período anterior a la crisis económica, la estimación del modelo indica que

en el caso de decidir innovar en producto son variables estadísticamente significativas: la

cooperación (de manera que si las empresas colaboran entre ellas se incrementaría en un

23.1 % la probabilidad de que innoven en producto) así como la identificación de barreras

derivadas de la competencia de mercado (afectando de manera positiva a innovar, puesto

que incrementarían la probabilidad en un 22.2 %). Estos resultados coinciden con lo

señalado en el análisis descriptivo.

Por el contrario, al considerar decidir innovar en proceso obtenemos que son

variables significativas: los fondos públicos (los cuales afectan de manera negativa,

puesto que reducirían la probabilidad de que las empresas innoven en proceso en un 15.4

%), el capital externo (afectando negativamente a la hora de innovar reduciendo la

probabilidad en un 34 %), la identificación de barreras de coste y conocimiento (cuya

identificación afecta de manera positiva a la probabilidad de innovar en proceso

incrementándola en un 11.7 % y un 12.2 % respectivamente) y finalmente las barreras de

competencia de mercado (las cuáles afectan de manera negativa a la probabilidad de

innovar reduciéndola en un 23.4 %). Cabe señalar que la variable cooperación, que en el

análisis descriptivo habíamos señalado como significativa resulta a raíz del modelo no

significativa, esto es debido a que probablemente las empresas no innoven por cooperar

12

más sino por otras variables como podrían ser identificar problemas de información o

conocimiento (significativa en el modelo) que las llevan a cooperar para poder innovar.

Para el período que sigue a la crisis económica, vemos que las variables

significativas en el caso de decidir innovar en producto son: los fondos públicos (que

ahora sí serían significativos y afectarían positivamente a la probabilidad de innovar

incrementándola en un 15.8 %), la cooperación y las barreras de competencia de mercado

(ambas continuarían siendo significativas después de la crisis económica y sus efectos

serían nuevamente positivos: en el caso de la cooperación, esta incrementaría la

probabilidad de innovar en producto en un 12.6% mientras que en el caso de las barreras

de competencia sería de un 17.9% ) y finalmente la variable que recoge las barreras de

conocimiento cuyo efecto sería positivo (aumentarían la probabilidad de innovar en

producto en un 11.5 %). Con respecto al análisis descriptivo realizado anteriormente,

vemos ahora como las variables edad, pertenencia a grupo y barreras de coste no afectan

directamente a la decisión de innovar en producto.

En lo que se refiere a la decisión de innovar en proceso, después de la crisis

tenemos tan sólo como variable explicativa significativa el hecho de pertenecer a un grupo

de empresas, variable que afectaría positivamente a la decisión de innovar en proceso

incrementando la probabilidad de la misma en un 10.5 %. Con respecto al período anterior

vemos que dejan de ser significativas variables que antes sí lo eran y con una probabilidad

del 1 % como los fondos públicos, la inversión externa o las barreras de competencia de

mercado.

13

5.- Conclusiones

Este trabajo ha identificado y cuantificado el impacto de las barreras a la

innovación en el sector de la energía española, diferenciando entre las variables que

afectan tanto a la decisión de innovar en producto (entendiendo por tal conseguir nuevas

fuentes de energía) como a la decisión de innovar en proceso (mejorar los actuales

procesos productivos, persiguiendo un mayor grado de eficiencia en los mismos). De los

resultados obtenidos cabe destacar varias cuestiones que resultan interesantes a la hora de

comprender qué es lo que motiva que las empresas decidan innovar y que pasamos a

enumerar a continuación.

En primer lugar, es interesante el hecho de que la financiación pública ha venido

afectado de manera negativa a la hora de innovar en proceso en los años anteriores a la

crisis económica, mientras que a partir del 2008 se aprecia un cambio de tendencia

pasando a fomentar que las empresas decidan innovar en nuevos productos. Esta situación

podría tener como explicación que las empresas energéticas orientan los fondos públicos

a producir nuevos bienes y servicios y en menor medida a mejorar su innovación en

producción (esto es, producir con menores costes y por tanto mejorando su eficiencia).

En lo que se refiere al incremento de la influencia de las ayudas después de la crisis,

promoviendo la innovación de producto, podríamos establecer una relación con las

denominadas “ayudas de compra pública innovadoras” aprobadas en el año 2010. Así, el

hecho de que las ayudas públicas tengan como finalidad la financiación de resultados en

producto, y no de mejoras organizativas podría generar incentivos que reorienten recursos

de la innovación en proceso a la innovación en producto en aquellas empresas dispuestas

a innovar.

En segundo lugar, cabe señalar que la variable cooperación presenta unos

resultados acordes con lo que viene planteando la literatura (Blanchard ,2013), en todos

los casos se observa que influye positivamente a la hora de innovar. Atendiendo a los

resultados del modelo planteado en este trabajo, esta variable solamente es significativa

14

a la hora de innovar en producto, lo cual parece indicar que las empresas tienden a llegar

a acuerdos para conseguir producir nuevos bienes y servicios (nuevas fuentes de energía)

y no para mejorar sus procesos productivos. Las dificultades a la hora de determinar la

propiedad de las mejoras en proceso, o la importancia del know-how como ventaja

competitiva podrían ser causas que explicasen esta menor propensión a llegar a acuerdos.

En tercer lugar, el análisis realizado confirma que las barreras de tipo puramente

financiero (barreras de costes) no son demasiado representativas a la hora de explicar las

decisiones de innovación en este sector, tal y como han venido señalando algunos estudios

(Costa-Campi et al., 2014; Salies , 2010) y además los resultados apuntan a que ello no

se ve afectado con la crisis económica (la variable no presenta una mayor

significatividad).

Para finalizar, es necesario realizar un último apunte en relación a la influencia de

las diferentes barreras a innovar. Con el análisis realizado se ha comprobado que las

barreras derivadas de la competencia de mercado presentan un signo diferente

dependiendo del tipo de innovación que consideremos. Así se constata que una mayor

competencia impulsa a las firmas a innovar en producto y no en proceso, y en definitiva,

las empresas energéticas podrían competir más por la vía de nuevos productos que por la

vía de mejoras en los procesos productivos, esto es, reducción de costes.

15

Bibliografía:

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, 22(3), 679-710. Coad, A., Pellegrino, G., & Savona, M. (2015): “Barriers to innovation and firm productivity”, Economics of Innovation and New Technology, 1-14. Costa-Campi, M. T., Duch-Brown, N., & Garcia-Quevedo, J. (2014): “R&D drivers and obstacles to innovation in the energy industry”, Energy Economics,46, 20-30. Crépon, B., Duguet, E., & Mairessec, J. (1998): “Research, Innovation And Productivity: An Econometric Analysis At The Firm Level”, Economics of Innovation and new Technology, 7(2), 115-158. Hall, B. H. (2002): “The financing of research and development”, Oxford review of economic policy, 18(1), 35-51. Hall, B. H., Moncada-Paternò-Castello, P., Montresor, S., & Vezzani, A. (2016): “Financing constraints, R&D investments and innovative performances: new empirical evidence at the firm level for Europe”, Economics of Innovation and New Technology, 25(3), 183-196. Jamasb, T., & Pollitt, M. (2008): “Liberalisation and R&D in network industries: The case of the electricity industry”, Research Policy, 37(6), 995-1008. Kim, J., Kim, Y., & Flacher, D. (2012): “R&D investment of electricity-generating firms following industry restructuring”, Energy policy, 48, 103-117 Lee, N., Sameen, H., & Cowling, M. (2015): “Access to finance for innovative SMEs since the financial crisis”, Research policy, 44(2), 370-380. Lööf, H., & Nabavi, P. (2015): “Innovation and credit constraints: evidence from Swedish exporting firms”, Economics of Innovation and New Technology, 1-14.

16

Pellegrino, G., & Savona, M. (2013): I”s money all? Financing versus knowledge and demand constraints to innovation”, IEB Working Paper, N. 2013/021 Porter, M. (1990): “The competitive advantage of nations”, Harvard Business Review. March – April, pp. 73-91. Salies, E. (2010): “A test of the Schumpeterian hypothesis in a panel of European electric utilities”, Innovation, Economic Growth and the Firm: Theory Evidence Industrial Dynamics. Cheltenham, UK: Edward Elgar. Sanyal, P. (2007): “The effect of deregulation on environmental research by electric utilities”, Journal of Regulatory Economics 31(3), 335-353. Sanyal, P., & Cohen, L. R. (2009): “Powering progress: restructuring, competition, and R&D in the US electric utility industry”, The Energy Journal, 41-79 Sanyal, P., & Ghosh, S. (2013): “Product market competition and upstream innovation: evidence from the US electricity market deregulation”, Review of Economics and Statistics, 95(1), 237-254.

Agradecimientos

Los autores agradecen el apoyo financiero recibido por parte de las ayudas de apoyo a la etapa predoctoral en las universidades del SUG, en los organismos públicos de investigación de Galicia y en otras entidades del Sistema gallego de I+D+i, cofinanciadas parcialmente por el programa operativo FSE Galicia 2014-2020 (Ref. ED481A-2016/316)