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:
2 Elaborada 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 = 100GP= 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.
3 Podría 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]
--------------+----------------------------------------------------------------
33
restcred | -.3051352 .2008065 -1.52 0.129 -.6987087 .0884383
d_obstnorm | .4909135 .2008238 2.44 0.015 .097306 .884521
d_riesgo | .0101234 .1881026 0.05 0.957 -.3585508 .3787977
rankin | .5868978 .0642464 9.14 0.000 .4609773 .7128184
d_Xport08shV0 | .2290743 .2190755 1.05 0.296 -.2003058 .6584543
d_fis081 | .1752691 .2420085 0.72 0.469 -.2990589 .6495971
logtrab | 1.559033 .7284386 2.14 0.032 .13132 2.986747
logtrab2 | -.3322234 .1509658 -2.20 0.028 -.628111 -.0363358
logtrab3 | .02131 .0095595 2.23 0.026 .0025737 .0400463
colab | -.1282694 .2298723 -0.56 0.577 -.5788108 .322272
d_nal | -.2826609 .241871 -1.17 0.243 -.7567194 .1913976
d_umej08 | .1433766 .3095218 0.46 0.643 -.463275 .7500283
d_c1 | .4101731 .3934449 1.04 0.297 -.3609647 1.181311
d_c2 | -.364282 .4433998 -0.82 0.411 -1.23333 .5047657
d_c3 | .2944337 .4118972 0.71 0.475 -.5128701 1.101737
d_c4 | -.2551139 .3140069 -0.81 0.417 -.8705562 .3603283
d_c5 | .0204533 .7794872 0.03 0.979 -1.507314 1.54822
d_c6 | .4056045 .5637832 0.72 0.472 -.6993903 1.510599
d_c7 | -.0254289 .3905636 -0.07 0.948 -.7909194 .7400617
d_c8 | .5034336 .5209551 0.97 0.334 -.5176197 1.524487
d_c9 | 1.004815 .528539 1.90 0.057 -.0311025 2.040732
d_c10 | -.2287959 .6673956 -0.34 0.732 -1.536867 1.079276
d_c11 | -.0563986 1.10275 -0.05 0.959 -2.217749 2.104952
d_c14 | .688077 1.07301 0.64 0.521 -1.414984 2.791138
d_c15 | -.4690853 1.092046 -0.43 0.668 -2.609457 1.671286
_cons | -6.996778 1.314838 -5.32 0.000 -9.573813 -4.419743
Un aspecto a destacar en relación a la estimación de la probabilidad que una empresa
tuvo de ser seleccionada como beneficiaria del programa 2009 es que la variable
d_obstnorm resultó altamente significativa. Esta variable capta la importancia que, como
34
factores que obstaculiza sus actividades de innovación una empresa atribuye a
obstáculos derivados de la legalización vigente (normas, reglamento, estándares,
impuestos). Por tratarse de una variable dummy, que adquieren un valor de uno, si se le
considera un obstáculo „altamente significativo‟. En cambio, lo contrario sucede con la
variable restrcred.
Por otra parte también destaca como resultado que haber sido beneficiario del programa
de estímulos fiscales en 2008 no es estadísticamente significativo.
Resultados al aplicar el método de matching con diferencia en diferencias
Al igual que lo realizado en la sección anterior, 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
(185 empresas), y las que tienen más de este número, que son las que consideramos
como empresas GRANDES (130 empresas).
Cuando se considera únicamente a empresas con menos de 250 trabajadores, el impacto
del programa en el gasto de investigación y desarrollo tecnológico de las empresas es
positivo, con un 5% de significancia estadística. El resultado es $2851.38. Es importante
subrayar que para no rechazar la hipótesis que el multiplicador del apoyo financiero
otorgado es mayor a la unidad, se requiere contrastar esta cifra con el apoyo promedio
recibido por empresa.
Es importante subrayar que el apareamiento o matching entre parejas se restringe a
casos en los que tanto miembros del grupo de tratamiento como del control pertenecen a
MYPYMES y los resultados se presentan a continuación:
Matching con Diferencia en Diferencias
caso en en que las emprsas tienen gasto en 2008 y 2009
Variable Sample Treated Controls Difference S.E. T-stat
gasto en invest. Unmatched 2818.97403
-176.268519 2995.24254 984.82812 3.04
y des. Tecnológico ATT 2604.31343 -
247.074627 2851.38806 1353.49023 2.11
*/com n(2) caliper(0.1) y restringiendo a que sean de sectores 1, 2, 4, 7 y 8
35
assignment Off suppo On suppor Total
Untreated 0 108 108
Treated 10 67 77
Total 10 175 185
Matching con Diferencia en Diferencias
Empresas con menos de 250 trabajadores
caso en en que las empresas tienen gasto en 2008 y 2009
Variable Sample Treated Controls Difference S.E. T-stat
gasto en invest. Unmatched 2818.97403
-176.268519 2995.24254 984.82812 3.04
y des. Tecnológico ATT 2607.625 -467.21875 3074.84375 1602.36374 1.92
*/com n(1) caliper(0.06) y restringiendo a que sean de sectores 1, 2, 4, 7 y 8
assignment Off suppo On suppor Total
Untreated 0 108 108
Treated 13 64 77
Total 13 172 185
En cambio, cuando se considera únicamente a empresas con más de 250 trabajadores, la
media en el gasto de investigación y desarrollo tecnológico de las empresas que
recibieron apoyo económico del programa no es estadísticamente distinta del de la media
de las empresas que no lo recibieron.
Matching con Diferencia en Diferencias
Empresas Grandes (más de 250 trabajadores)
caso en en que las emprsas tienen gasto en 2008 y 2009
Variable Sample Treated Controls Difference S.E. T-stat
gasto en invest. Unmatched
-7559.65079
-16201.4925 8641.84174 11250.1527 0.77
y des. Tecnológico ATT - -8324.2907 7816.38372 19277.4642 0.41
36
507.906977
*/com n(2) caliper(0.1) y restringiendo a que sean de sectores 1, 2, 4, 7 y 8
assignment Off suppo On suppor Total
-----------+----------------------+----------
Untreated | 0 67 | 67
Treated | 20 43 | 63
-----------+----------------------+----------
Total | 20 110 | 130
Matching con Diferencia en Diferencias
Empresas Grandes (más de 250 trabajadores)
caso en en que las emprsas tienen gasto en 2008 y 2009
Variable Sample Treated Controls Difference S.E. T-stat
gasto en invest. Unmatched
-7559.65079
-16201.4925 8641.84174 11250.1527 0.77
y des. Tecnológico ATT -
3070.05128 -
8549.82051 5479.76923 22280.5617 0.25
*/com n(1) caliper(0.06) y restringiendo a que sean de sectores 1, 2, 4, 7 y 8
Treatment Support
assignment Off suppo On suppor Total
Untreated 0 67 67
Treated 24 39 63
Total 24 106 130
6. Objetivos mediatos del programa, medición del impacto del programa en el
registro de patentes durante 2009
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
37
de las empresas puede tener en sus beneficiarios, hay otros impactos, de carácter
mediato, que también se persiguen con un programa de este tipo. En la literatura
especializada, a estos últimos, se les identifica como de impactos de adicionalidad en
resultados de la investigación y desarrollo tecnológico y son, entre otros, registros de
patentes e introducción al mercado de productos y servicios innovadores.
La „cadena de impactos‟ de los apoyos económicos a empresas para apuntalar su
innovación tecnológica, puede ser representada con el siguiente diagrama:
Registro de patentes, productos tecnológicamente nuevos introducidos al
mercado
Un porcentaje más elevado de productos tecnológicamente nuevos en
ventas totales, incremento en productividad empresarial, mayor
competitividad internacional, conservación y expansión de mercados,
generación de empleos bien remunerados
Apoyo económico al gasto en
investigación y desarrollo de tecnología
de las empresas
Adicionalidad en el gasto privado
en investigación y desarrollo
tecnológico
38
En esta sección se considera el impacto del programa en adicionalidad en resultados de
la investigación y desarrollo tecnológico, con particular referencia a registro de patentes.
Para ello, tomamos como base la siguiente pregunta de la encuesta ESIDET 2010:
Indique el número de solicitudes de patentes ante el Instituto Mexicano de la Propiedad Industrial
de invenciones desarrolladas por su empresa en México durante 2008 y 20095
Es importante advertir de fuentes de distorsión que las respuestas a esta pregunta
podrían dar lugar, al estimar el impacto del programa en esta variable. En primer lugar,
podría darse una subestimación del parámetro de interés de no haber transcurrido el
tiempo suficiente para la madurar el producto ó servicio durante un año ó que los trámites
de registro llevaran tiempo y que la correspondiente patente se solicitara en fechas
posteriores a diciembre de 2009. Es decir, el impacto del programa implementado en
2009 podría verse reflejado en solicitudes realizadas posteriormente. (Si bien la respuesta
a esta pregunta se obtuvo en el 2010, en esa encuesta no se pregunta si durante ese año
hubo registro de patentes).
Ante esta posible fuente de distorsión, que se debe a falta de mayor precisión en la
pregunta, no hay algo que pueda hacerse. Es de esperarse, sin embargo, que no sea tan
importante debido a que una empresa que responde a la convocatoria del programa tiene
un incentivo para solicitar, a la brevedad, la patente correspondiente cuando los
resultados de esa investigación son exitosos, haya ó no sido beneficiaria del programa.
Como requisito para ser considerado candidata a recibir apoyo económico, la empresa
debe dar a conocer detalles de su proyecto de investigación tecnológica. Esto, a pesar de
la confidencialidad con que los evaluadores manejan la información, podría dar lugar a
que alguien ajeno a la empresa se apropie indebidamente de las ideas presentadas en el
proyecto.
Por otro lado, se debe advertir de otra fuente de distorsión, esta vez de sobrestimación del
impacto del programa de 2009 en el desarrollo de productos que fueron sujetos de
registro de patente durante ese año. Esta surge cuando los trámites de registro llevan
5 (Subrayado es nuestro. Cabe mencionar que en las versiones previas de la encuesta ESIDET
esta pregunta no hacía particular referencia a las realizadas por la empresa en el país, sino que incluía además las realizadas en el extranjero).
39
demasiado tiempo o si la maduración de los proyectos asociados al programa de
incentivos fiscales a la innovación de 2008 fue mayor al año.
Esto se debe a que una proporción significativa de las empresas que solicitaron participar
en el programa de 2009 fue beneficiaria un año antes del programa de estímulos fiscales
a la innovación de las empresas. Es decir, podría ser el caso de que algunas empresas
registraron patentes en 2009 que hayan sido resultado de proyectos realizados por ellas
durante 2008 y no en 2009. Por consiguiente, este resultado no debe ser atribuible al
programa de 2009, sino al del año anterior.
Una forma de dar la vuelta a esta última fuente de distorsión y considerar el impacto del
programa de apoyos económicos durante 2009 en el registro de patentes, es procurar
responder la siguiente pregunta: ¿Mejoraron su probabilidad de registrar patentes durante
2009 aquellas empresas que, habiendo sido beneficiarias del programa de créditos
fiscales durante 2008, tuvieron también apoyo económico para sus actividades de
innovación durante 2009?
El número de observaciones con las que es posible contar para abordar esta pregunta es
menor que aquel con el que se trabajó en las secciones precedentes. Esto se debe al
requerimiento de restringir el análisis a empresas que participaron tanto en 2008, como en
2009 hayan ó no resultado beneficiarias del programa. A su vez, el requerimiento
responde a la necesidad de contar con la calificación promedio otorgada por evaluadores
a los proyectos presentados tanto a los programas de 2008 como a los de 2009 para
tenerlas como variables instrumentales que corrijan el sesgo de medición en las
estimaciones.
Al igual que en las secciones precedentes, estimamos dos parámetros. El primero es el
que se obtiene al aplicar el método de variables instrumentales (en este caso a una
estimación probit) y el segundo al aplicar el método de apareamiento o matching (en este
caso probabilidades y con el llamado método de “multitratamiento”.
6.1 Aplicación del método de variables instrumentales
Para las estimaciones de esta subsección se cuenta con 106 empresas identificadas
como participantes en el programa de estímulos fiscales en 2008 que vuelven a solicitar
apoyo económico para sus gastos en investigación y desarrollo económico, en el
40
programa de 2009. Para todas ellas se tiene tanto la calificación promedio obtenida en
sus proyectos de 2008 como la correspondiente a 2009.
Debido a que la variable resultante de interés en estas estimaciones es si la empresa
registró al menos una patente ó no, utilizamos el método de variables Probit
Instrumentales. Los resultados obtenidos indican lo siguiente:
No es posible concluir que el programa de apoyo económico al gasto de innovación
empresarial haya mejorado 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.
Probit model with endogenous regressors
Number of obs = 104 Wald chi2(7) = 16.04 Log likelihood = -63.455 Prob > chi2 =
0.0247
Coef. Std. Err. z P>z [95% Conf. Interval]
d_sisi 0.569 0.645 0.88 0.377 -0.694 1.833
d_Xport08shV0 -1.166 0.539 -2.16 0.031 -2.223 -0.110
d_dif1 0.300 0.687 0.44 0.662 -1.046 1.645
d_dif2 0.721 0.651 1.11 0.268 -0.554 1.996
d_dif3 0.882 0.638 1.38 0.167 -0.368 2.133
Colab 1.452 0.416 3.49 0 0.636 2.267
d_nal 0.683 0.440 1.55 0.12 -0.179 1.544
_cons -2.587 0.726 -3.56 0 -4.010 -1.165
/athrho 0.075 0.311 0.24 0.811 -0.536 0.685
/lnsigma -1.107 0.069 -15.97 0 -1.243 -0.971
Rho 0.074 0.310
-0.490 0.594
Sigma 0.330 0.023
0.288 0.379
Instrumented: d_sisi Instruments: d_Xport08shV0 d_dif1 d_dif2 d_dif3 colab d_nal rankin prompond
Wald test of exogeneity (/athrho = 0): chi2(1) = 0.06 Prob > chi2 = 0.8108
41
Esto se debe a que, en la estimación presentada, el coeficiente de la variable dummy,
d_sisi, que capta el impacto atribuible a recibir apoyo económico durante 2009, no resulta
estadísticamente significativa.
Son dos las variables instrumentales que fueron incluidas en esta regresión, rankin y
prompond, que corresponden, respectivamente, a las calificaciones promedio obtenidas
por los proyectos presentados en 2008 y 2009. Como ya se mencionó, debido a que esta
variable no puede ser considerada como exógena en una regresión Probit, se recurrió al
método de variables instrumentales.
Por consiguiente, el parámetro estimado también debe interpretarse como LATE, es decir,
como el efecto promedio local del tratamiento. Por ello, no se refiere a lo que hubiera
sucedido con los beneficiarios del programa si no hubieran recibido el apoyo económico
correspondiente. Se refiere a la respuesta a ¿que habría sucedido con aquellas
empresas que se hubieran visto beneficiadas con apoyo económico de haber habido más
recursos y la calificación promedio mínima para que una empresa participante resultara
beneficiaria del programa hubiera sido „un poco‟ más baja de lo que fue?
Variantes de esta especificación del Probit con variables instrumentales no cambian las
conclusiones de esta subsección. Por un lado en lugar de considerar rangos de gasto en
investigación y desarrollo como porcentaje de ventas, consideramos, también como
porcentaje de ventas, valor de reposición de la maquinaria, equipo e instrumentos
destinados, durante 2009 a la realización de actividades de mejora sustancial o creación
de nuevos productos o procesos.
Por otro lado (estimaciones presentadas en el ápendice de este trabajo), tampoco cambia
el resultado si en lugar de incluir la variable dummy, d_Xport08shV0, que toma el valor de
uno cuando la empresa no exporta y cero si lo hace, se incluye en su lugar variables
dummies que captan distintas proporciones de exportaciones en las ventas totales de la
empresa.
Probit model with endogenous regressors
Number of obs = 104 Wald chi2(7) = 16.08 Log likelihood = -63.482084 Prob > chi2 =
0.0244
Coef. Std. Err. z P>|z| [95% Conf. Interval]
42
d_sisi 0.565 0.640 0.88 0.377 -0.689 1.820
d_Xport08shV0 -1.167 0.538 -2.17 0.03 -2.222 -0.113
d_difV1 0.298 0.685 0.44 0.664 -1.044 1.640
d_difV2 0.722 0.650 1.11 0.267 -0.553 1.996
d_difV3 0.881 0.638 1.38 0.167 -0.370 2.132
Colab 1.453 0.416 3.5 0 0.638 2.268
d_nal 0.681 0.439 1.55 0.121 -0.180 1.543
_cons -2.584 0.727 -3.56 0 -4.008 -1.160
/athrho 0.078 0.310 0.25 0.801 -0.529 0.685
/lnsigma -1.107 0.069 -15.96 0 -1.243 -0.971
Rho 0.078 0.308 -0.485 0.595 Sigma 0.331 0.023 0.289 0.379
Instrumented: d_sisi Instruments: d_Xport08shV0 d_difV1 d_difV2 d_difV3 colab d_nal rankin
prompond
Wald test of exogeneity (/athrho = 0): chi2(1) = 0.06 Prob > chi2 = 0.8012
A manera de ilustración del sesgo de medición que traería el no corregir este problema de
selección en nuestra muestra, presentamos a continuación un modelo Probit en el que la
variable dummy, d_sisi, se considera como exógena y en el que no se incorpora la
información correspondiente a calificaciones promedio obtenidas por los proyectos
presentados en 2008 y 2009.
Probit regression
Number of obs = 104 LR chi2(7) = 23.69 Prob > chi2 = 23.69 Log likelihood = -31.064694
Pseudo R2 = .0276
Pat Coef. Std. Err. z P>|z | [95% Conf. Interval]
d_sisi 0.690 0.404 1.71 0.088 -0.103 1.483
d_Xport08shV0 -1.182 0.536 -2.21 0.027 -2.232 -0.133
d_dif1 0.261 0.671 0.39 0.698 -1.054 1.576
d_dif2 0.683 0.635 1.07 0.283 -0.563 1.928
d_dif3 0.867 0.640 1.36 0.175 -0.387 2.121
Colab 1.439 0.414 3.48 0.001 0.627 2.250
d_nal 0.707 0.428 1.65 0.099 -0.132 1.545
_cons -2.635 0.702 -3.75 0 -4.011 -1.259
43
En esta última regresión Probit, la variable que capta el impacto en registro de patentes
atribuible a recibir apoyo económico durante 2009 resulta estadísticamente significativa al
8%. Esto nos llevaría (erróneamente) a considerar el impacto del programa como
relevante, cuando en realidad no lo fue, si es que es el caso de que la especificación
anterior que utiliza variables instrumentales, es un modelo más adecuado para medir el
parámetro en cuestión.
Debido a que en esta especificación se consideran solo cuatro categorías de proporción
de gasto en investigación y desarrollo tecnológico como proporción de ventas (cero, que
es la variable omitida, d_dif1, d_dif2, d_dif3 y d_dif4) no es posible considerar si puede
atribuirse al programa un efecto indirecto en probabilidad de registrar patentes vía el
efecto en adicionalidad (lo mismo sucede con el acervo de capital destinado a
investigación y desarrollo tecnológico utilizado en el período 2008/2009).
Cuando se estima el modelo con distintas especificaciones para captar este efecto, el
resultado es el mismo (entre otras incluír en lugar de las cuatro categorías, el logaritmo
de la variable gasto en investigación tecnológica ó el logaritmo del capital destinado a la
innovación).
Cabe destacar la importancia que colaborar con otras empresas ó con instituciones de
investigación académica tiene en el logro de registro de patentes. En todas las
estimaciones realizadas, la dummy que capta esta, colab, resultó estadísticamente
significativo al 5%.
6.2 Aplicación del método de matching o Apariamiento con Multitratamiento
En principio este método permitiría abordar, al menos, las siguientes cuatro preguntas:
¿Qué habría sucedido, en términos de su probabilidad a registrar patentes, con las
empresas que se les dio apoyo económico en 2009, pero no estímulos fiscales en 2008,
si se les hubiera negado el apoyo en ambos años?
¿Qué habría sucedido con las empresas que se les dio apoyo económico en 2009 y
estímulos fiscales en 2008, si se les hubiera negado en ambos casos, dado que
solicitaron en los dos años apoyo de estos programas a sus proyectos de investigación
44
pero la calificación obtenida de parte de los evaluadores de éstos resultó por debajo del
umbral de selección?
¿Que habría sucedido con las beneficiarias del programa de 2009, en términos de su
probabilidad a registrar patentes, con las empresas a las que ya se les había otorgado
estímulos fiscales en 2008, si en lugar de haberles dado apoyo económico también en
2009, se les hubiera negado?
Para analizar estos casos se requiere tener como punto de partida no solo las 104
empresas que se utilizaron en la sección anterior, sino éstas más las que correspondiente
a dos casos más: por un lado, las que solicitaron durante ambos años participar en los
correspondientes programas y que fueron rechazadas en las dos ocasiones y por otro
lado, las que fueron rechazadas en 2008, pero no en 2009.
Sin embargo, para comparar con los resultados de la sección anterior y debido al reducido
número de observaciones relacionadas con las dos últimas preguntas, nos concentramos
en la tercera de ellas.
Para ello, como primer paso se requiere una estimación con un modelo multilogit, que se
presenta al final de este trabajo en un apéndice. Los posibles resultados de este modelo
son cuatro: beneficiario tanto en 2009 como en 2008, beneficiario en 2008 pero no en
2009, solicito en ambos años pero fue beneficiario solo en 2009 y , solicito en ambos
años pero fue beneficiario solo en 2008. Para la estimación de este modelo se incluyen
todas las observaciones de empresas con las que se cuenta evaluación promedio
obtenida por sus proyectos durante los dos años en cuestión. En número es de 157.
Como nos concentramos en la tercera de las preguntas planteadas anteriormente, el
segundo paso consiste en realizar el apareamiento de empresas en el subconjunto
“beneficiario tanto en 2009 como en 2008” como grupo de tratamiento y empresas en el
subconjunto “beneficiario en 2008 pero no en 2009” como grupo de control. Las
correspondientes propensiones a participar para realizar el apareamiento son las que
provienen del modelo multilogit y corresponden, tanto para las empresas miembros del
grupo de control como para las del grupo de tratamiento, a la probabilidad de resultar
beneficiario de los programas de ambos años.
El resultado obtenido apuntó en la misma dirección que el de la sección anterior:
45
No es posible concluir que el programa de apoyo económico al gasto de innovación
empresarial haya mejorado 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.
probabilidad de registro de patentes en 2009
matching con dos vecino, calipher .1
Variable Sample Treated Controls Difference S.E. T-stat
Pat Unmatched 0.292 0.125 0.167 0.078 2.14
ATT 0.289 0.244 0.044 0.117 0.38
probabilidad de registro de patentes en 2009
matching con un vecino, calipher .2
Variable Sample Treated Controls Difference S.E. T-stat
Pat Unmatched 0.292 0.125 0.167 0.078 2.14
ATT 0.289 0.333 -0.044 0.132 -0.34
psmatch2: psmatch2: Common Treatment Support assignment Off suppo On suppor Total
Untreated 0 56 56
Treated 3 45 48
Total 3 101 104
Cabe enfatizar la importancia de realizar el procedimiento de matching para llegar a la
estimación correcta del parámetro de interés. Como se puede apreciar en la primera de
las filas de resultados, si el análisis se basara solamente en el promedio de empresas
46
que si patentaron en cada uno de los grupos, se concluiría (erróneamente) que el impacto
del programa es positivo en la probabilidad de patentar.6
Conclusiones
En este trabajo se aplicaron distintos métodos para conocer si el programa de apoyos a
la innovación empresarial durante 2009 en sus tres modalidades, INNOVATEC,
INNOVAPYME Y PROINNOVA, tuvo impacto en el desempeño de sus beneficiarios.
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.
6 Esto es además de que hay que considerar que el tamaño de las muestras quita robustez a las pruebas
estadísticas de comparación de promedios.
47
Apéndice
Multinomial logistic regression Number of obs = 157
LR chi2(39) = 214.27
Prob > chi2 = 0.0000
Log likelihood = -101.53448 Pseudo R2 = 0.5134
-------------------------------------------------------------------------------
mtreat | Coef. Std. Err. z P>|z| [95% Conf. Interval]
--------------+----------------------------------------------------------------
0 |
PROMPOND | -.2059209 .0439685 -4.68 0.000 -.2920977 -.1197441
rankin | -.0298672 .1957373 -0.15 0.879 -.4135053 .3537708
d_conve | -1.244741 .9888724 -1.26 0.208 -3.182895 .6934135
d_coefvkts1 | -1.209187 .9970853 -1.21 0.225 -3.163439 .745064
d_coefvkts2 | -2.17266 1.154181 -1.88 0.060 -4.434812 .0894927
d_coefvkts3 | -2.610552 1.870299 -1.40 0.163 -6.276271 1.055167
d_borra7 | -.194888 1.226624 -0.16 0.874 -2.599026 2.20925
d_Xport08shV0 | 2.499652 .8554723 2.92 0.003 .822957 4.176347
d_umej08 | .2644379 .8626792 0.31 0.759 -1.426382 1.955258
logtrab | 9.98762 5.62978 1.77 0.076 -1.046546 21.02179
logtrab2 | -1.99476 1.036403 -1.92 0.054 -4.026073 .0365535
logtrab3 | .1168417 .0601732 1.94 0.052 -.0010956 .2347791
d_nal | -.6164627 .7655651 -0.81 0.421 -2.116943 .8840173
_cons | -.6912811 9.328029 -0.07 0.941 -18.97388 17.59132
--------------+----------------------------------------------------------------
1 |
PROMPOND | -.1382396 .0383515 -3.60 0.000 -.2134071 -.0630722
rankin | 1.804606 .412632 4.37 0.000 .9958619 2.61335
d_conve | -.0680296 .9389854 -0.07 0.942 -1.908407 1.772348
d_coefvkts1 | .5077084 1.000516 0.51 0.612 -1.453268 2.468684
d_coefvkts2 | -.7218513 1.242928 -0.58 0.561 -3.157945 1.714242
d_coefvkts3 | -.0151475 1.273115 -0.01 0.991 -2.510406 2.480111
d_borra7 | -.2323417 1.164234 -0.20 0.842 -2.514199 2.049515
d_Xport08shV0 | .9105018 .9141486 1.00 0.319 -.8811964 2.7022
d_umej08 | -1.62775 .8862583 -1.84 0.066 -3.364784 .1092844
logtrab | 4.989105 5.426112 0.92 0.358 -5.64588 15.62409
logtrab2 | -1.178716 .9826052 -1.20 0.230 -3.104587 .7471552
logtrab3 | .0724699 .0566919 1.28 0.201 -.0386442 .183584
d_nal | -1.592139 .9028187 -1.76 0.078 -3.361631 .1773536
_cons | -7.512708 9.491498 -0.79 0.429 -26.1157 11.09029
--------------+----------------------------------------------------------------
2 | (base outcome)
--------------+----------------------------------------------------------------
3 |
PROMPOND | -.0007973 .0331709 -0.02 0.981 -.0658111 .0642165
rankin | 2.185147 .4199274 5.20 0.000 1.362104 3.008189
d_conve | 1.467044 .7568592 1.94 0.053 -.0163729 2.95046
d_coefvkts1 | 1.745945 .9411608 1.86 0.064 -.098696 3.590587
d_coefvkts2 | 1.659923 1.042838 1.59 0.111 -.3840021 3.703848
d_coefvkts3 | .404175 1.260828 0.32 0.749 -2.067002 2.875352
d_borra7 | .0194214 1.114991 0.02 0.986 -2.165922 2.204764
d_Xport08shV0 | .297048 .7882177 0.38 0.706 -1.24783 1.841926
d_umej08 | -.2719839 .8683435 -0.31 0.754 -1.973906 1.429938
logtrab | .9450892 5.700383 0.17 0.868 -10.22746 12.11764
logtrab2 | -.4408192 .9876075 -0.45 0.655 -2.376494 1.494856
logtrab3 | .0341157 .054852 0.62 0.534 -.0733924 .1416237
d_nal | -2.08107 .8397533 -2.48 0.013 -3.726956 -.4351841
_cons | -15.26034 10.89412 -1.40 0.161 -36.61243 6.091743
-------------------------------------------------------------------------------
48
Referencias
Aschhoff, B. (2009). "The Effect of Subsidies on R&D Investment and Success –Do Subsidy
History and Size Matter?" Discussi on Paper No. 09032. Centre for European Economic
Research
Benavente J.M. Crespi G. y A. Maffioli (2007). “The Impact of National Research Funds: An
Evaluation of the Chilean FONDECYT”. OVE Working Paper WP 03/07. Banco
Interamericano de Desarrollo. Washington D. C.
Görg, H. y Strobl, E. (2007) “The Effect of R&D Subsidies on Private R&D” Economica, 74, 215-
234.