Evaluación de los programas INNOVATEC, INNOVAPYME Y ...€¦ · INNOVATEC daba prioridad a...

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



CONACYT?



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



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:



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



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



(29 control y 44 tratamiento, caso en el que el gasto es positivo solo en 2009)

Mean Std. Dev. Min Max



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).


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.


Wald chi2(27) = 105.06

Prob > chi2 = 0.0000

R-squared = 0.3034

Root MSE = 1.4367


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


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


Wald chi2(25) = 90.86

Prob > chi2 = 0.0000

R-squared = 0.3875

Root MSE = 1.3307


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

-------------------------------------------------------------------------------


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


Empresas con menos de 250 trabajadores

caso en en que las empresas tienen gasto en 2008 y 2009


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



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.


Empresas Grandes (más de 250 trabajadores)



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



-----------+----------------------+----------

Untreated | 0 67 | 67

Treated | 20 43 | 63

-----------+----------------------+----------

Total | 20 110 | 130


Empresas Grandes (más de 250 trabajadores)



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


Treatment Support


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



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


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


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


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.

Evaluación de los programas INNOVATEC, INNOVAPYME Y ...€¦ · INNOVATEC daba prioridad a...

Documents

Transcript of Evaluación de los programas INNOVATEC, INNOVAPYME Y ...€¦ · INNOVATEC daba prioridad a...