]]> Uso e aplicação da técnica de análise estatÍstica multivariada de cluster sobre a capacidade de inovação tecnológica na América Latina e na Espanha

Mónica García-Ochoa-Mayor^I, María Luisa Blázquez-de-la-Hera^II & José Ignacio López-Sánchez^III

^IDoctora en Ciencias Económicas y Empresariales. Profesora del Departamento de Organización de Empresas de la Universidad Complutense de Madrid, España. Correo electrónico: mgarciaochoa@ccee.ucm.es

^IIDoctora en Ciencias Económicas y Empresariales, MBA por MIT. Investigadora asociada del International Center for Competitiveness, IESE Business School, Madrid, España. Correo electrónico: MLBlazquez@iese.edu

^IIIDoctor en Ciencias Económicas y Empresariales. Director del Grupo de Investigación en Producción y Tecnologías de la Información y de las Comunicaciones (GIPTIC-UCM). Profesor titular de Organización de Empresas de la Universidad Complutense de Madrid, España. Correo electrónico: jilopez@ccee.ucm.es

Recibido: abril de 2010 Aceptado: marzo de 2012.

Resumen:

Palabras clave:

innovación tecnológica, análisis estadístico multivariante de cluster, política tecnológica, base disponible y resultados, Latinoamérica.

Abstract:

This work analyzes the capacity for technological innovation in Latin America and Spain. Based on the literature on national capacity for innovation and economy of technological change, an empirical study was made using the Multivariant Statistical Cluster Analysis technique and the technological innovation indicators published in the 2002-2003 and 2009-2010 Global Competitiveness Reports (WEF, 2002; WEF, 2009). The aim was to explore the existence of groups of countries characterized by different levels of technological innovation, focusing on their characteristics and on the distance that separates them, as well as their evolution throughout the 2002-2009 period. The results show the existence of 4 groups of countries defined by different capacities for technological innovation, both in terms of governmental and business technology policy as well as technological infrastructures and human capital. The groups also differ in their evolution with respect to these factors during the period considered.

Keywords:

technological innovation; multivariant statistical cluster analysis; technological policy; available base and results; Latin America.

Résumé:

Mots-clefs :

innovation technologique, analyse statistique multivariable de Cluster, politique technologique, bases des données disponibles et résultats, Amérique latine.

Resumo:

O presente trabalho realiza uma análise sobre a capacidade de inovação tecnológica na América Latina e na Espanha. Apoiando-nos na literatura sobre capacidade nacional de inovação e economia da mudança tecnológica, realizou-se um estudo empírico utilizando a técnica de Análise Estatística Multivariada de Cluster e os indicadores de inovação tecnológica publicados no Global Competitiveness Report 2002-2003 e 2009-2010 (WEF, 2002; WEF, 2009), para explorar a existência de grupos de países caracterizados por diferentes níveis de inovação tecnológica, aprofundando em suas características e na distância que lhes separa, assim como em sua evolução ao longo do período 2002-2009. Os resultados mostram a existência de 4 grupos de países que se definem por uma distinta capacidade de inovação tecnológica, tanto com referência à política tecnológica governamental e empresarial, como em referência a infraestruturas tecnológicas e capital humano. Os grupos também diferem em sua evolução em relação a esses fatores no período considerado.

Palavras chave:

inovação tecnológica; análise estatística multivariada de cluster; política tecnológica; base disponível e resultados; América Latina.

]]> Introducción^*

Hasta no hace mucho tiempo, la mayoría de economistas creía que las diferencias en los niveles de desarrollo de los países se explicaban por un único factor, que era el capital acumulado por trabajador (Solow, 1956; Fagerberg, 1994). Sin embargo, a partir de los años 1960, la idea de que las diferencias en el desarrollo se debían principalmente a diferencias tecnológicas recibe un apoyo creciente (Gerchenkron, 1962). Este punto de vista es consistente con la teoría de crecimiento de Schumpeter (1934, 1943) y durante los años 1980 muchos estudios sobre las diferencias en el desarrollo y crecimiento entre países se inspiraron en esta perspectiva emergente (Freeman et al., 1982; Fagerberg, 1987; Dosi et al., 1988; Verspagen, 1991).

Hoy en día está ampliamente aceptado que la tecnología¹ es uno de los principales conductores del crecimiento económico sostenido (Romer, 1990; Aghion y Howitt, 1992; Grossman y Helpman, 1993; Juma, 2001; Fagerberg y Srholec, 2008; Lee y Kim, 2009, y muchos otros). Esto justifica que, en los últimos años, académicos y gobernantes dediquen cada vez más atención a esta cuestión y a intentar medir las capacidades tecnológicas de las naciones. En las dos últimas décadas, hay dos cuestiones que han interesado de forma persistente a la comunidad académica que estudia las capacidades tecnológicas de los países: la primera se refiere a intentar proporcionar una medida general de las capacidades tecnológicas a nivel nacional (Grupp y Schubert, 2010; OCDE, 2007), y la segunda está relacionada con la dinámica global de la tecnología, y en particular con el estudio de un grupo pequeño de países avanzados que son responsables de la producción de la mayor parte de la tecnología y de la innovación en el mundo (Archibugi e Iammarino, 2002; Kemeny, 2009).

Al estudiar en profundidad las fuentes y consecuencias de la innovación tecnológica, se observa que la innovación "nueva para el mundo" tiende a estar concentrada en unos pocos países (Furman et al., 2002). De hecho, son pocas las naciones que mejoran constantemente su base de conocimientos; una mayoría permanece rezagada e incluso tiene muchas dificultades para absorber capacidades consideradas obsoletas en otras partes del mundo (Archibugi y Coco, 2004).

Por consiguiente, debido a la concentración geográfica de la innovación², existe un interés creciente por comprender los factores que determinan la distinta capacidad de innovación de los países. En este sentido, para los investigadores, las diferencias en las capacidades tecnológicas entre países es uno de los principales factores que explican la existencia de clusters³ o grupos de países, por lo que esta es una hipótesis que merece la pena investigar (Godinho et al., 2005).

Así pues, en los últimos años, se ha producido un importante aumento en el número de estudios comparativos internacionales sobre capacidad de innovación tecnológica (Archibugi e Iammarino, 2002; Archibugi y Coco, 2004; Castellaci y Archibugi, 2008; Fagerberg y Srholec, 2008; Kemeny, 2009). A este respecto, los especialistas en la economía del cambio tecnológico se han interesado por investigar la existencia y las características de los "sistemas nacionales de innovación", argumentando que tiene sentido analizar las capacidades tecnológicas de distintos estados territoriales, ya que estos proporcionan uno de los principales ámbitos institucionales para la generación y difusión de know how (Lundvall, 1992; Nelson, 1993; Freeman, 1997). Este análisis ya se ha aplicado con éxito a los países en desarrollo (Sutz, 1997).

Especialmente en el ámbito de la economía de la innovación y el cambio tecnológico, y siguiendo el enfoque de "sistema de innovación", han proliferado algunos estudios que tratan de caracterizar e individualizar estas capacidades, sus elementos y sus implicaciones para el desarrollo y el crecimiento económico. En este sentido, cabe mencionar los trabajos de Abramovitz (1986), Fagerberg (1987), Dosi et al. (1988), Cohen y Levinthal (1990), Lall (1992), Lundvall (1992), Nelson (1993), Edquist (1997, 2004), Freeman (1997), Sutz (1997), Archibugi y Coco (2004), Fagerberg y Godinho (2004), Navarro et al. (2009), entre otros.

Por tanto, esto pone de relieve la necesidad de profundizar en el estudio de los indicadores que miden las capacidades tecnológicas y de innovación tratando de analizar su composición y de estudiar qué componentes tienen más importancia a la hora de que un país mejore su capacidad de innovación tecnológica, con objeto de que puedan ayudar a tomar decisiones estratégicas acerca de las actividades de innovación, llevar a cabo acciones políticas para estimular la innovación en las áreas donde se necesita y entender mejor las transformaciones económicas y sociales que acontecen en los países (Archibugi et al., 2009; Grupp y Schubert, 2010) .

Así pues, con apoyo en la literatura sobre capacidad nacional de innovación y economía del cambio tecnológico, el objetivo de este trabajo es realizar un análisis sobre la capacidad de innovación tecnológica de 18 países latinoamericanos y España. El estudio explora la existencia de grupos de países caracterizados por diferentes niveles de innovación tecnológica, mostrando las características de cada grupo y la distancia que les separa. Al mismo tiempo, se examina la evolución de estos grupos en el período 2002-2009, tratando de ver cuáles países se han movido a un grupo o cluster situado en posiciones más avanzadas y cuáles han retrocedido, y en este sentido se destacan las áreas emergentes donde está aumentando la capacidad de innovación tecnológica en Latinoamérica y se pone de relieve la escasa evolución en materia de innovación tecnológica para la mayoría de los países considerados.

El estudio se realizó utilizando los indicadores de innovación tecnológica publicados en el Global Competitiveness Report (GCR) 2002-2003 y 2009-2010 (WEF, 2002; WEF, 2009). El trabajo empírico analiza estos datos a través de tres pasos que se desarrollan tanto en el período 20022003 como en el período 2009-2010. El primero, consiste en reducir el gran número de indicadores a través de un análisis factorial, obteniéndose dos factores (política tecnológica gubernamental y empresarial, y base disponible y resultados). En segundo lugar, estos dos factores se utilizan para identificar diferentes grupos de países a través de la técnica estadística de análisis de clusters. Finalmente, se realiza un test econométrico para evaluar la precisión estadística de los resultados de los conglomerados obtenidos.

Antes de definir los indicadores seleccionados para medir la capacidad de innovación tecnológica de los países, y de proceder a justificar y razonar la elección de los mismos, los autores estimaron conveniente intentar aclarar algunos conceptos que consideran similares y que a menudo se solapan y se confunden.

En los últimos años han aparecido términos como "capacidades tecnológicas" (Kim, 1980, 1997), "capacidad de absorción" (Cohen y Levinthal, 1990; Dahlman y Nelson, 1995), "sistemas de innovación" (Lundvall, 1992; Nelson, 1993: Edquist, 1997, Sharif, 2006), "capacidad de innovación" (Kim, 1997; Furman et al., 2002) al tiempo que ha emergido una amplia literatura empírica que estudia estos aspectos del desarrollo económico (Fagerberg y Godinho, 2004; Archibugi y Coco, 2005, entre otros). Sin embargo, como se verá en la siguiente sección del artículo, y como apuntan Fagerberg y Srholec (2008), hay un importante solapamiento entre algunos de estos conceptos, siendo la relación entre el trabajo empírico y conceptual en esta área frecuentemente muy débil.

A este respecto, Kim (1997) define la capacidad tecnológica nacional como "la habilidad para hacer un uso eficaz del conocimiento tecnológico que permita asimilar, utilizar y cambiar las tecnologías existentes". Siguiendo a Fagerber y Srholec (2008), esta definición es muy similar a la de "capacidad de absorción". Dahlman y Nelson (1995) definen capacidad de absorción nacional como "la habilidad para aprender e implementar las tecnologías y las prácticas asociadas de países desarrollados". Esta definición se deriva del análisis a nivel empresa que realizan Cohen y Levinthal (1989) sobre este aspecto, quienes sugirieron el término de "capacidad de absorción" y lo definen como "la capacidad de una empresa para reconocer el valor de la información nueva externa, asimilarla y desarrollar su aplicación para fines comerciales" (Cohen y Levinthal, 1990). Por tanto, este concepto representa el enlace entre las capacidades de las empresas para desarrollar y mejorar nuevos productos por un lado, y el stock externo de oportunidades tecnológicas por otro (Criscuolo y Narula, 2008). En este punto, es importante señalar que Kim (1997) utiliza los conceptos de capacidad nacional de absorción y el de capacidades tecnológicas nacionales de forma intercambiable.

Asimismo, cabe destacar que el concepto de capacidad de absorción nacional ha estado asociado hasta ahora en la literatura sobre transferencia de tecnología con el concepto de capacidades tecnológicas nacionales y en la literatura sobre crecimiento endógeno con el concepto de capital humano (Lucas, 1988; Romer, 1990).

Siguiendo a Criscuolo y Narula (2008), y a partir de la definición de capacidades tecnológicas, habría que tener en cuenta que estas incluyen no sólo la capacidad de buscar y seleccionar la tecnología más apropiada para asimilarla a la ya existente disponible (la capacidad de absorción), sino también la creación de nuevos conocimientos fundamentalmente mediante la inversión en I+D. Por tanto, la capacidad de absorción representa un subconjunto de las capacidades tecnológicas (Criscuolo y Narula, 2008).

Por otro lado, durante los años 1980 surge un nuevo enfoque sistémico para el estudio de la habilidad de los países para generar y mejorar a través de la tecnología, que se llamó "sistema nacional de innovación", convirtiéndose este en una herramienta analítica para estudiar el desarrollo económico y las habilidades tecnológicas de los países (Lundvall, 1992; Nelson, 1993; Edquist, 2004). El concepto de sistema nacional de innovación hace referencia al conjunto de instituciones que de manera conjunta o individualmente contribuyen al desarrollo y la difusión de nuevas tecnologías. Estas instituciones proporcionan el marco en el cual los gobiernos implementan políticas para influir en el proceso de innovación. Por consiguiente, como tal se puede decir que es "un sistema de instituciones interconectadas, para crear, almacenar y transferir conocimiento, habilidades que definen a las nuevas tecnologías" (Sharif, 2006).

Medición de las capacidades tecnológicas: indicadores utilizados

Como se puede apreciar, el concepto de capacidades tecnológicas ha sido utilizado en un gran número de estudios. Aunque inicialmente se desarrollaron para el análisis de empresas, también se han aplicado a industrias y países. Lall (1992) subrayó tres aspectos que definen las "capacidades tecnológicas nacionales": 1) la habilidad de reunir los recursos financieros necesarios y la utilización de los mismos eficientemente; 2) habilidades, incluyendo no sólo la educación general sino también la especialización en competencias técnicas y de gestión, y 3) lo que él denominó "esfuerzo tecnológico nacional", que estaría asociado con medidas como la inversión en I+D, patentes y personal técnico. Esto implica que en la construcción de capacidades tecnológicas intervienen factores que son específicos de la empresa y otros que son propios de un país dado (régimen de incentivos, estructura institucional, dotación de recursos, capital humano y esfuerzo tecnológico). De esta manera es posible identificar la acumulación de capacidades tecnológicas a nivel microeconómico (en las empresas), pero también a nivel nacional (macroeconómico) (Cepal, 2007). Por ello, la producción de indicadores de las capacidades de innovación tecnológica se ha desarrollado y crecido recientemente tanto a nivel micro como macroeconómico. De hecho, las colecciones de datos y encuestas se desarrollan de forma sistemática a nivel de empresa, industria, campo tecnológico y país (Sirilli, 1997; Smith, 2005).

El principal objetivo de los indicadores es permitir la comparación de las diferentes posiciones de los países y sus cambios. En este punto Archibugi et al. (2009) plantean dos cuestiones metodológicas interesantes. La primera está relacionada con la utilización de "países" como unidad de análisis, ya que los países se componen de diferentes áreas y regiones que pueden ser heterogéneas. A este respecto, la posibilidad de realizar comparaciones entre países se basa en la suposición de que un sistema nacional de innovación es capaz de distribuir conocimiento a través de todo el país (Patel y Pavitt, 1995). Por otro lado, una segunda cuestión que se puede plantear es la utilidad de realizar comparaciones internacionales, puesto que las diferencias en las capacidades tecnológicas pueden ser muy grandes entre determinados países, por lo que las comparaciones tendrán mayor significado si se realizan entre sistemas nacionales de innovación más similares, y esta sería una de las razones que llevó a los autores a centrar su investigación en Latinoamérica.

Así pues, partiendo de una base inicial de 24 países latinoamericanos y España, en la presente investigación se excluyeron algunos países, reduciendo la muestra a 18 países latinoamericanos y España, debido a la falta de datos para algunas de las variables en el período 2002-2003. Por otro lado, en cuanto al período de tiempo considerado, el contemplar un espacio de tiempo más largo habría implicado que muchos de los datos no habrían estado disponibles y que muchos países habrían tenido que ser excluidos del análisis.

En el estudio se utilizó una serie de indicadores que miden directamente distintos aspectos relevantes de la capacidad de innovación tecnológica. La necesidad de utilizar diferentes indicadores obedece a una mayor conciencia de que una única estadística, por ejemplo recursos dedicados a I+D, número de patentes o comercio de productos de alta tecnología, puede proporcionar información acerca de determinados aspectos específicos relacionados con las competencias tecnológicas, pero será una información incompleta (Archibugi et al., 2009). Por tanto, utilizando una batería de indicadores, se consigue definir con mayor precisión la situación de cada país, proporcionando una más fácil comprensión de las diferencias entre ellos. Además, ninguno de los indicadores considerados se debe tener en cuenta por separado para el análisis, sino que es necesario contemplarlos conjuntamente, combinando y ponderando los elementos de juicio proporcionados por cada uno (Cepal, 2007).

Con respecto a la selección de indicadores concretos empleados para llevar a cabo el análisis empírico de este trabajo conviene señalar que desde la década de 1970 se han realizado numerosos esfuerzos para medir las capacidades tecnológicas. Archibugi y Coco (2004) desarrollaron un indicador sintético de las capacidades tecnológicas para una amplia muestra de países, tanto desarrollados como en vías de desarrollo, y referido a dos momentos de tiempo (1990 y 2000). Su indicador se divide en tres dimensiones principales: "creación de tecnología", "infraestructuras tecnológicas" y "desarrollo de habilidades humanas". Algunos organismos internacionales como World Bank (WB), United Nations Development Programme (UNDP), United Nations Industrial Development Organization (Unido), World Economic Forum (WEF) y la Comisión Europea (CE) han desarrollado sus propios indicadores. Todos ellos tienen en cuenta diversos aspectos de lo que constituyen las capacidades tecnológicas de un país, e intentan proporcionar un ranking de países en referencia a las mismas.

Archibugi y Coco (2005) y Archibugi et al. (2009), en un intento por avanzar en este campo de estudio, han realizado una recopilación de los trabajos previos (ver tabla 1).

Con objeto de ser consistentes con estos estudios anteriores, y partiendo del concepto de capacidad nacional de innovación que propone Furman et al. (2002), ya definido anteriormente, para realizar el análisis empírico del presente trabajo se tomaron en cuenta los indicadores incluidos en el Technology Index (Tech), el Technological Readness Index (TechRead) y el Technological Innovation Index (TechInnov) que elabora el World Economic Forum (WEF) (tabla 1), ya que los tres consideran dimensiones relacionadas con las capacidades tecnológicas y de innovación. En concreto, el Tech Index es el sub-indicador del Growth Competitiveness Index (GroCI)⁴ relacionado con las capacidades tecnológicas e incluye tres categorías principales: capacidad de innovación, transferencia de tecnología y difusión de las TIC. En cuanto al TechRead y el TechInnov, conviene aclarar que el Global Competitiveness Index (GloCI)⁵ del GCR 2009-2010 está compuesto por doce categorías y estas se subdividen en tres grupos: requerimientos básicos, potenciadores de la eficiencia, y factores de innovación y sofisticación. De las doce categorías, aquellas que consideran las dimensiones relacionadas con la capacidad de innovación son la nueve y la doce, que se corresponden respectivamente con el TechRead y el TechInnov (Archibugi et al., 2009).

Es importante señalar que los indicadores del WEF provienen de dos fuentes: por un lado están los datos que proceden de organismos institucionales (datos publicados), y por otro lado están aquellos que proceden de la Encuesta de Opinión a Ejecutivos (datos de encuesta)⁶ (para una revisión crítica sobre la metodología del WEF, ver Lall y Albadalejo, 2001). Asimismo, conviene incidir en la disponibilidad de los datos y fiabilidad de la fuente, pues el GCR está continuamente actualizado y mejorado cada año.

La capacidad de innovación tecnológica refleja un fenómeno heterogéneo, que se relaciona principalmente con las infraestructuras que dan soporte a la producción industrial y a las actividades de innovación, la formación del capital humano, y la habilidad de las naciones para crear, imitar y gestionar una compleja reserva de conocimiento tecnológico avanzado (Castellaci y Archibugi, 2008). Como se puede observar en la tabla 1, el Technology Index (Tech), el Technological Readness Index (TechRead) y el Technological Innovation Index (TechInnov) que elabora el World Economic Forum (WEF) contemplan una serie de indicadores relacionados directamente con estos aspectos (generación, transmisión y difusión de la innovación tecnológica), cuestiones que han sido estudiadas ampliamente por la literatura, tanto desde un punto de vista teórico como empírico (Pietrobelli, 1994).

A continuación se define cada uno de los indicadores concretos utilizados en el análisis empírico del presente trabajo (tabla 2), justificados según los criterios ya expuestos en este apartado.

Por último, conviene puntualizar que la elección de estos indicadores permite contemplar simultáneamente medidas de input y de output. Esto resulta especialmente indicado porque mientras que las medidas de input contemplan el esfuerzo dedicado a I+D fundamentalmente, las medidas de output se fijan en la eficiencia con la que dicho esfuerzo llega a producir nuevo conocimiento (Sancho, 2002).

Para llevar a cabo el análisis estadístico de este trabajo se ha procedido como sigue: en primer lugar, se realizó una revisión de los estadísticos descriptivos de todas las variables; en segundo lugar, se efectuó un análisis factorial sobre 13 indicadores de datos y 19 países, tanto para el período 2002-2003 como para el período 2009-2010. A continuación y con los resultados obtenidos se desarrolló el análisis de clusters para cada uno de los períodos examinados. Finalmente, se llevó a cabo el test de validez de la metodología cluster utilizada.

Inicialmente, conviene recordar que, como ya se mencionó, las observaciones que se utilizan en la base de datos del World Economic Forum y que se han empleado en este trabajo como indicadores de innovación tecnológica provienen de dos fuentes: algunas variables se obtienen a través de encuestas y otras a través de datos publicados.

Como se señaló, las variables obtenidas a través de la Encuesta Ejecutiva de Opinión que el World Economic Forum realiza a ejecutivos y líderes de opinión en cada uno de los países incluidos en el análisis tienen valores comprendidos entre el 1 y el 7. Las variables cuyas observaciones se obtienen a través de datos publicados tienen unos valores más dispersos. Para lograr que sean comparables con las variables de encuesta se procedió a normalizarlas mediante la siguiente fórmula:

6 × (dato del país - mínimo de la muestra)/ (máximo de la muestra - mínimo de la muestra) + 1

Los mínimos y máximos de la muestra son las puntuaciones mínimas y máximas dentro del grupo de países incluido en el análisis. Normalizando de este modo, las variables que se obtienen a través de datos publicados también están comprendidas en un rango del 1 al 7.

Así pues, en este apartado se han analizado los estadísticos básicos para cada una de las principales variables, incluyendo valores mínimos y máximos, medias y desviaciones típicas, tanto en el período 2002-2003, como en el período 2009-2010.

Como se puede observar en la tabla 3, los valores mínimos oscilan entre 1 en el caso de "usuarios de Internet" o "patentes", y 3,7 en "FDI y transferencia tecnológica". Los valores máximos también presentan una elevada dispersión, desde un 1,13 para la variable "patentes", hasta un 6 de nuevo en el caso de "FDI y transferencia tecnológica". En el caso de las medias, también hay diferencias significativas, desde 1,01 en el caso de "patentes", hasta 4,82 en la variable de "FDI y transferencia tecnológica".

La tabla 4 presenta los datos correspondientes a 20092010; allí también se observa una alta dispersión entre los valores mínimos de las distintas variables y entre los valores máximos, así como en las medias. La variable "patentes" presenta, al igual que en el período 2002-2003, los valores más bajos (1,00 de mínimo y 1,15 de máximo), y también se repite la variable "FDI y transferencia tecnológica" como la que obtiene valores mayores (3,34 de mínimo y 5,61 de máximo).

Análisis factorial

Para ello se realizó un análisis factorial, con objeto de identificar las variables explicativas que mejor analizan la distribución de innovación tecnológica entre países, es decir, aquellas que discriminan mejor el nivel de innovación tecnológica de los mismos. El objetivo del análisis factorial es, por tanto, extraer un número menor de factores que expliquen la mayor parte de la varianza de la muestra, y es una técnica ampliamente utilizada y aceptada en este tipo de estudios (ver por ejemplo: Adelman y Morris, 1965, 1967; Basilevsky, 1994; Temple y Johnson, 1998; y más recientemente Clarysse y Muldur, 2001; Brujin y Lagendijk, 2005, Castellaci y Archibugi, 2008; Dory, 2008 y Fagerberg y Srholec, 2008).

Previo al análisis factorial se estudió la viabilidad de realizarlo para ese conjunto de datos, tanto en el período 2002-2003 como en el período 2009-2010, para lo cual se utilizó la prueba de Kaiser-Meyer-Okin (KMO)⁷ y la prueba de esfericidad de Bartlett⁸ (tablas 5 y 6).

Los resultados de las pruebas de esfericidad de Barlett y de la medida de adecuación muestral de Kaiser-Meyer-Olkin confirman que el análisis realizado es adecuado en los dos períodos de tiempo considerados, al ser el índice KMO (Kaiser-Meyer-Olkin) superior a 0,5 en ambos períodos (Kaiser, 1974; Hair et al., 1999).

A partir de la revisión de la literatura y de los antecedentes respecto de la medición de la capacidad de innovación tecnológica, se seleccionó una serie de indicadores (variables en la parte empírica del trabajo) que están relacionados con tres dimensiones clave (Cepal, 2007): la base disponible (infraestructuras y recursos humanos); los esfuerzos realizados para el incremento y la consolidación de la capacidad de innovación tecnológica (política gubernamental, I+D, adquisición de conocimiento, y otros), y los resultados logrados a partir de las capacidades existentes (patentes).

Partiendo de la definición de estas tres dimensiones, los autores interpretan los dos factores de la siguiente manera:

El factor 1 se puede interpretar como una medida de la política tecnológica gubernamental y empresarial. Este componente está relacionado con lo que Cepal (2007) denomina "esfuerzo realizado para el incremento y la consolidación de la capacidad de innovación tecnológica", observando que tiene cargas factoriales muy altas en todas las variables que miden la política tecnológica gubernamental (leyes relacionadas con las TIC, promoción gubernamental de las TIC, priorización por parte del gobierno de las TIC); aquellas que miden las actividades de innovación de las empresas (compañías que invierten en I+D, colaboración universidad-empresa), y las que tienen que ver con la adquisición de conocimiento externo (absorción de tecnología, inversión directa extranjera y transferencia tecnológica, prevalencia de tecnología extranjera). Este factor es una combinación de estas variables y supone el 45,8% de la varianza de la muestra en el período 2002-2003 y el 51,7% en el período 20092010, por lo que supone una dimensión muy relevante para analizar las diferencias en la capacidad de innovación tecnológica entre países (tablas 7 y 8).

Esta sección presenta los resultados de un análisis estadístico multivariante cluster⁹ que divide los países latinoamericanos en cuatro grupos o clusters caracterizados por distintos niveles de capacidad de innovación tecnológica en los períodos 2002-2003 y 2009-2010.

En la tabla 9 aparecen los países que integran cada uno de los grupos en los dos períodos considerados.

Este grupo está formado por un solo país que es España, en los dos períodos de tiempo. A pesar de presentar un nivel medio en cuanto a política tecnológica gubernamental y empresarial en comparación con algunos países como Brasil, Chile y Costa Rica (gráficos 1 y 2), España tiene una posición claramente avanzada en lo referente a base disponible y resultados. Esto hace que no pueda agruparse con ningún otro país, y por ello el cluster 1 está constituido por una única observación que es España¹⁰. Es sin embargo destacable que no se ha producido una evolución visible en ninguno de los dos factores en el período considerado.

A modo orientativo, se tomó como indicador del desarrollo económico de los distintos clusters el PIB per cápita de la media de los países que integran cada cluster. En este caso, el PIB per cápita de España, en 2002 era 20.374 dólares, y en 2009, 35.331 dólares, siendo muy superior al del resto de los grupos.

Cluster 2: medio-alto en política tecnológica gubernamental y empresarial, y medio en base disponible y resultados

Este grupo se encuentra a una distancia considerable respecto del cluster 1 formado por España, en cuanto a base disponible y resultados. Sin embargo, es el grupo que obtiene una mejor posición en cuanto a política tecnológica, destacando claramente como líderes en 2009 en este aspecto Brasil, Costa Rica y Chile, los cuales han mejorado notablemente con respecto a los dos factores en este período. Se observa también en este grupo una cierta dispersión de resultados en los países en lo referente a los dos factores, destacando positivamente Brasil en 2009 en política tecnológica, y Costa Rica, Chile y Uruguay en base disponible. Este conglomerado estaba formado en 2002 por siete países (Brasil, Chile, Costa Rica, Jamaica, Colombia, México y Trinidad y Tobago); sin embargo en 2009 este grupo está compuesto solamente por cuatro países, de los cuales tres de ellos estaban en ese mismo cluster en 2002, que serían Brasil, Costa Rica y Chile, y el cuarto país que integraría este cluster en 2009 es Uruguay, el cual se habría movido desde el cluster 3 debido fundamentalmente a una gran mejora en política tecnológica. El resto de países que estaban en este cluster en 2002 y que ya no están en 2009 son Jamaica, Colombia, México y Trinidad y Tobago, debido fundamentalmente a que se han mantenido prácticamente igual tanto en política tecnológica como en base disponible, y esto ha motivado que pasen al cluster 4 que tiene un nivel bajo en política tecnológica y medio-bajo en base disponible, como se verá a continuación.

El PIB per cápita de los países incluidos en este grupo era en 2002 de 7.868 dólares. En 2009 el PIB per cápita de la media del grupo presenta un valor muy parecido, con 8.746 dólares, no siendo muy alta la variación de este valor entre los países que componen este grupo en 2009.

Cluster 3: bajo en política tecnológica gubernamental y empresarial, y medio en base disponible y resultados

Este grupo estaba formado en 2002 por dos países, Uruguay y Argentina, y en 2009 se incorporaron Ecuador, Venezuela y Bolivia, debido fundamentalmente a una mejora en su base disponible, aunque en política tecnológica no han avanzado. Ya se comentó que Uruguay se movió al cluster 2 en razón a su avance en política tecnológica. Este grupo está a una distancia considerable respecto de los grupos 1 y 2 en lo referente a política tecnológica, aunque en términos de base disponible se encuentra en una posición intermedia entre ambos.

Cluster 4: medio en política tecnológica gubernamental y empresarial y bajo en base disponible y resultados

Este último grupo estaba constituido por nueve países en 2002 (Panamá, El Salvador, Perú, Guatemala, Honduras, Nicaragua, Ecuador, Venezuela y Bolivia), que son los que presentaban en 2002 peores resultados en los dos factores (política tecnológica gubernamental y empresarial y base disponible y resultados). En 2009, Nicaragua, Honduras, El Salvador, Guatemala, Perú y Panamá permanecen en este grupo, no observándose ninguna evolución en cuanto a base disponible pero sí una leve mejoría en política tecnológica. Como ya se comentó antes, Venezuela, Ecuador y Bolivia se han movido al grupo 3, debido a su mejoría en base disponible. Los otros cuatro países (Colombia, México, Jamaica y Trinidad y Tobago), que forman el cluster 4 en 2009, proceden del cluster 2 y son países que prácticamente no han evolucionado ni en política tecnológica ni en base disponible.

El PIB per cápita de la media de los países incluidos en este conglomerado era, en 2002, de 3.998 dólares y en 2009 de 6.034 dólares, siendo el más bajo de los cuatro grupos obtenidos.

Estos clusters así definidos se pueden observar con más claridad en los gráficos 1 y 2, que muestran a todos los países ordenados en función de los dos factores obtenidos.

Con objeto de validar los resultados de los análisis cluster mostrados en el apartado anterior, que dependen de la precisión estadística del mismo, se procedió a la realización de un test econométrico que se presenta a continuación, en el que se efectuó un test ANOVA, así como pruebas post-hoc (Student-Newman-Keuls, HDS de Tukey y Waller-Duncan), que permitirán verificar que el análisis de clusters que se ha realizado para las distintas variables es correcto, en el sentido de que existen diferencias significativas entre los cuatro grupos considerados en ambos períodos.

Los resultados del test ANOVA que se muestran en la tabla 10 confirman la bondad del análisis.

Para comprobar si existen diferencias entre todos los grupos, se realizaron además los test de Student-Newman-Keuls, HDS de Tukey y Waller-Duncan. Se llevó a cabo la prueba con los tres grupos que contienen más de un país, eliminando por tanto el caso de España, que presenta claras diferencias con el resto de grupos.

La tabla 11, que se muestra a continuación, contiene los resultados para los grupos obtenidos con el factor 1, política tecnológica gubernamental y empresarial, pudiéndose observar que el grupo 3 presenta claras diferencias con los otros dos grupos, pero sin embargo no se observan diferencias significativas entre los países del grupo 2 (Uruguay y Argentina), y los del grupo 4 (Panamá, El Salvador, Perú, Ecuador, Nicaragua, Guatemala, Honduras, Venezuela y Bolivia). Esto también es fácilmente apreciable en el gráfico 1 de dispersión de puntos.

En lo que se refiere a los grupos obtenidos para el factor 2, base disponible y resultados, las pruebas de Student-Neuman-Keuls, DHS de Tukey y Waller-Dunca arrojan diferencias entre el grupo formado por Uruguay y Argentina y los otros dos grupos. Sin embargo, no se encuentran diferencias significativas entre los grupos 3 y 4 (tabla 12).

]]>

Estos resultados coinciden con las conclusiones que se extraen en el gráfico 1 de dispersión de puntos que se ha mostrado con anterioridad en este trabajo, en el cual se observa cierta coincidencia entre estos dos últimos grupos en cuanto al factor 2.

El mismo test se realizó para el período 2009-2010, y los resultados obtenidos fueron similares.

Los resultados del test ANOVA que se muestran en la tabla 13 confirman la bondad del análisis.

Para el factor 1, política tecnológica gubernamental y empresarial, las pruebas de Student-Newman-Keuls, HDS de Tukey y Waller-Duncan confirman diferencias significativas entre los tres grupos, tal y como puede comprobarse en la tabla 14.

En lo referente al segundo factor, base disponible y resultados, las pruebas realizadas concluyen que no existen diferencias significativas entre los grupos 1 (formado por Brasil, Costa Rica, Chile y Uruguay) y 2 (formado por Ecuador, Bolivia, Venezuela y Argentina). Sin embargo, sí se aprecian diferencias entre estos dos grupos y el grupo 4, constituido por los diez países restantes. Esto es de nuevo observable en el gráfico 2 de dispersión de puntos (tabla 15).

Como conclusión se puede decir que las pruebas post-hoc han mostrado diferencias significativas en la mayoría de los casos entre los tres grupos considerados, y a nivel conjunto -tal y como muestran los gráficos de dispersión de puntos y los resultados del ANOVA- existen diferencias significativas entre los cuatro grupos, por lo que el análisis cluster realizado es correcto.

Este trabajo realiza una investigación empírica sobre las diferencias entre países latinoamericanos y España en lo referente a su capacidad de innovación tecnológica y su evolución a lo largo de un período de siete años (20022009). Los resultados muestran la existencia de cuatro grupos de países o clusters caracterizados claramente por distintos niveles de innovación tecnológica. La distancia tecnológica entre los grupos es evidente respecto a los dos factores considerados en el estudio, que son la política tecnológica gubernamental y empresarial y la base disponible y resultados.

La clasificación de los países en cuatro clusters diferentes y el análisis de su evolución a lo largo de siete años permite concluir que, en general, la brecha en innovación tecnológica entre los países latinoamericanos y España está decreciendo poco a poco, y esto se debe fundamentalmente al progreso de los países situados en el cluster 2 (Brasil, Chile y Costa Rica), sobre todo en lo referente a política tecnológica gubernamental y empresarial. También hay que mencionar el gran avance de Uruguay en este mismo factor, que ha saltado del cluster 3 en 2002 al cluster 2 en 2009. Asimismo, es significativo el progreso de algunos países del cluster 4 (Venezuela, Ecuador y Bolivia) con respecto al segundo factor, base disponible y resultados, lo que les permitió ascender al cluster 3 en 2009.

Por otro lado, se pueden señalar algunas implicaciones importantes que se derivan de los resultados empíricos: la primera hace referencia a la desigual distribución de la capacidad de innovación tecnológica entre los clusters observados. La combinación de los dos factores de la capacidad de innovación tecnológica (política tecnológica y base disponible) desempeña un importante papel a la hora de posicionar cada sistema nacional de innovación (Castellaci y Archibugi, 2008). Cada país debería no sólo observar e intentar imitar a aquellos que están en una posición o un cluster más avanzado, sino que además debería trazar su propio itinerario partiendo de su capacidad de innovación existente, intentando tener éxito en la mejora de su posición.

La segunda implicación se refiere a la evolución general de los sistemas de innovación. En este sentido, se debería analizar cuántos países han mejorado y se han movido hacia un cluster superior y cuántos han retrocedido. Como se observó, ningún país ha retrocedido a un cluster inferior, sino que algunos países se han movido a un cluster superior. En concreto tres países se han movido del cluster 4 al cluster 3, un país se ha movido del cluster 3 al cluster 2, y diez países se han quedado más o menos como estaban; estos países son aquellos que en 2009 conforman el cluster 4. En general las variaciones en sus posiciones durante los siete años considerados no han sido demasiado importantes, hecho que puede deberse a que las capacidades tecnológicas son generadas y destruidas lentamente a lo largo del tiempo, incluso en períodos de rápido crecimiento económico (Archibugi et al., 2009). También cabe señalar que se han reducido distancias entre el cluster 3 y el 4, en lo referente a base disponible, y también se han acortado distancias entre el cluster 1 y el 2. Sin embargo, el cluster 2 se ha distanciado del 3 y del 4, acercándose al cluster 1, que es el más avanzado, lo cual parece coincidir con la dinámica global de la tecnología en el mundo, en la que unos pocos países generan la mayor parte del conocimiento (Archibugi e Ianmarino, 2002; Castellaci y Archibugi, 2008; Kemeny, 2009). En el largo plazo, lo anterior sugiere que Latinoamérica está evolucionando hacia una región en la que un pequeño grupo de países, en torno al 20%, domina el paisaje tecnológico, frente al 80% restante de los países que estarían más retrasados.

Con respecto a los países situados en los clusters 3 y 4, estos son los que están situados en las peores posiciones en innovación tecnológica y tienen, por tanto, la necesidad de una clara actuación para impulsar la innovación. Con objeto de reducir su diferencia tecnológica podrían incrementar sus inversiones en I+D, ya que una mayor capacidad pública y privada de inversión en I+D podría ayudar a la industria a desarrollar sus intereses de investigación (Clarysse y Muldur, 2001). Asimismo, nuevas formas de financiación e iniciativas específicas destinadas a aumentar la cultura emprendedora y la innovación en las PYME también podrían fomentar la innovación (Chabbal, 1995). Los países integrados en el cluster 4 deben hacer un esfuerzo adicional por mejorar las infraestructuras tecnológicas y la formación del capital humano, ya que tienen una capacidad de absorción de conocimiento muy baja.

En cuanto al cluster 2, es el que está mejor posicionado en innovación tecnológica en Latinoamérica. Las empresas de los países que lo integran determinan la competitividad tecnológica de la región. Estos países deben prestar una particular atención a desarrollar estrategias que favorezcan la creación y difusión de conocimiento. Para ello, podrían mejorar la calidad de las instituciones de investigación, potenciar la colaboración entre las universidades y las empresas, y mejorar las leyes relacionadas con las tecnologías de la información y la comunicación, facilitando así la interacción entre todos los agentes del sistema de innovación y proporcionando la colaboración con otros actores extranjeros que les ayuden a crear nuevo conocimiento (Clarysse y Muldur, 2001). En todo caso, todavía les queda un largo recorrido para converger con el cluster 1 en lo referente a base disponible y resultados.

Finalmente respecto al cluster 1, este es el más avanzado en base disponible, y se encuentra formado únicamente por España. En este sentido, los países bien posicionados deben tratar de internacionalizar sus sistemas de innovación y atraer nuevo talento, facilitando así la creación y difusión de conocimiento de primer nivel (Navarro et al., 2009). No obstante, podría fomentar más la inversión empresarial en I+D y la colaboración universidad-empresa en investigación, que son dos aspectos de su política tecnológica en la que está por debajo de algunos países del cluster 2, como por ejemplo Brasil.

Este grupo podría representar un punto referencia para grupos menos avanzados con objeto de que pudieran identificar actuaciones encaminadas a mejorar la innovación y que les pudieran ayudar a migrar a un cluster superior.

Las principales contribuciones de este trabajo son las siguientes:

Desde el punto de vista de la literatura sobre innovación tecnológica, estos resultados aportan nueva evidencia empírica sobre la existencia de cuatro grupos diferentes de países en Latinoamérica y España en cuanto a su capacidad de innovación tecnológica, indicando las dimensiones en las que cada grupo se diferencia de los demás. Además, se muestra claramente que las diferencias entre países están bien reflejadas por los dos factores, como indican los resultados del análisis factorial y del análisis cluster.

La presente investigación y clasificación podría ayudar a identificar y comprender los retos y oportunidades que los países de cada cluster tienen que enfrentar en el futuro.

Asimismo, los autores observaron durante el período considerado que los principales movimientos se han producido en lo relativo a política tecnológica, siendo menos significativos los cambios relacionados con la base disponible, lo que puede abrir una primera línea de investigación futura consistente en estudiar la correlación entre los indicadores de input y de output, analizando si con el paso del tiempo esa correlación aumenta, tratando de averiguar de esta manera qué países son más eficientes y más rápidos en la generación y difusión de innovaciones. Una segunda línea de investigación podría consistir en analizar cómo se relaciona la capacidad tecnológica de los países con el nivel de desarrollo económico. En este sentido, aunque se ha tomado como dato orientativo el nivel de PIB per cápita, observándose cierta coincidencia entre los clusters obtenidos y el PIB per cápita medio de cada grupo, este aspecto podría ser objeto de una contrastación empírica.

Por otro lado, este estudio puede ser útil en los siguientes ámbitos: en primer lugar, en el académico, ya que los indicadores de innovación pueden ser utilizados para incrementar y ampliar nuestro conocimiento sobre el cambio tecnológico. En segundo lugar, en el ámbito político, ya que los gobernantes necesitan localizar la posición de su país, para identificar fortalezas y debilidades y para asegurar oportunidades (Furman et al., 2002). Y en tercer lugar, en el ámbito empresarial, ya que los empresarios y directivos utilizan los estudios de innovación para tener una más profunda comprensión acerca del avance tecnológico, especialmente en períodos de gran competencia interna e internacional. De hecho, los datos sobre capacidades tecnológicas en los diferentes países permiten comprender el contexto geográfico en el que las empresas pueden desarrollar y establecer sus actividades de innovación (Archibugi et al., 2009).

De otra parte, la investigación se concentró en una unidad de análisis que es el país, y aunque hay buenas razones para hacerlo así, los autores son conscientes de que en un mundo globalizado los países no son la única entidad significativa para estudiar el cambio tecnológico. Las regiones o empresas son igualmente importantes para analizar las competencias tecnológicas, por lo que pueden ser consideradas como unidades estadísticas muy interesantes (Archibugi y Coco, 2005; Cantwell e Iammarino, 2003).

Finalmente, cabe resaltar la necesidad de realizar estudios en profundidad de cada país para poder proponer políticas tecnológicas. Lo que el presente trabajo pretende es simplemente señalar posibles áreas de actuación en cada país en función de los posicionamientos obtenidos y la evolución observada de cada uno de ellos. La identificación de las áreas débiles de cada país en cuanto a capacidad tecnológica sugiere posibles caminos o rutas para su mejora, que obviamente deben ser complementados con estudios en profundidad de cada caso.

^* Los autores quieren agradecer a dos evaluadores anónimos sus valiosos comentarios y sugerencias; igualmente quieren dar las gracias al Ministerio de Ciencia e Innovación de España por la financiación prestada para la realización de este proyecto de investigación con número de contrato: PLAN NACIONAL I+D+i 20082011 - REFERENCIA ECO2010-19787.

¹ La OCDE (2006) define tecnología como "conjunto de conocimientos, habilidades, rutinas, competencias, equipamientos y prácticas de ingeniería que son necesarias para producir un producto o servicio". Para una discusión, ver Metcalfe (2010).

² En este trabajo, cuando se utiliza el término "innovación", se hace referencia siempre a "innovación tecnológica". El Manual de Oslo (OCDE, 2006) establece cuatro tipos de innovación: "de producto, de proceso, comerciales y de organización. Las innovaciones de producto y las innovaciones de proceso están estrechamente vinculadas al concepto de innovación tecnológica". El Manual de Frascati (OCDE, 2002) define innovación tecnológica como "el conjunto de etapas científicas, tecnológicas, organizativas, financieras y comerciales, incluyendo las inversiones en nuevos conocimientos, que llevan o intentan llevar a la implementación de productos y de procesos nuevos o mejorados".

³ En este documento se hablará indistintamente de cluster, "grupos" o "conglomerados" haciendo referencias siempre a los diferentes "grupos de países" que resultan de llevar a cabo el análisis de cluster, tal y como se explica con detalle en el apartado de Metodología de este trabajo.

⁴ El Growth Competitiveness Index (GroCI) publicado en el GCR fue desarrollado para analizar las potencialidades de crecimiento de un sistema económico a medio plazo, a través de la evaluación de sus factores competitivos macroeconómicos. Este índice está compuesto por tres pilares, y cada uno refleja un elemento crítico del proceso de crecimiento económico de un sistema económico nacional. Estos son: 1) calidad del escenario macroeconómico, 2) robustez de las instituciones públicas y 3) capacidades de innovación tecnológica. Cada uno de estos pilares está asociado a un sub-indicador. Aquí la atención se centrará en el Technology Index (Tech) ya que es el sub-indicador del GroCI relacionado con las capacidades tecnológicas (Archibugi et al., 2009).

⁵ El Global Competitiveness Index (GloCI) se publicó por primera vez en el Global Competitiveness Report (GCR) 2004-2005, y es un indicador desarrollado por el WEF para evaluar la capacidad competitiva de los sistemas económicos, tanto para países desarrollados como para países en desarrollo, siendo su principal objetivo sintetizar en un único indicador tanto los conductores económicos de la productividad, como los componentes microeconómicos de las capacidades de crecimiento. Para ello, considera una serie de variables agrupadas en pilares, los cuales reflejan diferentes aspectos del sistema económico. Cada pilar considera tanto variables de encuesta como datos publicados. El GloCI del GCR 2009-2010 está compuesto por doce categorías, de las cuales los autores han considerado solo la nueve y la doce, que son las que se corresponden con el TechRead y el TechInnov (Archibugi et al., 2009).

⁷ El índice de KMO, desarrollado por Kaiser (1974) se utiliza para comparar las magnitudes de los coeficientes de correlación múltiples observados con las magnitudes de coeficientes de correlación parcial. Cuando el valor del índice es bajo, menor de 0,5, se desaconseja la aplicación del análisis, ya que las correlaciones entre pares de variables no se pueden explicar a través de las otras variables. Cuanto más próximo a 1 esté el índice KMO, más adecuada es la utilización del análisis factorial.

⁸ La prueba de esfericidad de Bartlett contrasta si hay interrelaciones entre las variables mediante la enunciación de la hipótesis nula consistente en que la matriz de correlación es la matriz identidad (la que tiene unos en la diagonal principal y ceros en el resto de valores). Si se confirma la hipótesis nula, supondría que las variables no están correlacionadas. Si por el contrario, se rechaza la hipótesis nula, las variables estarían relacionadas y sería adecuado realizar el análisis factorial.

⁹ El análisis cluster es una técnica de análisis estadístico multivariante que permite la partición de un conjunto de datos (en este caso correspondientes a distintos países) en grupos, de tal forma que los datos pertenecientes a un mismo grupo son muy similares entre sí, pero muy diferentes a los de los otros grupos (Hair et al., 1999; Everitt et al., 2001). Este tipo de análisis ha sido desarrollado por numerosos autores (Johnson, 1967; Jardine y Sibson, 1968; Rohlf, 1970; Lerman, 1970; Benzecri, 1976; Clarysse y Muldur, 2001; Brujin y Lagendijk, 2005; Castellacy y Archibugi, 2008; Dory, 2008). Para conseguir formar grupos homogéneos de observaciones (en este caso de países), hay que medir su similaridad o su "distancia" (disimilaridad). A este respecto, se han desarrollado numerosos métodos para medir la distancia entre los casos. En este trabajo se va a utilizar la distancia euclídea.

¹⁰ A este respecto es importante resaltar que Hair et al. (1999) establecen la posibilidad de que un cluster esté constituido por una única observación.

Abramovitz, M. (1986). Catching up, forging ahead, and falling behind. Journal of Economic History, 46, 385-406.         [ Links ]

Adelman, I. & Morris, C. T. (1965). A factor analysis of the interrelationship between social and political variables and per capita gross national product. Quarterly Journal of Economics, 79, 555-578.         [ Links ]

Adelman, I. & Morris, C. T. (1967). Society, Politics and Economic Development. Baltimore: The Johns Hopkins Press.         [ Links ]

Aghion, P. & Howitt, P. (1992). A model of growth through creative destruction. Econometrica, 60, 323-351.         [ Links ]

Archibugi, D. & Coco, A. (2004). A new indicator of technological capabilities for developed and developing countries. World Development, 32(4), 629-654.         [ Links ]

Archibugi, D. & Coco, A. (2005). Measuring technological capabilities at the country level: a survey and a menu for choice. Research Policy, 34(2), 75-194.         [ Links ]

Archibugi, D. & Iammarino, S. (2002). The globalization of technological innovation: Definition and evidence. Review of International Political Economy, 9(1), 98-122.         [ Links ]

Archibugi, D., Denni, M. & Filippetti, A. (2009). The technological capabilities of nations: The state of the art synthetic indicators. Technological Forecasting & Social Change, 76, 917-931.         [ Links ]

Basilevsky, A. (1994). Statistical Factor Analysis and Related Methods: Theory and Applications. London: John Wiley & Sons Inc.         [ Links ]

Benzecri, J. P. (1976). Analyse des données. Paris: Dunod.         [ Links ]

Brujin, P. & Lagendijk, A. (2005). Regional innovation systems in the Lisbon strategy. European Planning Studies, 13, 1153-1172.         [ Links ]

Cantwell, J. & Iammarino, S. (2003). Multinational Corporations and European Regional Systems of Innovation. London: Routledge.         [ Links ]

Castellaci, F. & Archibugi, D. (2008). The technology clubs: The distribution of knowledge across nations. Research Policy, 37, 1659-1673.         [ Links ]

Chabbal, R. (1995). Un plan d'action pour les PME innovantes. Euro-pean Business and Innovation Centre Network (EBN), EC-BIC Observatory.         [ Links ]

Clarysse, B. & Muldur, U. (2001). Regional cohesion in Europe? An analysis of how EU public RTD support influences the techno-economic regional landscape. Research Policy, 30, 275-296.         [ Links ]

Cepal. (2007). Serie Estudios y Perspectivas. Indicadores de capacidades tecnológicas en América Latina. México: Naciones Unidas.         [ Links ]

Cohen, W. M. & Levinthal, D. A. (1989). Innovation and learning: The two faces of R&D. The Economis Journal, 99(397), 569-596.         [ Links ]

Cohen, W. M. & Levinthal, D. A. (1990). Absorptive capacity: a new perspective on learning and innovation. Administrative Science Quaterly, 35, 128-152.         [ Links ]

Comisión Europea. (2007). Global Innovation Scoreboard 2006 Report. CE, Brussels.         [ Links ]

Criscuolo, P. & Narula, R. (2008). A novel approach to nacional technological accumulation and absorptive capacity: aggregating Cohen y Levinthal. The European Journal of Development Research, 20(1), 56-73.         [ Links ]

Dahlman, C. & Nelson, R. (1995). Social absorption Capability, National Innovation Systems and Economic Development. En Perkins, D. H. & Koo, B. H. (Eds.), Social Capability and Long-term Growth. Basingstoke: Macmillan Press.         [ Links ]

Dory, T. (2008). RTD policy approaches in different types of European regions. Luxembourg: Office for Official Publications of the Euro-pean Communities.         [ Links ]

Dosi, G., Freeman, C., Nelson, R. & Soete, L. (1988). Technical Change and Economic Theory. London: Pinter Publishers.         [ Links ] Edquist, C. (1997). Systems of Innovation: Technologies, Institutions and Organizations. London: Pinter.         [ Links ]

Edquist, C. (2004). Systems of innovation: perspectives and challenges. En Fagerberg, J. J., Mowery, D. & Nelson, R. (Eds.), The Oxford Handbook of Innovation (pp. 181-208). Oxford: Oxford University Press.         [ Links ]

Everitt, B., Landau, S. & Leese, M. (2001). Cluster analysis (4^th. ed.). London: Arnold.         [ Links ]

Fagerberg, J. (1987). A technology gap approach to why growth rates differ. Research Policy, 16, 87-99.         [ Links ]

Fagerberg, J. (1994). Technology and international differences in growth rates. Journal of Economic Literature, 32, 1147-1175.         [ Links ]

Fagerberg, J. & Godinho, M. M. (2004). Innovation and cathing-up. En Fagerberg, J., Mowery, D. & Nelson, R. (Eds.), The Oxford Handbook of Innovation (pp. 514-544). Oxford: Oxford University Press.         [ Links ]

Fagerberg, J. & Srholec, M. (2008). National innovation systems, capabilities and economic development. Research Policy, 37, 1417-1435.         [ Links ]

Freeman, C. (1987). Technology Policy and Economic Performance: Lessons from Japan. London: Pinter.         [ Links ]

Freeman, C. (1997). The national system of innovation. En Archibugi, D. & Michie, J. (Eds.), Technology, globalisation and economic performance (pp. 24-49). Cambridge: Cambridge University Press.         [ Links ]

Freeman, C., Clark, J. & Soete, l. G. (1982). Unemployment and Technical Innovation: A study of long waves and economic development. London: Pinter.         [ Links ]

Furman, J. L., Porter, M. & Stern, S. (2002). The determinants of national innovative capacity. Research Policy, 31, 899-933.         [ Links ]

Gerschenkron, A. (1962). Economic backwardness in historical perspective. Cambridge, MA: The Belknap Press.         [ Links ]

Godinho, M. M., Mendoca, S. F. & Pereira, T. S. (2005). Towards a Taxonomy of Innovation Systems. Lisboa: Mimeo.         [ Links ]

Grossman, G. & Helpman, E. (1993). Innovation and Growth in the Global Economy. Cambridge: The MIT Press.         [ Links ]

Grupp, H. & Schubert, T. (2010). Review and new evidence on composite innovation indicators for evaluating national performance. Research Policy, 39, 67-78.         [ Links ]

Hair, J. F., Anderson, R. E., Tatham, R. L. & Black, W. C. (1999). Análisis multivariante. Madrid: Prentice Hall.         [ Links ]

Jardine, N. & Sibson, R. (1968). A model for taxonomy. Mathematical bioscences, 2, 465-482.         [ Links ]

Johnson, S. C. (1967). Hierarchical clustering schemes. Psychometrika, 32, 241-255.         [ Links ]

Juma, C. (2001). Global governance of technology: meeting the needs of developing countries. International Journal of Technology Management, 22(7-8), 629-655.         [ Links ]

Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39, 31-36.         [ Links ]

Kemeny, T. (2009). Are international technology gaps growing or shrinking in the age of globalization? Journal of Economic Geography. Doi: 10.1093/jeg/lbp062.         [ Links ]

Kim, L. (1980). Stages of development of industrial technology in a developing country. A model. Research Policy, 9, 254-277.         [ Links ]

Kim, L. (1997). Imitation to innovation: The dynamics of Korea's technological learning. Cambridge, MA: Harvard Business School Press.         [ Links ]

Lall, S. (1992). Technological capabilities and industrialization. World Development, 20, 165-186.         [ Links ]

Lall, S. & Albadalejo, M. (2001). Indicators of relative importance of IRPS in developing conutries. Background Paper for ICTSD/ UNCTAD Capacity Building proyect on Trips and Development.         [ Links ]

Lee, K. & Kim, B. (2009). Both institutions and policies matter but differently for different income groups of countries: Determinants of long-run economic growth revisited. World Development, 37(3), 533-549.         [ Links ]

Lerman, I. C. (1970). Les bases de la classification automatique. Paris: Gauthier-Villars.         [ Links ]

Lundvall, B. A. (1992). National Systems of Innovation: Towards a theory of innovation and interactive learning. London: Pinter Publishers.         [ Links ]

Lucas, R. (1988). On the mechanism of Economic Development. Journal of Monetary Economics, 22, 3-42.         [ Links ]

Metcalfe, J. S. (2010). Technology and economic theory. Cambridge Economic Journal, 34(1), 153-171.         [ Links ]

Navarro, M., Gibaja, J. J., Bilbao-Osorio, B. & Aguado, R. (2009). Patterns of innovation in EU-25 regions: a typology and policy recommendations. Environment and Planning C: Government and Policy, 27, 815-840.         [ Links ]

Nelson, R. (1993). National Innovations Systems: A comparative Analysis. New York: Oxford University Press.         [ Links ]

OCDE. (2002). Manual de Frascati: propuesta de norma práctica para encuestas de investigación y desarrollo experimental. OCDE.         [ Links ]

OCDE. (2006). Manual de Oslo: Guía para la recogida e interpretación de datos sobre innovación (3ª. ed.). Madrid: Tragsa.         [ Links ]

OCDE. (2007). Science, technology and innovation indicators in a changing world. Paris: OCDE.         [ Links ]

Rohlf, F. J. (1970). Adaptive hierarchical clustering schemes. Systematic zool, 19, 58-82.         [ Links ]

Romer, P. M. (1990). Endogenous technological change. Journal of political Economy, 98, 71-102.         [ Links ]

Patel, P. & Pavitt, K. (1995). Their measurement and interpretation. En Stoneman, P. (Ed.). Handbook of Economics of innovation and technological Change (pp. 15-51). Oxford: Blackwell Handbooks in Economics.         [ Links ]

Pietrobelli, C. (1994). National technological capabilities: an internal comparison. Development Policy Review, 12(2), 115-148.         [ Links ]

Sancho Lozano, R. (2002). Indicadores de los sistemas de ciencia, tecnología e innovación. Economía Industrial, 343, 97-109.         [ Links ]

Schumpeter, J. (1934). The Theory of Economic Development. Cambridge, Mass: Harvard University Press.         [ Links ]

Schumpeter, J. (1943). Capitalism, Socialism and Democracy. New York: Harper & Brothers. Traducción al español: Capitalismo, socialismo y democracia. Barcelona: Ed. Folio, 1984.         [ Links ]

Sharif, N. (2006). Emergence and development of the National Innovation System. Research Policy, 35, 745-766.         [ Links ]

Sirilli, G. (1997). Science and technology indicators. The state of the art and prospects for the future. En Antonelli, G. & De Liso, N. (Eds.), Economics of Structural and Technological Change. London: Routledge.         [ Links ]

Smith, K. (2005). Measuring innovation. En Fagerberg, J., Mowery, D. & Nelson, R. (Eds.), The Oxford Handbook of Innovation. Oxford: Oxford University Press.         [ Links ]

Solow, R. M. (1956). A contribution to the theory of economic growth. Quarterly Journal of Economics, 70, 65-94.         [ Links ]

Sutz, J. (1997). Innovación y desarrollo en América Latina. Caracas: Nueva Sociedad.         [ Links ]

Temple, J. & Johnson, P. A. (1998). Social capability and economic growth. Quarterly Journal of Economics, 113, 965-990.         [ Links ]

Unctad. (2005). World investment report. Geneva: Transnational Corporations and the internationalization of R & D, UCTAD.         [ Links ]

United Nations Industrial Development Organization, Unido. (2005). Industrial Development Report 2005-2006. Competing through innovation and learning, Viena: Unido.         [ Links ]

Verspagen, B. (1991). A new empirical approach to catching up or falling behind. Structural Change and Economic Dynamics, 2(82), 359-380.         [ Links ]

WEF, World Economic Forum. (2002). The Global Competitiveness Report 2002-2003. New York: Oxford University Press.         [ Links ]

WEF, World Economic Forum. (2006). The Global Competitiveness Report 2005-2006. Houndmills: Palgrave Macmillan.         [ Links ]

WEF, World Economic Forum. (2009). The Global Competitiveness Report 2009-2010. New York: Oxford University Press.         [ Links ]