Determinantes del grado de apertura de las pymes agroindustriales: una aplicación para el departamento del Atlántico
| Autor | José Luis Ramos Ruiz, José Luis Polo Otero, Aquiles Antonio Arrieta Barcasnegras, Luis Fernando Vélez Durán |
| Páginas | 189-228 |
189
DESARRO. SOC. 71, PRIMER SEMESTRE DE 2013, PP. X-XX, ISSN 0120-3584
Revista
Desarrollo y Sociedad
80
Primer semestre 2018
PP. 189-228, ISSN 0120-3584
E-ISSN 1900-7760
Determinantes del grado de apertura de las
pymes agroindustriales: una aplicación para el
departamento del Atlántico
Determinants of degree of openness of
agribusiness Smes: An application for the
Department of Atlántico
José Luis Ramos Ruiz1, José Luis Polo Otero2, Aquiles Antonio Arrieta
Barcasnegras3, Luis Fernando Vélez Durán4
DOI: 10.13043/DYS.80.6
Resumen
Este artículo busca establecer los determinantes del grado de apertura de las
pymes agroindustriales del departamento del Atlántico, con el fin de identifi-
car los factores clave para la formulación de políticas que fortalezcan la estra-
tegia de innovación abierta en el sector. La aplicación de dos modelos Tobit
1 Doctor en Economía, Sociología y Política Agraria de la Universidad Politécnica de Valencia. Profesor
e investigador del Instituto de Estudios Económicos del Caribe (IEEC), Departamento de Economía,
Universidad del Norte. Correo electrónico: jramos@uninorte.edu.co. Dirección de correspondencia:
km 5, vía Puerto Colombia
2 Doctor en Economía de la Universidad de Barcelona. Profesor e investigador del Instituto de Estudios
Económicos del Caribe (IEEC), Departamento de Economía, Universidad del Norte. Correo electrónico:
lpoloj@uninorte.edu.co. Dirección de correspondencia: km 5, vía Puerto Colombia
3 Magíster en Economía de la Universidad del Norte. Asistente de investigación del Departamento de
Economía, Universidad del Norte. Correo electrónico: abarcasnegras@uninorte.edu.co. Dirección de
correspondencia: km 5, vía Puerto Colombia
4 Economista de la Universidad del Norte. Consultor independiente. Correo electrónico: flvelez@uninorte.
edu.co. Dirección de correspondencia: carrera 64D n.º 86-233, Barranquilla, Atlántico.
Este artículo fue recibido el 1º diciembre del 2016, revisado el 13 de julio del 2017 y finalmente aceptado
el 29 octubre del 2017.
Determinantes del grado de apertura de las pymes agroindustriales
190
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
muestra que la capacidad de adquisición, la cercanía geográfica a clientes y
proveedores, la firma de contratos, el tamaño y las barreras para innovar son
las variables significativas para explicar la amplitud y profundidad en el uso
de fuentes externas para innovar. Los resultados sugieren la necesidad de con-
formar entornos que promuevan la gestación de redes interorganizacionales
de cooperación para la innovación, a fin de consolidar espacios geográficos
basados en la economía del conocimiento, que permitan integrar a los distin-
tos agentes del sistema de innovación.
Palabras clave del autor: innovación abierta, agroindustria, modelo Tobit, capa-
cidad de adquisición, proximidad geográfica (autores).
Clasificación JEL: O31, Q13, C34, D23.
Abstract
This paper tries to establish the determinants of degree of openness of the
agribusiness SMEs of the department of Atlántico. The purpose of this is to
identify the key factors for the formulation of policies that strengthen the open
innovation strategy in the sector. The application of two Tobit models shows
that acquisition capacity, geographical proximity to customers and suppliers,
the signing of contracts, the size and barriers to innovate are the significant
variables to explain the breadth and depth in the use of external sources to
innovate. The results suggest the need to create environments that promote
the creation of inter-organizational networks of cooperation for innovation,
with the objective of consolidating geographic spaces based on the knowledge
economy, that allow to integrate different agents of the innovation system.
Author’s key words: Open innovation, agribusiness, Tobit model, acquisition
capacity, geographical proximity (authors).
JEL Classification: O31, Q13, C34, D23.
Introducción
Recientemente, la innovación abierta ha emergido en el ámbito empresa-
rial como una estrategia efectiva para llevar a cabo procesos de innovación.
José Luis Ramos Ruiz et al. 191
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
Su influencia ha crecido con rapidez desde la introducción del concepto por
Chesbrough (2003), dadas las ventajas que ofrece para las empresas que la
emplean. Entre estas ganancias se tiene el acceso a nuevo conocimiento y a
tecnologías de forma más económica, reducción de costos, disminución de
riesgos asociados a los procesos de innovación y aumentos en la eficiencia
(Lazzarotti y Manzini, 2009; Samadi, 2014; Vanhaverbeke, Van de Vrande y
Chesbrough, 2008).
El desarrollo de procesos de innovación en las pymes agroindustriales del depar-
tamento del Atlántico demanda atención especial ya que constituye un ele-
mento clave para alcanzar su posicionamiento competitivo. Este sector es uno
de los renglones productivos priorizados en el Plan Estratégico Departamen-
tal de Ciencia, Tecnología e Innovación 2012-2022, gracias a su importancia
representativa, creciente dinamismo y generación de economías de aglome-
ración a lo largo del territorio departamental, convirtiéndose en una actividad
estratégica frente a la globalización y clave para el aprovechamiento de los
tratados de libre comercio (Gobernación del Atlántico, 2013). Sin embargo,
las pymes pertenecientes a este sector se caracterizan por llevar a cabo pro-
cesos esporádicos de innovación, de manera interna y con poca interacción
con agentes externos, en especial, con instituciones como las universidades,
laboratorios comerciales y consultores, lo que deja entrever que no se apro-
vechan los beneficios potenciales inherentes a la aplicación de estrategias de
innovación abierta. En este sentido, resulta indispensable establecer los deter-
minantes que influyen directamente en el grado de apertura de las pymes
agroindustriales del Atlántico, a fin de identificar los factores a los que debe
apuntarse para formular estrategias públicas orientadas a fortalecer las capa-
cidades de innovación empresarial y el ecosistema de innovación.
La innovación abierta ha recibido gran atención en la literatura económica
internacional pero su estudio es inexistente en el espectro académico de Colom-
bia. Por todo lo dicho, el objetivo de este trabajo es establecer cuáles son las
variables que inciden en el grado de apertura, medido a través de las dimen-
siones de amplitud y profundidad en el uso de fuentes externas de innova-
ción en las pymes que conforman la cadena de valor del sector agroindustrial
del departamento del Atlántico. Para ello, se estiman dos modelos Tobit que
relacionan las medidas señaladas con variables estructurales de las pymes,
elementos relacionados con costos de transacción y variables que capturan la
capacidad de adquisición de información de estas empresas.
Determinantes del grado de apertura de las pymes agroindustriales
192
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
Los resultados dejan entrever que las variables que ayudan a explicar las
dimensiones de amplitud y profundidad en las pymes agroindustriales del
departamento del Atlántico se relacionan con la cercanía geográfica a clien-
tes y proveedores, la capacidad de adquisición de información externa a la
empresa, la formulación de contratos para la búsqueda de fuentes para innovar,
el tamaño y las barreras para innovar. Sobre el particular, las empresas peque-
ñas ven incrementada su probabilidad de tener un mayor grado de apertura
frente a las empresas medianas. También se hace evidente que las barreras
para innovar incrementan la probabilidad de tener vínculos más profundos con
fuentes externas, pero no modifican significativamente la cantidad de fuen-
tes con las que se trabaja.
El documento se estructura en cinco secciones más la introducción. En la pri-
mera sección se realiza una revisión del estado del arte alrededor del concepto
de grado de apertura. Después, se exponen sus determinantes en el contexto de
las pymes. En la tercera sección se tratan los aspectos metodológicos de la
investigación y los resultados encontrados. Luego, se ofrece un análisis de los
principales hallazgos. Por último, se encuentra la conclusión.
I. Revisión de literatura
A. Grado de apertura
Una innovación hace referencia a la introducción en el mercado de un nuevo
producto o servicio, proceso, método organizativo o de comercialización
(Manual de Oslo, OECD, 2005). El primer acercamiento al concepto de inno-
vación fue planteado por Joseph Schumpeter (1942), bajo la expresión des-
trucción creativa, considerando que “en una sociedad con propiedad privada
y libre competencia, este proceso es el complemento necesario del emerger
continuo de nuevas formas sociales y económicas, y de ingresos reales en con-
tinuo crecimiento para todas las capas sociales” (p. 82).
El proceso a través del cual se desarrollan innovaciones ha mostrado una
importante evolución con el paso del tiempo. Las primeras aproximaciones se
remontan a mediados del siglo XX, donde se consideraba la innovación como
un proceso interno y lineal (Chesbrough, 2003; Ferrás, 2010; Van de Vrande et
José Luis Ramos Ruiz et al. 193
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
al., 2009), desarrollado únicamente por personal propio de la empresa, sin toma
de grandes decisiones estratégicas, dado que el mercado asimilaba todo lo que
se producía. No obstante, factores como los cambios tecnológicos, la apari-
ción de nuevos competidores y el incremento de la oferta global, caracterizada
por exigencias diferenciadas de los consumidores, modificaron la dinámica del
mercado. Por ello, la innovación se fortaleció a partir de oportunidades tec-
nológicas y necesidades insatisfechas del mercado que exigen la articulación
en la toma de decisiones entre los departamentos de marketing y producción
de las empresas, además de la aceptación e identificación de oportunidades
que pueden venir desde cualquier ámbito de la organización (Ferrás, 2010).
Durante la última década esta dinámica ha cambiado, posicionándose los pro-
cesos de innovación abierta como una nueva estrategia efectiva para llevar
a cabo innovaciones. La expresión innovación abierta fue acuñada por Ches-
brough (2003) y fue definida como el uso de entradas y salidas intencionales de
conocimiento, para acelerar y optimizar los procesos de innovación, de tal forma
que el conocimiento logrado fluya a través de los límites de la organización.
Considerando que una de las premisas fundamentales de la innovación abierta
establece que las fuentes de conocimiento para la innovación se encuentran
distribuidas en la economía, emerge la necesidad de que las compañías hagan
uso de las ideas y tecnologías externas y permitan voluntariamente que las
ideas y tecnologías internas sean utilizadas por otros para el desarrollo de sus
procesos de innovación (Chesbrough, Vanhaverbeke y West, 2014). En este
sentido, este enfoque reconoce la necesidad de identificar y acceder a cono-
cimientos externos, en suma a la generación de conocimiento interno. Por
tanto, el conocimiento interno tiende a ser más valioso y productivo cuando
se combina con conocimiento externo, adquirido a través de la adaptación de
investigaciones externas a la empresa (Van de Vrande et al., 2009).
La innovación abierta ha sido estructurada por fuentes de entrada y salida
(Gassmann y Enkel, 2004). Estas fuentes son reconocidas como los comporta-
mientos colaborativos asociados a la recepción y publicación de información
clave en torno a procesos de innovación, con el fin de ampliar y enriquecer la
base de conocimiento de las empresas, a través de las relaciones con fuen-
tes externas. Bajo esta perspectiva, la innovación abierta establece que las
empresas pueden y deben utilizar ideas tanto internas como externas, apor-
tando sus habilidades y recibiendo colaboración de otros actores para llevar
Determinantes del grado de apertura de las pymes agroindustriales
194
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
a cabo conjuntamente innovaciones. Así, las empresas tienen la oportunidad
de capturar de forma inteligente el inmenso valor que genera el conocimiento
público (Ferrás, 2010).
Entonces, para la adopción exitosa de conocimiento externo existen condicio-
nes que contribuyen a facilitar y mejorar el relacionamiento entre las empresas
y sus socios de colaboración en el desarrollo de procesos de innovación. En el
caso específico de las pymes, Lee et al. (2010) identifican que el desarrollo de
modelos de colaboración impulsa considerablemente los procesos de innova-
ción. Los autores aportan evidencia que sugiere que para garantizar el éxito
de estos procesos, debe existir la figura de un intermediario entre el grupo de
organizaciones, cuya función representativa está relacionada con la búsqueda
de socios entre una determinada red de empresas y la construcción de con-
fianza entre sus miembros, dada la limitada capacidad de colaboración que
caracteriza a este tipo de firmas.
Cabe resaltar que dentro del espectro de la innovación abierta se reconocen
cuatro formas de adelantar esta estrategia: revelar, adquirir, vender y bus-
car (Dahlander y Gann, 2010). Conceptualmente, revelar hace referencia a la
manera cómo las empresas exteriorizan información interna a su entorno;
vender especifica la adquisición en el mercado de insumos para el desarrollo
de procesos de innovación; adquirir se centra en la manera como las empresas
comercializan sus invenciones a través de la venta o concesión de licencias, y
buscar apunta a cómo las empresas exploran fuentes externas de innovación
y cómo las relacionan dentro del proceso de innovación.
Precisamente, el objetivo de esta investigación gira en torno a esta última forma
de apertura, vinculada al uso de fuentes externas de innovación en el sector
agroindustrial (Galizzi y Venturini, 1996; García Martínez y Briz, 2000). Tradi-
cionalmente, la caracterización propuesta para abordar el concepto de apertura
tomando como referencia el uso de fuentes externas para innovar, involucra
las dimensiones de amplitud y profundidad (Laursen y Salter 2004; 2006).
1. Amplitud y profundidad
La amplitud es definida como la cantidad de fuentes externas de innovación
en las cuales se apoyan las empresas para el desarrollo de actividades de inno-
vación (Laursen y Salter 2004; 2006). En este sentido, el éxito de los procesos
José Luis Ramos Ruiz et al. 195
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
de innovación se relaciona con el número de fuentes externas que empleen
las empresas para desarrollar este tipo de proyectos. Burt (1992) afirma que el
acceso a una mayor variedad de fuentes de innovación supone que los benefi-
cios sean aditivos más que redundantes, lo que puede inducir a las empresas
a utilizar un amplio número de estas. Laursen y Salter (2006) sugieren que
el relacionamiento con diversos actores para el desarrollo de innovaciones
puede proporcionar a las empresas nuevas ideas y recursos que contribuyen
al desarrollo exitoso de procesos de innovación. Varios trabajos presentan evi-
dencia de que las empresas que se destacan por desarrollar productos y ser-
vicios novedosos, suelen utilizar una amplia gama de fuentes de innovación
externas (Amara y Landry, 2005; Chiang y Hung, 2010).
En contraste con lo anterior, Leiponen y Helfat (2010) afirman que la amplitud
en el uso de fuentes de conocimiento puede estar sujeta a rendimientos mar-
ginales decrecientes. Las empresas pueden incurrir en costos marginales más
altos debido a la mayor complejidad relacionada con la gestión, tanto de la
variedad de aprendizajes como de las relaciones necesarias para mantener el
acceso a estas fuentes. Además, los beneficios de la recombinación de cono-
cimiento de diferentes orígenes pueden disminuir a medida que el número de
estos se incrementa (Fleming y Sorenson, 2001). En esta misma línea, espe-
cíficamente para el caso de las pymes, Classen et al. (2012) afirman que este
tipo de empresas emplean un conjunto diversificado pero reducido de fuen-
tes externas para el desarrollo de procesos de innovación. Teniendo en cuenta
que las interacciones con agentes externos de innovación requiere de esfuer-
zos relacionados con recursos humanos, financieros y de tiempo, se limita el
alcance de estos, lo que dificulta el establecimiento de una amplia gama de
relaciones con fuentes más allá de las fronteras de la empresa (Othman et al.,
2012). Por tal motivo, según el Manual de Oslo (OECD, 2005), las pymes tien-
den a especializarse en sus relaciones, lo cual implica incrementar la eficiencia
de las interacciones con fuentes externas de innovación para la cooperación,
intercambio de conocimiento y actividades de comercialización.
Por su parte, la profundidad se asocia con la intensidad de la relación que
establecen las empresas con distintas fuentes externas de innovación (Laur-
sen y Salter 2004; 2006). La intensidad requiere que las empresas mantengan
contactos fuertes y frecuentes con una fuente determinada de conocimiento
(Leana y Van Buren, 1999). Sobre el particular, Chen, Chen y Vanhaverbeke
(2011) argumentan que la intensidad con la que se llevan a cabo colaboraciones
Determinantes del grado de apertura de las pymes agroindustriales
196
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
con fuentes externas de innovación es un factor determinante para mejorar los
resultados en torno a los procesos de innovación. Desde la perspectiva de la
teoría del capital social se argumenta que el contacto frecuente con una fuente
externa de información o conocimiento en particular, puede facilitar la trans-
ferencia de conocimiento y conllevar a la empresa a soluciones bien definidas
en el desarrollo de innovaciones (Chiang y Hung, 2010; Dyer y Nobeoka, 2000).
En este sentido, la conceptualización alrededor del capital social ofrece un
importante enfoque para entender las relaciones entre organizaciones en el
marco del desarrollo de procesos de innovación. El capital social relacional entre
distintos agentes viene determinado por el respeto, la confianza y la amistad
entre las partes involucradas en el proceso. Sobre esto, Mu, Peng y Love (2008)
afirman que existen factores que resultan relevantes en los procesos exitosos
de innovación, entre los cuales se destacan el nivel de compromiso, la cohe-
sión y la confianza entre las organizaciones. Así, varios estudios exponen que
el éxito de los procesos de innovación depende, en gran medida, de la calidad
y profundidad de las relaciones entre un número reducido de socios de cola-
boración (Moran, 2005; Rowley, Behrens y Krackhardt, 2000).
Ciertos actores económicos del entorno social son considerados importantes
fuentes de innovación. Las universidades (Bercovitz y Feldman, 2007; Cas-
siman, Di Guardo y Valentini, 2010), los proveedores (Aylen, 2010; Li y Van-
haverbeke, 2009), los clientes y los competidores (Lim, Chesbrough y Ruan,
2010; Miotti y Sachwald, 2003), surgen como fuentes externas que influyen
positivamente en los procesos de innovación, ya que aportan conocimientos
complementarios que mejoran el desempeño de las empresas en el desarrollo
de nuevos productos y servicios (Asakawa, Nakamura y Sawada, 2010; Love,
Roper y Bryson, 2011). Numprasertchai e Igel (2005) y Ferreras-Méndez et al.
(2015) coinciden con esta apreciación y afirman que el mantenimiento de
relaciones con fuentes externas de innovación como usuarios, clientes, pro-
veedores y universidades es necesario para la identificación de oportunidades
y la transferencia de conocimiento y tecnologías que permitan el desarrollo
de procesos de innovación exitosos.
Varios trabajos, en distintos contextos, han establecido los determinantes
de las dimensiones de amplitud y profundidad en el estudio del grado de
apertura. Keupp y Gassmman (2009) en el marco de la estructura de inno-
vación de Suiza identificaron, por medio de un análisis de clúster, cuatro
José Luis Ramos Ruiz et al. 197
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
arquetipos de empresas usuarias de fuentes externas para innovar, a saber:
profesionales, aquellas que usan un amplio número de fuentes, manteniendo
un alto grado de intensidad de colaboración entre ellas; exploradoras, las
que usan una gran cantidad de fuentes externas de innovación, pero no de
manera intensiva; scouts, quienes usan pocos agentes externos para innovar,
sin mayor profundidad; y aisladas, caracterizadas por realizar sus procesos
de innovación de manera interna, empleando recursos humanos, físicos y
financieros propios.
Los autores revelan que son dos los factores determinantes en el desarrollo de
procesos de innovación abierta. El primero apunta a los costos de transacción
asociados a la búsqueda y evaluación de las fuentes externas de innovación.
En este sentido, la naturaleza inherente a la apertura, en cuanto a la interac-
ción con muchas fuentes externas de innovación, puede elevar los costos de
transacción, resultando un factor estratégico para la empresa al decidir ade-
lantar sus proyectos de innovación bajo un modelo abierto o cerrado.
En segundo lugar, la propiedad intelectual desempeña un papel determinante,
dado que las empresas al abrir sus fronteras a fuentes externas de innovación,
se exponen a que una tercera parte se apropie del valor y conocimiento que
surja dentro de la relación creada. Esto genera riesgos que son aliviados, en
parte, por la presencia de registros de propiedad intelectual, los cuales redu-
cen los conflictos relacionados con la participación que tiene cada organiza-
ción sobre el valor generado.
Por su parte, Othman et al. (2012), en el entorno de las pymes manufactureras
de Canadá, siguen un enfoque similar y clasifican a las empresas en cuatro
grupos según su grado de apertura. A partir de allí, establecen las variables
internas y externas a la firma que influencian su ubicación en cada categoría.
La evidencia muestra que los factores externos que influyen en el desarrollo
de procesos de innovación abierta en las pymes se vinculan, principalmente,
con la proximidad regional y los obstáculos del entorno. Por su parte, factores
internos como el tamaño y la edad de la empresa inciden en su apertura. De
forma específica, a mayor edad mayor es la propensión de desarrollar innova-
ciones por medios propios, y a mayor tamaño se incrementa la probabilidad
de desarrollar interacciones en los procesos de innovación.
Determinantes del grado de apertura de las pymes agroindustriales
198
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
II. Determinantes del grado de apertura en las pymes
A. Características internas y externas
Teniendo en cuenta que el objetivo principal del documento es identificar
cuáles son los determinantes que inciden de forma significativa en el grado
de apertura de las pymes que conforman la cadena de valor del sector agro-
industrial del departamento del Atlántico, se encontraron diversos estu-
dios que explican el grado de apertura a partir de varios factores internos
y externos a la empresa, lo cual permitió establecer las variables a validar
en los modelos Tobit.
La primera variable está dada por el tamaño de la empresa. La literatura pre-
senta evidencias opuestas respecto a su incidencia en los procesos de inno-
vación empresarial. Diversos estudios aportan evidencia indicando que este
factor ejerce una influencia positiva sobre la propensión de interactuar con
fuentes externas para el desarrollo de innovaciones, (Czarnitzki, Ebersberger
y Fier, 2007; Laforet, 2013; Maula, Keil y Salmenkaita, 2006). Además, la for-
taleza financiera y la capacidad de gestión administrativa característica de
las empresas de mayor tamaño influyen en su disposición para participar en
este tipo de colaboración (Ebersberger et al., 2011). Sin embargo, otros tra-
bajos sugieren que dadas las limitadas capacidades económicas y tecnológi-
cas de las pymes, las empresas de menor tamaño tienen mayor inclinación a
relacionarse con socios de cooperación para el desarrollo de innovaciones en
busca de compartir riesgos, distribuir costos de inversión y reducir la carga
laboral de los empleados (Salavou, Baltas y Lioukas, 2004; Van de Vrande et
al., 2009). De esta manera, las pymes estarían más propensas a desarrollar
innovaciones apoyándose en socios externos (Chesbrough et al., 2014) con la
finalidad de diferenciarse de las demás empresas de su sector y, así, sobrevi-
vir en el mercado.
La segunda variable considerada corresponde a la edad de la empresa, para la
cual no existe consenso sobre su influencia en la apertura y el comportamiento
innovador. Diversos estudios afirman que la antigüedad de la empresa se rela-
ciona positivamente con el desarrollo de innovaciones, debido a la acumula-
ción de procesos tecnológicos y la disponibilidad de experiencia (Hernández
y De la Calle, 2006; Huergo y Jaumandreu, 2004), lo que incide en el relacio-
namiento con diferentes actores para dicho fin. Por su parte, otros autores
José Luis Ramos Ruiz et al. 199
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
aportan evidencia que sugiere que las empresas más jóvenes por naturaleza
presentan un enfoque abierto, en el que las relaciones con otras empresas y
fuentes de innovación hacen parte de su ADN (Baum, Calabrese y Silverman,
2000; Edwards, Delbridge y Munday, 2005).
La tercera variable está relacionada con los impedimentos, internos y exter-
nos, que inhiben el relacionamiento de las empresas con fuentes externas para
innovar. Estos factores son expuestos en la literatura con el nombre de barre-
ras, interpretadas como rigideces que dificultan el desarrollo de las prácticas
innovadoras en las empresas (Madrid-Guijarro, García y Van Auken, 2009).
Baldwin y Lin (2002), Mohnen y Röller (2005) y Allocca y Kessler (2006) mues-
tran que las principales barreras a la innovación para las pymes vienen dadas
por:
• Restricciones en el acceso a recursos financieros, debido al delgado músculo
financiero característico de las pymes y al poco acceso a recursos externos
para el desarrollo de innovaciones, dado el elevado riesgo asociado a la
dificultad de medir la probabilidad de éxito de estos procesos.
• Falencias en recursos humanos e inadecuada cultura organizacional, a
causa de la falta de personal capacitado y comprometido que asuma y
apoye el desarrollo de proyectos innovadores.
• Limitacionesinstitucionalesypolíticasgubernamentaleserradas,derivadas
de la inestabilidad política y económica, y de la falta de incentivos estatales
que propicien el desarrollo de innovaciones.
Nikolic, Despotovic y Cvetanovic (2015) estudiaron las barreras que afec-
tan los procesos de innovación en las pymes de Serbia y encontraron que los
principales obstáculos están asociados a la falta de personal calificado, a la
inadecuada estrategia gubernamental de apoyo a la innovación, a los impedi-
mentos económicos (falta de fondos propios y mercado limitado) y a la falta
de cultura organizacional e incentivos. Kamalian, Rashki y Arbabi (2011) hacen
lo propio en 86 pymes de Irán. Sus resultados sugieren que las barreras más
representativas que dificultan la innovación están relacionadas con la falta
de mano de obra calificada, escasas fuentes de financiación y los elevados
costos asociados a los procesos de innovación. Precisamente, los altos costos,
vinculados estrechamente con el riesgo económico que supone este tipo de
Determinantes del grado de apertura de las pymes agroindustriales
200
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
prácticas, tienen un efecto negativo significativo sobre la propensión a inno-
var, resultados que coinciden con lo encontrado por Zhu, Wittmann y Peng
(2012) para 86 pymes de China y por Madrid-Guijarro et al. (2009) para 294
pymes manufactureras de España.
La cuarta variable parte de la perspectiva de la nueva economía institucio-
nal y se relaciona con factores que generan costos de transacción en los pro-
cesos de innovación abierta. Los costos de transacción fueron definidos por
Coase (1937), afirmando que son aquellos en los que incurren las empresas a
la hora de realizar una transacción, y que están vinculados principalmente
a la identificación de la contraparte con la que hacen el intercambio, a la
definición legal de los términos que cobijarán dicho intercambio a través de
la elaboración de contratos y a la vigilancia que permite certificar que los
términos pactados están siendo cumplidos por las partes. A pesar de su inhe-
rente influencia en los procesos de innovación, estos no han sido ampliamente
estudiados en la literatura.
Williamson (1975, 1991, 1998) aporta a la teoría de costos de transacción al
exponer el carácter oportunista de la acción humana, partiendo de que las per-
sonas pueden actuar de manera oportunista ante la presencia de una asimetría
en la información. Ante esto, el autor explica que los costos de transacción
pueden aumentar a medida que se trata con una contraparte no confiable y
potencialmente oportunista, por lo que es necesario buscar y evaluar infor-
mación sobre las partes con las que se realizan los procesos de colaboración.
Por ello, los costos de transacción son un factor determinante en la disyuntiva
ante la cual se enfrenta la empresa, respecto a la decisión de realizar innova-
ciones de manera interna o cooperar con actores externos (Dahlander y Gann,
2010). En línea con lo anterior, para lograr innovaciones que reporten benefi-
cios para ambas partes, se requiere de ciertos aspectos legales que establez-
can las bases de dicha cooperación, así como la garantía de la retribución de
los beneficios entre las partes.
Considerando la asimetría de información y el riesgo de comportamientos
oportunistas en las relaciones para innovar entre diferentes agentes, la teoría
de contratos ofrece una solución que permite sentar las bases para la plena
colaboración. En el modelo de la teoría de contratos relacionales se asume
una relación bilateral en la cual una parte decide negociar con otra para la
obtención de un beneficio mutuo (Del Canto, 2002), estableciendo previamente
José Luis Ramos Ruiz et al. 201
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
las condiciones de dicha asociación y la garantía de cumplimento. Bajo este
esquema, los contratos se encuentran cobijados bajo garantías de cumplimiento
amparadas por recursos legales, siendo el comportamiento oportunista ex ante
o ex post disuadido por las sanciones legales a las que serían sometidos quie-
nes incumplan los términos contractuales (Furubotn y Richter, 2005). Si bien
es cierto que la celebración del contrato genera un costo de transacción, las
partes involucradas en el intercambio se encuentran ante un trade-off: incurrir
en el costo de celebración del contrato o relacionarse basados en la confianza.
Ante esto, la decisión de adelantar un contrato parte de la posición en la cual
el riesgo de incumplimiento por alguna de las partes es mayor que el costo de
la firma y su elaboración.
Siguiendo esta línea de investigación, en este trabajo se pretende analizar el
papel que cumple la posibilidad de establecer un acuerdo contractual sobre
el grado de apertura —tal como se pretende aproximar aquí— de las pymes
del sector agroindustrial.
Un factor clave en la naturaleza de las transacciones y en sus costos apareja-
dos tiene que ver con la especificidad, siendo reconocidas la especificidad de
activos físicos, la especificidad de lugar, la especificidad de recursos humanos
y la especificidad de activos dedicados (Williamson, 1975). En lo referente a la
especificidad de sitio, se plantea la ubicación geográfica como factor decisivo
para la reducción de costos y mayor capacidad de vigilancia y acercamiento con
las partes involucradas en una relación cooperativa. En este estudio se plan-
tean los factores culturales asociados a la proximidad territorial entre agen-
tes como posible factor generador de afinidad entre los socios, lo que influye
en el comportamiento de cooperación. Esta aproximación se plantea teniendo en
cuenta que relacionarse con agentes culturalmente similares permite que el
vínculo se desarrolle con mayor confianza y fluidez. Ante esto, se esperaría que
la oportunidad de usar fuentes externas de innovación geográficamente cer-
canas, establecidas en territorios culturalmente similares, genere un impacto
positivo en la amplitud y profundidad.
Finalmente, la quinta variable se encuentra determinada por la capacidad de
absorción, conceptualizada en la literatura como “la habilidad de la empresa
para reconocer el valor de la nueva información externa, asimilarla y apli-
carla con fines comerciales” (Cohen y Levinthal, 1990). La capacidad de absor-
ción se ha posicionado como un marco analítico importante para abordar los
Determinantes del grado de apertura de las pymes agroindustriales
202
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
aspectos que rodean los procesos de innovación empresarial, enfatizando en
las medidas de intensidad del conocimiento a lo largo de su adquisición, asi-
milación, transformación y explotación. En relación directa con lo anterior, se
plantea que las actividades de I + D, además de generar información para el
desarrollo de nuevos productos y esquemas operativos, fomentan la habili-
dad para asimilar y explotar la información disponible en el exterior (Cohen
y Levinthal, 1990).
Teniendo en cuenta que es imposible para una empresa explotar conocimiento
externo sin haberlo adquirido previamente, la dimensión de adquisición merece
la mayor atención dentro de este trabajo. Lane y Lubatkin (1998) la definen
como la capacidad de la empresa para identificar, valorar, seleccionar y adquirir
conocimiento externo crítico para sus operaciones. En este sentido, exponen
que la habilidad para reconocer y valorar el conocimiento externo está prin-
cipalmente determinada por los factores confianza entre los socios y simili-
tudes existentes entre culturas organizacionales y la base de conocimiento
de partida de la empresa.
De manera particular, la adquisición de conocimiento supone uno de los ele-
mentos clave dentro de la teoría de los recursos y capacidades. De acuerdo con
Teece (1986) y Teece, Pisano y Shuen (1997), la transformación de los bene-
ficios de una innovación en un producto comercialmente viable requiere la
adopción de un conjunto de recursos que incluye, entre otros, los activos de
la empresa, las capacidades, los procesos organizacionales, la información y el
conocimiento en sí mismo (Barney, 1991). Bajo esta perspectiva, la garantía de
crear una verdadera ventaja competitiva en el mercado recae en las capacida-
des dinámicas, aquellas que extienden, modifican o crean nuevas capacidades
(Koryak et al. 2015), siendo la adopción y la explotación de conocimiento dos
de estas. En este sentido, Teece (2014) reconoce la importancia que tiene la
vinculación de la empresa con agentes externos para la estructura de capaci-
dades dinámicas, esto desde la visión relacional de ventaja competitiva, según
la cual la dotación de recursos de un grupo de firmas relacionadas llega a ser
más valiosa que la de las empresas por separado.
José Luis Ramos Ruiz et al. 203
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
III. Metodología
La formulación metodológica usada en el trabajo se presenta en tres subsec-
ciones. En primer lugar, se ofrece una descripción de los datos usados. Luego,
se muestra la manera como fueron construidas las variables dependientes e
independientes. Por último, se da cuenta de los resultados obtenidos por medio
de las regresiones Tobit.
A. Datos
Los datos usados en este trabajo proceden de dos encuestas aplicadas en 96
pymes de la cadena de valor agroindustrial5 del departamento del Atlántico
(Colombia), en el marco del programa de gestión de la innovación empre-
sarial para pymes de sectores estratégicos en dicha región, cuyo objetivo
central era diseñar una estrategia interna de basada en prácticas organiza-
cionales orientadas a incrementar la capacidad de innovación. Enfocado en
el comportamiento innovador de las empresas, el primer cuestionario bus-
caba determinar la capacidad de innovación de las firmas en los últimos tres
años. Este instrumento está soportado en la metodología propuesta por el
Manual de Oslo (2005) y la Community Innovation Survey (CIS). El segundo
cuestionario está diseñado para medir la capacidad de absorción de conoci-
miento de las pymes y su capacidad relacional con otros agentes del ecosis-
tema de innovación. En ambos casos, todas las preguntas fueron respondidas
por el gerente de cada pyme.
En este artículo se reconoce una pyme como aquella empresa que cumple con
la disposición establecida en el Estado colombiano por el artículo 2 de la Ley
590 del 2000 . En este sentido, en la categoría de pymes se ubican todas las
empresas que tienen entre 11 y 200 empleados o que posean activos totales
por un valor que oscile entre 501 y 15.000 salarios mínimos mensuales lega-
les vigentes. Así mismo, la investigación se centra en empresas innovadoras,
es decir que en los últimos tres años hayan desarrollado, o mejorado, produc-
tos y procesos.
5 Las empresas fueron clasificadas en cuatro grupos o sectores según su actividad dentro de la cadena
de valor: productores de insumos, transformadores o procesadores industriales, comercializadores y
empresas de apoyo logístico.
Determinantes del grado de apertura de las pymes agroindustriales
204
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
B. Codificación de los datos
1. Amplitud y profundidad
Las dos dimensiones utilizadas para caracterizar el grado de apertura de las
pymes corresponden a la amplitud y profundidad en el uso de fuentes exter-
nas para innovar. Para ambos casos se creó un indicador compuesto haciendo
uso de la técnica de análisis de componentes principales. Esta es una téc-
nica estadística que permite la reducción de datos y busca agrupar variables
en subindicadores. En esencia, su objetivo es explicar el mayor porcentaje de
la varianza total presente en un conjunto de variables, por medio del menor
número de componentes o factores. A cada empresa se le pidió que indicara,
en una escala de 0 (no hubo relación) a 7 (mucha frecuencia), la frecuencia
con la que se relacionó para desarrollar actividades de innovación, con ocho
agentes externos distintos en los últimos tres años. A partir de las respuestas
se definió la dimensión de amplitud. De manera similar, en una escala de 0
(ninguna importancia o no hubo relación) a 7 (mucha importancia), se soli-
citó la importancia otorgada a cada fuente externa para llevar a cabo acti-
vidades de innovación en los últimos tres años. Con base en estas respuestas
se definió la dimensión de profundidad. Las fuentes externas consideradas se
presentan en el cuadro 1.
Cuadro 1. Fuentes externas de innovación usadas para crear las medidas de apertura
Otras organizaciones dentro del grupo empresarial
Proveedores de equipos, materiales, componentes o software
Clientes
Competidores y otras empresas de la misma industria
Consultoras
Laboratorios o empresas de I + D
Universidades
Agencias gubernamentales / Institutos de investigación sin fines de lucro
Fuente: elaboración propia.
Los dos índices se construyeron en cuatro pasos. En el primero se identificó el
número de componentes necesarios para representar los datos y se calcula-
ron las cargas o loadings que miden la correlación entre la variable o indica-
dor individual con su respectivo componente. Siguiendo el criterio de Kaiser,
José Luis Ramos Ruiz et al. 205
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
se retuvieron aquellos componentes con eigenvalues superiores a 1. Luego, se
adelantó una rotación varimax de factores, a fin de garantizar que cada com-
ponente estuviera fuertemente correlacionado con un número reducido de
variables y débilmente con las otras, facilitando la interpretación de los com-
ponentes en la medida que cada variable o indicador estaba presente en un
solo factor. Después, se usaron los loadings para determinar las ponderacio-
nes que se usarían en la construcción de cada índice. El enfoque elegido en
este trabajo sigue a Nicoletti, Scarpetta y Boylaud (2000) y a la OECD (2008),
en cuanto pondera cada indicador individual por la proporción de su varianza
que es explicada por el componente al que es asociado (esto es, la carga al
cuadrado normalizada) para la construcción de subíndices en la presencia de
dos o más componentes, mientras que pondera cada componente según su
contribución a la porción de varianza explicada en el conjunto total de datos
(es decir, la suma normalizada de cargas al cuadrado) para estimar un índice
sintético definitivo. Por último, cada índice fue reescalado para tomar valo-
res entre 0 y 1.
Para el índice de amplitud, el cuadro 2 muestra que se identificaron dos
componentes. El primero tiene cargas sobresalientes en las cuatro prime-
ras variables6 (otras organizaciones dentro del grupo empresarial, provee-
dores, clientes y competidores). Este componente puede ser interpretado
como representando la amplitud relacional de las pymes con fuentes de su
entorno productivo cercano, por ello se le asigna este nombre. El segundo
componente tiene cargas sobresalientes en los cuatro últimos indicadores y
representa el grado en que las empresas frecuentan fuentes de conocimiento
(consultoras, laboratorios o empresas de I + D, universidades e institutos de
investigación sin fines de lucro).
6 Las variables que conforman cada componente se definen a partir de los loadings rotados con valor
absoluto mayor a 0,3.
Determinantes del grado de apertura de las pymes agroindustriales
206
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
Cuadro 2. Component loadings para el índice de amplitud (1)
Componente 1 Componente 2
Variable
Fuentes entorno productivo Fuentes de conocimiento
Component
loadings
Ponderador de
variables en el
componente (2)
Component
loadings
Ponderador de
variables en el
componente (2)
Otras organizaciones del grupo
empresarial 0,39 0,15 0,12 0,02
Proveedores 0,49 0,24 -0,04 0,00
Clientes 0,53 0,28 -0,01 0,00
Competidores 0,50 0,25 -0,04 0,00
Consultoras 0,21 0,04 0,35 0,12
Laboratorios o empresas de
I + D 0,05 0,00 0,50 0,25
Universidades -0,17 0,03 0,56 0,32
Agencias gubernamentales /
Institutos de investigación sin
fines de lucro
-0,02 0,00 0,54 0,29
Ponderador de factores en
índice sintético (3) 0,50 0,50
Criterios de selección
Eigenvalues 4,11 1,41
Varianza total explicada por
los componentes 69,12
Alfa de Cronbach 0,78 0,77
(1) Basado en la matriz de componentes rotados.
(2) Component loadings cuadrados normalizados.
(3) Suma normalizada de component loadings cuadrados.
Fuente: elaboración propia.
Los valores del alfa de Cronbach muestran que las variables que conforman
cada componente son fiables. Con las variables identificadas que ejercen mayor
influencia sobre cada factor, se crearon dos subíndices que se agregaron en un
único índice de amplitud (AMP), tal como se señaló. El alfa de Cronbach para el
índice incluyendo todas las variables es de 0,814, lo que revela su consistencia.
De forma similar, el cuadro 3 muestra que la construcción del índice de pro-
fundidad tiene en cuenta dos componentes, que se conforman con las mis-
mas variables que en el caso de amplitud. El cálculo del alfa de Cronbach para
José Luis Ramos Ruiz et al. 207
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
ambos componentes revela la consistencia de las variables que los conforman.
Así mismo, el alfa de 0,803 para el único índice de profundidad (PRO) sugiere
su alta fiabilidad.
Cuadro 3. Component loadings para el índice de profundidad (1)
Componente 1 Componente 2
Variable
Fuentes entorno productivo Fuentes de conocimiento
Component
loadings
Ponderador
de variables
en el com-
ponente (2)
Component
loadings
Ponderador de
variables en el
componente (2)
Otras organizaciones del grupo
empresarial 0,43 0,18 0,12 0,01
Proveedores 0,49 0,24 0,01 0,00
Clientes 0,54 0,29 -0,06 0,00
Competidores 0,51 0,26 -0,06 0,00
Consultoras 0,15 0,02 0,42 0,17
Laboratorios o empresas de
I + D -0,03 0,00 0,56 0,31
Universidades -0,09 0,01 0,50 0,25
Agencias gubernamentales /
Institutos de investigación sin
fines de lucro
0,01 0,00 0,49 0,24
Ponderador de factores en
índice sintético (3) 0,50 0,50
Criterios de selección
Eigenvalues 3,97 1,64
Varianza total explicada por los
componentes 70,28
Alfa de Cronbach 0,79 0,76
(1) Basado en la matriz de componentes rotados.
(2) Component loadings cuadrados normalizados.
(3) Suma normalizada de component loadings cuadrados.
Fuente: elaboración propia.
2. Variables independientes
El primer grupo de variables explicativas consideradas corresponde al tamaño
y la edad de la pyme. En el primer caso, se construyó una variable categórica
Determinantes del grado de apertura de las pymes agroindustriales
208
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
con valor de 1 para las empresas pequeñas y 0 para las empresas medianas7.
El segundo grupo lo integran los obstáculos que enfrentan las empresas en el
momento de innovar. Cada pyme indicó, en una escala de 0 (no experimentó
el obstáculo) a 100 (importancia máxima), el grado de importancia asignado
a una serie de barreras sobre sus actividades de innovación en los últimos tres
años. El cuadro 4 provee un análisis de componentes principales donde se revela
que se identificaron tres componentes. El primer componente tiene cargas
sobresalientes en las variables falta de personal calificado, falta de información
sobre tecnología y falta de información, por ello el componente toma el nombr e
barreras de información. El segundo componente tiene cargas sobresalientes
en los indicadores falta de fondos propios, falta de financiamiento externo
a la empresa y alto costo de la innovación, y representa el grado en que las
empresas enfrentan barreras financieras. Finalmente, el tercer componente
agrupa las barreras de mercado (mercado dominado por empresas estableci-
das, incertidumbre respecto a la demanda por bienes o servicios innovadores
y dificultad regulatoria).
Los valores del alfa de Cronbach muestran que las variables que conforman
cada componente son fiables. Con las variables identificadas que ejercen mayor
influencia sobre cada factor, se crearon tres subíndices que se agregaron en
un único índice de barreras de innovación (BAI). El alfa de Cronbach para el
índice, con todas las variables, es de 0,8103, lo cual revela su consistencia.
Otra variable para la que se construyó un índice es la relacionada con la capa-
cidad que tiene la empresa para adquirir información proveniente de fuentes
externas. Sobre el particular, a cada pyme se le preguntó su grado de acuerdo,
sobre una escala Likert de 7 puntos, en relación con cinco ítems vinculados con
la manera como obtienen información proveniente del exterior de la empresa.
El cuadro 5 presenta el análisis de componentes principales para esta medida. El
índice de capacidad de adquisición de información (ADQ) se estableció sobre
un solo factor y está compuesto por todos los ítems analizados. El valor del
alfa de Cronbach revela su consistencia.
7 De acuerdo con la Ley 905 del 2004, una empresa se denomina pequeña cuando cuenta con una
planta de personal entre 11 y 50 trabajadores, y se califica como mediana cuando posee entre 51 y
200 empleados.
José Luis Ramos Ruiz et al. 209
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
Cuadro 4. Component loadings para el índice de obstáculos para la innovación (1)
Componente 1 Componente 2 Componente 3
Variable
Barrera de información Barreras financieras Barreras de mercado
Component
loadings
Ponderador
de variables
en el
componente
(2)
Component
loadings
Ponderador
de variables
en el
componente
(2)
Component
loadings
Ponderador
de variables
en el com-
ponente (2)
Falta de fondos
propios 0,01 0,00 0,59 0,35 -0,04 0,00
Falta de
financiamiento
externo a la
empresa
-0,13 0,02 0,69 0,47 -0,13 0,02
Alto costo de la
innovación 0,10 0,01 0,31 0,09 0,20 0,04
Falta de personal
calificado 0,52 0,27 -0,03 0,00 0,00 0,00
Falta de
información sobre la
tecnología
0,57 0,33 0,10 0,01 -0,11 0,01
Falta de
información sobre
los mercados
0,58 0,33 -0,04 0,00 0,04 0,00
Mercado dominado
por empresas
establecidas
-0,03 0,00 0,01 0,00 0,64 0,24
Incertidumbre
respecto a la
demanda por
bienes o servicios
innovadores
-0,02 0,00 0,11 0,01 0,53 0,37
Dificultad
regulatoria 0,00 0,00 -0,09 0,01 0,47 0,64
Ponderador de
factores en índice
sintético (3)
0,33 0,33 0,33
Criterios de
selección
Eigenvalues 3,76 1,31 1,07
Varianza total
explicada por los
componentes
61,49
Alfa de Cronbach 0,76 0,77 0,71
(1) Basado en la matriz de componentes rotados
(2) Component loadings cuadrados normalizados
(3) Suma normalizada de component loadings cuadrados
Fuente: elaboración propia.
Determinantes del grado de apertura de las pymes agroindustriales
210
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
Cuadro 5. Component loadings para el índice de capacidad de adquisición de infor-
mación (1)
Capacidad de adquisición de información
Ítem Component Loading
La empresa motiva a los empleados a buscar información de fuentes
pertenecientes a la industria 0,39
La empresa busca regularmente información proveniente de actores
especializados 0,46
La búsqueda de información externa relacionada con el desempeño del
negocio es una actividad cotidiana 0,56
La empresa recoge información sobre la industria a través de canales
informales 0,52
La empresa no tiene mecanismos para la captación del conocimiento
externo 0,22
Varianza explicada 72,2
Eigenvalue 2,46
Alfa de Cronbach 0,74
(1) Basado en la matriz de componentes rotados
Fuente: elaboración propia.
Por último, se tienen en cuenta dos medidas para captar el papel de los fac-
tores relacionados con los costos de transacción sobre la capacidad relacional
de las pymes. La primera, nombrada CT_PG, es un índice que integra dos ítems
relacionados con la importancia de la especificidad vinculada con la cercanía
geográfica de clientes y proveedores para la búsqueda de ideas para innovar.
El alfa de Cronbach asociado es de 0,821. La segunda es un ítem medido en
escala Likert de 7 puntos que busca captar la importancia que tiene la for-
mulación de contratos en la búsqueda de fuentes para innovar. Cada pyme
estableció su grado de acuerdo en torno a si la posibilidad futura de estable-
cer un nexo contractual con generadores de ideas para innovar facilita el uso
de esa información. El cuadro 6 presenta un análisis descriptivo de las varia-
bles referenciadas.
José Luis Ramos Ruiz et al. 211
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
Cuadro 6. Estadísticas descriptivas de variables independientes
Variable Medida Media (desviación
estándar) Alfa de
Cronbach
Tamaño
Variable categórica: 1 para
empresa pequeña; 0 para
empresa mediana
0,770
(0,422)
Edad
Número de años desde que
la pyme fue establecida
hasta la fecha
13,790
(13,01)
Barreras de
innovación (BAI)
Índice compuesto con
valores entre 0 y 1
0,493
(0,257) 0,81
Capacidad de
adquisición de
conocimiento (ADQ)
Índice compuesto con
valores entre 0 y 1
0,533
(0,240) 0,74
Costos de
transacción
especificidad
geográfica (CT_PG)
Índice compuesto con
valores entre 0 y 1
0,423
(0,337) 0,82
Contrato Escala Likert 7 puntos 3,135
(1,971)
Fuente: elaboración propia.
C. Modelos Tobit
Con el objetivo de establecer la importancia que tiene cada una de las varia-
bles especificadas sobre las dimensiones del grado de apertura, se estimaron
dos modelos Tobit.
El modelo Tobit se utiliza cuando se dispone de datos para toda la muestra,
pero la variable dependiente está censurada en un valor específico. En forma
general, asumiendo censura inferior en 08, el modelo se puede expresar en
términos de una variable latente, y
i
*:
8 La generalización a censura superior, a censura superior e inferior y/o a que el punto de censura sea
distinto de 0 resulta trivial.
Determinantes del grado de apertura de las pymes agroindustriales
212
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
y
y
yy
xN
ysi
si
i
i
ii
iii
i
*
*
**
,(, )=+
=≤
>
βµµ∼ σ0
00
0
2
(1)
Donde yi
* depende linealmente de xi a través del vector de parámetros , y yi
corresponde a la variable observable. Esta especificación combina aspectos del
modelo Probit binomial para la distinción de yi =0 versus yi > 0 y el modelo
de regresión para Ey
yx
ii i
>
1, . El modelo Tobit presenta como principales
limitantes su dependencia crucial del cumplimiento de los supuestos de nor-
malidad y homocedasticidad del término de error. Además, en un modelo de
este tipo se asume que cada variable xi tiene el mismo efecto sobre
Py
X>
()
0
que sobre Ey
yX
>
()
0, , lo cual supone una restricción poco realista.
Particularmente, para el caso analizado se usan dos modelos Tobit que tienen
en cuenta la naturaleza de los índices de amplitud y profundidad, los cua-
les son variables aleatorias continuas que toman valores entre cero y uno y
generan estimadores consistentes cuando el término de error cumple con el
supuesto de homocedasticidad y se distribuye de forma normal. Las regresio-
nes Tobit propuestas tienen un límite izquierdo censurado de cero y un límite
derecho censurado de uno. Más específicamente, considere los siguientes
modelos de regresión:
AMPa tamaño edad BAIADQ
CT PG co
=+ ++++
+
01 234
56
ββββ
ββ _nntrato +µ
(2)
PROa tamaño edad BAIADQ
CT PG co
=+ ++++
+
01 234
56
λλλλ
λλ _nntrato +µ
(3)
Donde representa los errores estocásticos, que se asumen son
iid
N..
.,∼σ
µ
02
()
.
El inicio para las especificaciones de los modelos y las estimaciones respecti-
vas se halla en la identificación de las variables latentes asociadas a los con-
ceptos de amplitud y profundidad. Para el caso de amplitud, si bien se hace
palpable por medio de la cantidad de fuentes externas de innovación con las
cuales trabajan las empresas agroindustriales, en esencia el número escogido
corresponde a una decisión de tipo estratégico por parte de la empresa, la
cual no es observable directamente y está, tal vez, posiblemente determinada
José Luis Ramos Ruiz et al. 213
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
por las experiencias y los resultados previos obtenidos en procesos de coope-
ración para innovar, o bien puede responder a las necesidades actuales de la
compañía. Por su parte, tal como se comentó, la profundidad se asocia con
la intensidad de la relación que establecen las empresas con distintas fuentes
externas de innovación. En este sentido, la intensidad de la relación se basa
en la confianza que se logra forjar entre empresa y fuente externa, la cual no
es observable sino inferida a partir de la importancia asignada por la empresa
a cada agente externo.
Los resultados de las estimaciones Tobit se muestran en el cuadro 7.
Cuadro 7. Resultados de las regresiones Tobit
(Errores estándar entre paréntesis fueron calculados usando bootstrap)
Variable independiente
Variable AMP PRO
Tamaño 0,094*** 0,586*
(0,022) (0,032)
Edad 0,001 0,001
(0,001) (0,001)
BAI 0,008 0,109***
(0,008) (0,024)
ADQ 0,491*** 0,497***
(0,019) (0,010)
CT_PG 0,176*** 0,134***
(0,006) (0,012)
Contrato 0,006*** 0,019**
(0,002) (0,008)
Constante 0,063** -0,006
(0,031) (0,036)
n 96 96
Log Likelihood 11,845 14,741
p-value Likelihood Ratio 0,000 0,000
Test Shapiro–Francia W’ para datos normales
(Prob>z) 0,434 0,452
Significancia: *** 1%, ** 5%; * 10%
Fuente: elaboración propia.
Determinantes del grado de apertura de las pymes agroindustriales
214
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
Como punto de partida, el análisis de la distribución de las variables dependien-
tes revela que se comportan de manera normal. En la medida en que el test
Shapiro-Francia no puede rechazar la hipótesis nula de normalidad en la dis-
tribución de los residuales, el análisis de regresión Tobit es válido. Además,
es importante mencionar la estimación tipo clúster de los errores estándar,
siendo el sector o grupo económico de pertenencia de las pymes la variable
agrupadora. Esto con el fin de permitir la correlación intrasectorial en la esti-
mación del parámetro.
En cuanto a los estimadores, se observa que el tamaño de la empresa ejerce un
efecto positivo y significativo en la amplitud y en la profundidad. En contraste,
la edad de la empresa muestra un efecto positivo sobre las dos dimensiones
del grado de apertura, pero sin ser significativo en ninguno de los dos casos.
Por su parte, la influencia de los obstáculos de innovación no es significativa
para explicar el grado de amplitud de las pymes del sector agroindustrial en
el departamento del Atlántico, pero sí es determinante para la profundidad
en el uso de fuentes externas para innovar.
Las variables relacionadas con la capacidad de adquisición de conocimiento
de fuentes externas de innovación (ADQ), la proximidad geográfica a clientes
y proveedores (CT_PG) y la posibilidad de firmar, eventualmente, un contrato
entre las partes, se muestran como los factores más importantes para deter-
minar las dos dimensiones analizadas. Las dos primeras variables son signifi-
cativas al 1% para explicar la amplitud y profundidad, mientras que la firma
de contratos registra este mismo nivel de significancia sobre la amplitud y
5% sobre la profundidad.
Aunque los estimadores del cuadro 7 permiten determinar la dirección y sig-
nificancia del efecto de las variables explicativas, corresponden al efecto mar-
ginal sobre las variables latentes, información que es de rara utilidad (Baum,
2006). Por ello, en el cuadro 8 se presentan los efectos marginales sobre las
variables observables, los cuales corresponden a:
∂
∂β
Ey
xay b
i
ii
X
=<
<
()
*Pr*
(4)
Donde los argumentos a y b especifican los límites de censura.
José Luis Ramos Ruiz et al. 215
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
Cuadro 8. Efectos marginales de las estimaciones Tobit
(Errores estándar entre paréntesis fueron calculados usando bootstrap)
Efectos marginales
Variable AMP PRO
Tamaño 0,025*** 0,019***
(0,002) (0,005)
Edad 0,000 0,000
(0,000) (0,000)
BAI 0,003 0,043**
(0,003) (0,017)
ADQ 0,170*** 0,197***
(0,004) (0,039)
CT_PG 0,061*** 0,053***
(0,012) (0,015)
Contrato 0,000** 0,010***
(0,000) (0,004)
Significancia: *** 1%, ** 5%; * 10%.
Los resultados muestran los efectos marginales de cada variable sobre la proba-
bilidad de que una empresa tenga un mayor grado de amplitud y profundidad.
Fundamentalmente, las pymes que privilegien la adquisición de información
externa y asignen mayor importancia a la cercanía geográfica con clientes y
proveedores y a la firma de contratos en el momento de adelantar proyectos
de innovación, tendrán una mayor probabilidad de incrementar su capaci-
dad relacional. Un resultado interesante viene dado por el hecho que ser una
empresa pequeña9 aumente la probabilidad de ser una compañía más abierta
a compartir riesgos y experiencias con otros agentes del sistema innovador.
También resulta destacable que un aumento en el índice de la variable aso-
ciada con la presencia de obstáculos para innovar incremente la probabilidad
de tener vínculos más profundos con fuentes externas, pero no modifique sig-
nificativamente la cantidad de fuentes con las que se trabaja.
9 El efecto marginal de una variable dummy como tamaño se interpreta para el cambio de 0 a 1.
Determinantes del grado de apertura de las pymes agroindustriales
216
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
IV. Análisis y discusión
A partir de los resultados encontrados mediante las regresiones Tobit es menes-
ter reportar las interpretaciones alusivas a los principales hallazgos. En lo refe-
rente a la incidencia del tamaño de la empresa sobre el grado de apertura, los
resultados revelan que para las pymes analizadas, aquellas que cuentan con un
menor número de trabajadores tienden a relacionarse con un mayor número
de fuentes externas de innovación y a tener un mayor grado de profundidad
con estas. Lo anterior refuerza los planteamientos que indican que las empre-
sas pequeñas actúan en función de sus limitantes económicas y tecnológicas,
por lo que cuentan con mayores capacidades de relacionamiento, hecho posi-
blemente explicado por la necesidad de compartir riesgos y distribuir los altos
costos de inversión que exigen los proyectos de innovación.
Entretanto, la edad de las pymes agroindustriales del Atlántico no mostró
significancia para explicar su grado de apertura. Una potencial explicación
apunta a la naturaleza de innovación del sector, que se caracteriza por una
intensidad baja-media en I + D y por un número significativo de innovacio-
nes incrementales (Galizzi y Venturini, 1996; Grunert et al., 1997), lo que
exige, sin importar el tiempo de operación de la empresa, una alta introduc-
ción de nueva tecnología y gamas de productos, con el fin de garantizar la
sobrevivencia de largo plazo en el mercado. Desde esta mirada, autores como
Archibugi, Cesaratto y Sirilli (1991) encuentran que las firmas del subsector
agroindustrial de alimentos y bebidas confían más en las fuentes externas de
innovación que el promedio del resto de industrias, más allá de los años
de constitución, dada la búsqueda de opciones diversas para innovar más allá de
los límites de la empresa.
Lo que sí parece tener una incidencia en el grado de apertura de las pymes
agroindustriales del departamento del Atlántico, especialmente, en el grado
de profundidad, es la madurez de innovación de la empresa, asociada con el
compromiso de innovación que tiene la dirección y la manera como se aplica
en la organización, más que con el lanzamiento de nuevos productos o pro-
cesos. Esto, debido a que un incremento en el índice que mide las barreras de
innovación se traduce en una mayor probabilidad de contar con relaciones más
profundas con fuentes externas para innovar. El reconocimiento certero de los
obstáculos que dificultan la innovación requiere que exista un nivel mínimo
de madurez en la gestión de la innovación de la empresa, de manera que una
José Luis Ramos Ruiz et al. 217
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
vez sea capaz de reconocer las barreras que enfrenta para adelantar proyec-
tos innovadores, decida fortalecer y especializarse en sus relaciones, antes que
diversificar ampliamente el número de fuentes externas con las que interac-
túa para innovar, evitando los altos esfuerzos en recursos humanos, dinero y
tiempo, e incrementado la eficiencia de los vínculos, tal como apuntan OECD
(2005) y Classen et al. . Bajo esta condición, en la clasificación propuesta por
Othman, Amaraa, N., y Landrya (2012), las pymes agroindustriales del Atlántico
son potencialmente de tipo interactivo, caracterizadas por un uso prudente
y limitado de fuentes externas para innovar, pero con una amplia interacción
con dichos actores.
Por su parte, la posibilidad de eventualmente firmar un contrato entre las par-
tes involucradas en torno al proceso de innovación, presenta una influencia
significativa en la amplitud. La garantía de cumplimiento de los compromi-
sos permite a las empresas colaborar con un número más amplio de fuentes
externas de innovación. Estos resultados reflejan la importancia de estable-
cer previamente las condiciones bajo las cuales operará la relación con dichas
fuentes, y el establecimiento de las responsabilidades contractuales que, de
no ser cumplidas, acarreará sanciones legales para la parte que infringe, sal-
vaguardando a la entidad afectada. Así mismo, la firma de contratos entre las
partes resulta significativa para la profundidad, lo cual puede ser entendido
en la medida en que esta dimensión implica que las partes se conozcan lo
suficientemente bien y cuenten con la confianza necesaria para el desarrollo
de actividades de cooperación, en especial, de aquellas de carácter informal,
para llegar a acuerdos contractuales ágiles y evitar incurrir en altos costos
de transacción.
En cuanto a la cercanía geográfica con los clientes y proveedores, los resulta-
dos reflejan una influencia significativa sobre las dos dimensiones vinculadas
con la relación con socios externos. Esto permite inferir que las pymes agro-
industriales del Atlántico prefieren cooperar con un mayor número de fuen-
tes externas específicas de innovación, siempre y cuando estas se encuentren
geográficamente cerca, lo que contribuye de manera positiva al afianzamiento
y la profundidad de las relaciones. Esto ratifica los patrones de innovación del
sector agroindustrial, donde el impacto del uso de información externa depende
de la fuente considerada. En este sentido, Grunert et al. (1997) revelan que las
empresas dedicadas a la transformación agrícola dependen significativamente
de la información de mercado proveniente de clientes para el desarrollo de
Determinantes del grado de apertura de las pymes agroindustriales
218
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
sus innovaciones. También, los contactos informales con empresas similares
tienden a ser importantes para el desarrollo innovador (Diederen Van Meijl y
Wolters, 2003), dado que en aquellos sectores en los que predominan las inno-
vaciones incrementales, las pequeñas y medianas empresas aprenden de los
éxitos y fracasos de sus colegas y de la información de sus clientes, en pro de
desarrollar sus propias estrategias y operaciones (Maskell, 2001).
Precisamente, las capacidades de adquisición de conocimiento de las pymes
agroindustriales del Atlántico ejercen un efecto significativo en la amplitud y
profundidad de sus relaciones con agentes externos para innovar. Este resul-
tado es acorde a lo esperado, teniendo en cuenta que la motivación hacia la
identificación, valoración y adquisición de conocimiento es un elemento crí-
tico para el adelanto de la actividad innovadora. Tal como señala la teoría de
recursos y capacidades, el conocimiento es un recurso valioso, raro, imperfec-
tamente imitable y no sustituible (Barney, 1991), lo que lo convierte en una
capacidad dinámica que, al no estar en completa posesión de las pymes, exige
la conformación de redes y alianzas ya sea con empresas grandes que posean
este recurso o con empresas del mismo tamaño con las que se pueda codesarro-
llar (Newbert, Gopalakrishnan y Kirchhoff, 2008).
Los dos resultados mencionados ponen de manifiesto la necesidad de espacios
y entornos que favorezcan la interacción de diversos entes sobre la base de
una economía soportada en el conocimiento. Por tanto, ideas como la creación
de parques científicos, tecnológicos y de innovación para consolidar procesos de
innovación, mediante vínculos de cercanía geográfica, entre instituciones cien-
tíficas y tecnológicas y los requerimientos de los sectores productivos, resulta
válida. Esta dinámica tiene como eje principal la formación de redes que facili-
ten la aparición de estrategias de innovación que fortalezcan la articulación de
los actores que conforman el ecosistema de ciencia, tecnología e innovación
del departamento. De igual manera, se ven favorecidas capacidades y com-
petencias que promueven el aprendizaje interorganizacional, como la calidad
del recurso humano, la acumulación y gestión de conocimiento y las econo-
mías de escala de las pymes (Petrakos y Tsiapa, 2001).
José Luis Ramos Ruiz et al. 219
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
V. Conclusiones
Con el propósito de investigar científicamente las estrategias de innovación
abierta en el sector empresarial colombiano e identificar algunos factores que
podrían facilitar su implementación en las pymes de la cadena agroindustrial
del departamento del Atlántico, se estudiaron los determinantes del grado de
apertura, medido por las dimensiones de amplitud y profundidad en el uso
de fuentes externas para innovar. Tras la aplicación de dos modelos Tobit,
los resultados revelan que la cercanía geográfica a clientes y proveedores, la
firma de contratos, la capacidad de adquisición de conocimiento y el tamaño
son las variables clave para explicar las dos medidas de apertura utilizadas.
Estos hallazgos sugieren la necesidad de conformar entornos que promuevan
la gestación de redes interorganizacionales de cooperación para la innovación,
a fin de consolidar espacios geográficos basados en la economía del conoci-
miento, que permitan integrar a los distintos agentes del sistema de innova-
ción. Esto, entendiendo que muchas veces la naturaleza tácita y compleja del
conocimiento exige procesos de aprendizaje interactivos y colaborativos, los
cuales se consolidan con la cercanía geográfica, que facilita la transferencia
y recombinación de conocimientos y la aparición de rutinas de aprendizaje en
los procesos de innovación. En este sentido, la propuesta es implementar un
esquema de alianza entre gremios de producción, gobiernos locales y empre-
sas para que adopten estrategias gerenciales basadas en gestión del conoci-
miento, tales como comunidades de aprendizaje, auditorias del conocimiento,
guardianes del conocimiento conectados a las fuentes externas de innovación
y repositorios de las mejores prácticas. Todo esto conduciría, en el largo plazo,
a disminuir los costos de transacción asociados a la búsqueda de información.
En el tejido agroempresarial del Atlántico, la dimensión de la escala de pro-
ducción afecta significativamente la amplitud y profundidad para acceder a
fuentes externas de innovación, por lo que es aconsejable reducir las brechas
de acceso a la información entre las pequeñas, medianas y grandes empre-
sas —lo cual se constituye en un significativo costo de transacción — a través
de alianzas con las universidades y centros de investigación especializados.
De esta manera, utilizando plataformas especializadas soportadas en TIC´s,
podrían disminuirse los tiempos de búsqueda y la asimetría de información
con respecto a las fuentes externas de innovación.
Determinantes del grado de apertura de las pymes agroindustriales
220
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
Por otro lado, tal como lo expresan los fundamentos teóricos de la nueva eco-
nomía institucional, la definición de derechos de propiedad sintetiza en alguna
medida el nivel de confianza existente entre los agentes de un mercado. En
este sentido, dado que al tejido agroindustrial del Atlántico le representa con-
fianza la utilización de fuentes externas de innovación, solo si existe contrato
y, particularmente, con agentes cuya especificidad de activo de localización
sea alta (es decir, agentes de información y conocimiento ubicados muy cerca),
una estrategia que haría posible una disminución de los costos de transacción
asociados a los contratos es la realización de alianzas productivas promovidas
por el Gobierno nacional con las diferentes fuentes externas de innovación
(universidades, centros de investigación, proveedores, consultoras y laborato-
rios, entre otros), que suministren la información y el conocimiento de punta
requerido por los empresarios agroindustriales, con el objetivo de superar las
barreras a la innovación a través de plataformas interactivas especializadas.
En línea con lo anterior, las empresas agroindustriales deben incrementar la
estrategia de cooperación, en la perspectiva de fortalecer la industria y encon-
trar nichos de mercados internacionales, que no podrían ser atendidos por un
pequeño grupo de empresas. El sector agroindustrial del Atlántico, por estar
constituido por pequeñas y medianas empresas es vulnerable al momento de
competir en el mercado internacional, de tal manera que la supervivencia
de las empresas depende en suma medida de la posibilidad de innovar. Por lo
tanto, se recomienda emprender investigaciones que fundamenten la coope-
ración de las empresas agroindustriales del departamento del Atlántico como
mecanismo de penetración a los mercados de Estados Unidos y Europa. Así
mismo, cuantificar los costos de transacción que se generan entre las empre-
sas agroindustriales cuando hacen uso de fuentes externas de información y
conocimiento. Finalmente, relacionar la especificidad de activos (localización,
humanos, temporal) con los mecanismos de coordinación que utilizan para
acceder a la información y conocimiento de fuentes externas para innovar.
Agradecimientos
Este artículo es resultado del proyecto de investigación Implementación de un
Programa de Gestión de la Innovación Empresarial para Fortalecer las Pymes
de Sectores Estratégicos, Atlántico Caribe, financiado por el Fondo de Ciencia,
José Luis Ramos Ruiz et al. 221
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
Tecnología e Innovación del Sistema General de Regalías-Departamento del
Atlántico. BPIN: 2014000100026, Convenio: 0103*2015*000028.
Referencias
1. Allocca, M. A., & Kessler, E. H. (2006). Innovation speed in small and
medium-sized enterprises. Creativity and Innovation Management, 15(3),
279-295.
2. Amara, N., & Landry, R. (2005). Sources of information as determinants
of novelty of innovation in manufacturing firms: evidence from the
1999 statistics Canada innovation survey. Technovation, 25(3), 245-259.
3. Archibugi, D., Cesaratto, S., & Sirilli, G. (1991). Sources of innovative
activities and industrial organization in Italy. Research Policy, 20(4),
299-313.
4. Asakawa, K., Nakamura, H., & Sawada, N. (2010). Firms’ open innovation
policies, laboratories’ external collaborations, and laboratories’ R&D
performance. R&D Management, 40(2), 109-123.
5. Aylen, J. (2010). Open versus closed innovation: Development of the
wide strip mill for steel in the United States during the 1920s. R&D
Management, 40(1), 67-80.
6. Baldwin, J., & Lin, Z. (2002). Impediments to advanced technology adop-
tion for Canadian manufacturers. Research Policy, 31(1), 1-18.
7. Barney, J. (1991). Firm resources and sustained competitive advan-
tage. Journal of Management, 17(1), 99-120.
8. Baum, C. F. (2006). An introduction to modern econometrics using Stata.
College Station: Stata Press.
9. Baum, J. A., Calabrese, T., & Silverman, B. S. (2000). Don’t go it alone:
Alliance network composition and startups’ performance in Canadian
biotechnology. Strategic Management Journal, 21(3), 267-294.
Determinantes del grado de apertura de las pymes agroindustriales
222
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
10. Bercovitz, J. E., & Feldman, M. P. (2007). Fishing upstream: Firm innova-
tion strategy and university research alliances. Research Policy, 36(7),
930-948.
11. Burt, R. S. (1992). Structural holes: The social structure of competition.
Cambridge: Harvard University Press.
12. Cassiman, B., Di Guardo, M. C., & Valentini, G. (2010). Organizing links
with science: Cooperate or contract? A project-level analysis. Research
Policy, 39(7), 882-892.
13. Chen, J., Chen, Y., & Vanhaverbeke, W. (2011). The influence of scope,
depth, and orientation of external technology sources on the innovative
performance of Chinese firms. Technovation, 31(8), 362-373.
14. Chesbrough, H. W. (2003). Open innovation: The new imperative for
creating and profiting from technology. Boston: Harvard Business School.
15. Chesbrough, H., Vanhaverbeke, W., & West, J. (2014). New frontiers in
open innovation. Oxford: Oxford University Press.
16. Chiang, Y. H., & Hung, K. P. (2010). Exploring open search strategies and
perceived innovation performance from the perspective of inter-organi-
zational knowledge flows. R&D Management, 40(3), 292-299.
17. Classen, N., Van Gils, A., Bammens, Y., & Carree, M. (2012). Accessing
resources from innovation partners: The search breadth of family SMEs.
Journal of Small Business Management, 50(2), 191-215.
18. Coase, R. H. (1937). The nature of the firm. Economica, 4(16), 386-405.
19. Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity: A new
perspective on learning and innovation. Administrative Science Quar-
terly, 128-152.
20. Czarnitzki, D., Ebersberger, B., & Fier, A. (2007). The relationship between
R&D collaboration, subsidies and R&D performance: Empirical evidence
José Luis Ramos Ruiz et al. 223
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
from Finland and Germany. Journal of Applied Econometrics, 22(7),
1347-1366.
21. Dahlander, L., & Gann, D. M. (2010). How open is innovation? Research
Policy, 39(6), 699-709.
22. Del Canto, J. G. (2002). El análisis de la innovación tecnológica desde
la economía y dirección de empresas. Boletín Económico de ICE, Infor-
mación Comercial Española, 2719, 23-38.
23. Diederen, P., Van Meijl, H., & Wolters, A. (2003). Modernisation in agri-
culture: What makes a farmer adopt an innovation? International Journal
of Agricultural Resources, Governance and Ecology, 2(3-4), 328-342.
24. Dyer, J. H., & Nobeoka, K. (2000). Creating and managing a high-
performance knowledge-sharing network: The Toyota case. Strategic
Management Journal, 21(3), 345-367.
25. Ebersberger, B., Herstad, S. J., Iversen, E., Kirner, E., & Som, O. (2011).
Analysis of innovation drivers and barriers in support of better poli-
cies. Economic and market intelligence on innovation. Oslo: European
Commission. Enterprise and Industry.
26. Edwards, T., Delbridge, R., & Munday, M. (2005). Understanding innova-
tion in small and medium-sized enterprises: a process manifest. Tech-
novation, 25(10), 1119-1127.
27. Ferrás, X. (2010). Innovación 6.0: el fin de la estrategia. Barcelona:
Plataforma.
28. Ferreras-Méndez, J. L., Newell, S., Fernández-Mesa, A., & Alegre, J.
(2015). Depth and breadth of external knowledge search and perfor-
mance: The mediating role of absorptive capacity. Industrial Marketing
Management, 47, 86-97.
29. Fleming, L., & Sorenson, O. (2001). Technology as a complex adaptive
system: Evidence from patent data. Research Policy, 30(7), 1019-1039.
Determinantes del grado de apertura de las pymes agroindustriales
224
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
30. Furubotn, E. G., & Richter, R. (2005). Institutions and economic theory:
The contribution of the new institutional economics. Míchigan: Michigan
Press.
31. Galizzi, G., & Venturini, L. (1996). Product innovation in the food industry:
nature, characteristics and determinants. En Economics of innovation:
The case of food industry (pp. 133-153). Physica-Verlag HD.
32. Gassmann, O., & Enkel, E. (2004). Towards a theory of open innova-
tion: three core process archetypes. En R&D Management Conference
(RADMA), Lisboa, Portugal.
33. Gobernación del Atlántico. (2013). Plan estratégico departamental de
ciencia, tecnología e innovación del Atlántico. Recuperado en http://
www.colciencias.gov.co/sites/default/files/upload/paginas/pedcti-
atlantico.pdf
34. Grunert, K. G., Harmsen, H., Meulenberg, M., Kuiper, E., Ottowitz, T.,
Declerck, F., & Göransson, G. (1997). A framework for analysing innova-
tion in the food sector. En Products and process innovation in the food
industry. Eds: B. Traill and KG Grunert. Suffolk: Chapman & Hall, 1-33.
35. Hernández, R., & De la Calle, A. (2006). Estudio sobre el comportamiento
innovador de la empresa. Revista de Estudios Económicos y Empresa-
riales, 18, 7-30.
36. Huergo, E., & Jaumandreu, J. (2004). How does probability of innovation
change with firm age? Small Business Economics, 22(3-4), 193-207.
37. Kamalian, A., Rashki, M., & Arbabi, M. L. (2011). Barriers to innovation
among iranian SMEs. Asian Journal of Business Management, 3(2),
79-90.
38. Keupp, M. M., & Gassmann, O. (2009). Determinants and archetype users
of open innovation. R&D Management, 39(4), 331-341.
José Luis Ramos Ruiz et al. 225
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
39. Koryak, O., Mole, K. F., Lockett, A., Hayton, J. C., Ucbasaran, D., & Hodg-
kinson, G. P. (2015). Entrepreneurial leadership, capabilities and firm
growth. International Small Business Journal, 33(1), 89-105.
40. Laforet, S. (2013). Organizational innovation outcomes in SMEs: Effects
of age, size, and sector. Journal of World Business, 48(4), 490-502.
41. Lane, P. J., & Lubatkin, M. (1998). Relative absorptive capacity and inter-
organizational learning. Strategic Management Journal, 19(5), 461-477.
42. Laursen, K., & Salter, A. (2004). Searching high and low: What types of
firms use universities as a source of innovation? Research Policy, 33(8),
1201-1215.
43. Laursen, K., & Salter, A. (2006). Open for innovation: the role of open-
ness in explaining innovation performance among UK manufacturing
firms. Strategic Management Journal, 27(2), 131-150.
44. Lazzarotti, V., & Manzini, R. (2009). Different modes of open innovation:
a theoretical framework and an empirical study. International Journal
of Innovation Management, 13(04), 615-636.
45. Leana, C. R., & Van Buren, H. J. (1999). Organizational social capital and
employment practices. Academy of Management Review, 24(3), 538-555.
46. Lee, S., Park, G., Yoon, B., & Park, J. (2010). Open innovation in SMEs—An
intermediated network model. Research Policy, 39(2), 290-300.
47. Li, Y., & Vanhaverbeke, W. (2009). The effects of inter-industry and
country difference in supplier relationships on pioneering innova-
tions. Technovation, 29(12), 843-858.
48. Lim, K., Chesbrough, H., & Ruan, Y. (2010). Open innovation and patterns
of R&D competition. International Journal of Technology Manage-
ment, 52(3/4), 295-321.
Determinantes del grado de apertura de las pymes agroindustriales
226
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
49. Love, J. H., Roper, S., & Bryson, J. R. (2011). Openness, knowledge,
innovation and growth in UK business services. Research Policy, 40(10),
1438-1452.
50. Madrid-Guijarro, A., García, D., & Van Auken, H. (2009). Barriers to inno-
vation among Spanish manufacturing SMEs. Journal of Small Business
Management, 47(4), 465-488.
51. Martínez, M. G., & Briz, J. (2000). Innovation in the Spanish food &
drink industry. The International Food and Agribusiness Management
Review, 3(2), 155-176.
52. Maskell, P. (2001). Towards a knowledge-based theory of the geograph-
ical cluster. Industrial and Corporate Change, 10(4), 921-943.
53. Maula, M., Keil, T., & Salmenkaita, J. P. (2006). Open innovation in
systemic innovation contexts. Open Innovation: Researching a New
Paradigm, 241-257.
54. Miotti, L., & Sachwald, F. (2003). Co-operative R&D: Why and with
whom?: An integrated framework of analysis. Research Policy, 32(8),
1481-1499.
55. Mohnen, P., & Röller, L. H. (2005). Complementarities in innovation
policy. European Economic Review, 49(6), 1431-1450.
56. Moran, P. (2005). Structural vs. relational embeddedness: Social capital
and managerial performance. Strategic Management Journal, 26(12),
1129-1151.
57. Mu, J., Peng, G., & Love, E. (2008). Interfirm networks, social capital,
and knowledge flow. Journal of Knowledge Management, 12(4), 86-100.
58. Newbert, S. L., Gopalakrishnan, S., & Kirchhoff, B. A. (2008). Looking
beyond resources: Exploring the importance of entrepreneurship to
firm-level competitive advantage in technologically intensive indus-
tries. Technovation, 28(1), 6-19.
José Luis Ramos Ruiz et al. 227
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
59. Nicoletti G., Scarpetta, S., & Boylaud, O. (2000). Summary indicators of
product market regulation with an extension to employment protection
legislation. OECD, Economics Department (Working Paper 226), ECO/
WKP(99)18.
60. Nikolic, M., Despotovic, D., & Cvetanovic, D. (2015). Barriers to innova-
tion in SMEs in the Republic of Serbia. Ekonomika, 61(4), 89.
61. Numprasertchai, S., & Igel, B. (2005). Managing knowledge through
collaboration: Multiple case studies of managing research in university
laboratories in Thailand. Technovation, 25(10), 1173-1182.
62. OECD. (2005). Manual de Oslo. Guía para la recolección e interpretación
de datos de innovación (3th ed.). París: OECD Publishing.
63. OECD. (2008). Handbook on constructing composite indicators: Meth-
odology and user guide. París: OECD Publishing.
64. Othman, M., Amaraa, N., & Landrya, R. (2012). SMEs’ degree of openness:
The case of manufacturing industries. Journal of Technology Manage-
ment & Innovation, 7(1), 186-210.
65. Petrakos, G., & Tsiapa, M. (2001). The spatial aspects of enterprise
learning in transition countries. Regional Studies, 35(6), 549-562.
66. Rowley, T., Behrens, D., & Krackhardt, D. (2000). Redundant governance
structures: An analysis of structural and relational embeddedness
in the steel and semiconductor industries. Strategic Management
Journal, 21(3), 369-386.
67. Salavou, H., Baltas, G., & Lioukas, S. (2004). Organisational innovation in
SMEs: The importance of strategic orientation and competitive structure.
European Journal of Marketing, 38(9/10), 1091-1112.
68. Samadi, S. (2014). Open innovation business model in the food industry:
Exploring the link with academia and SMEs. Journal of Economics, Busi-
ness and Management, 2(3), 209-213.
Determinantes del grado de apertura de las pymes agroindustriales
228
DESARRO. SOC. NO. 80, BOGOTÁ, PRIMER SEMESTRE 2018, PP. 189-228, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.80.6
69. Schumpeter, J. (1942). Creative destruction. Capitalism, socialism and
democracy (pp. 82-5). Nueva York: Harper Collins.
70. Teece, D. J. (1986). Profiting from technological innovation: Implica-
tions for integration, collaboration, licensing and public policy. Research
Policy, 15(6), 285-305.
71. Teece, D. J. (2014). A dynamic capabilities-based entrepreneurial theory
of the multinational enterprise. Journal of International Business
Studies, 45(1), 8-37.
72. Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and
strategic management. Strategic Management Journal, 509-533.
73. Van de Vrande, V., De Jong, J. P., Vanhaverbeke, W., & De Rochemont,
M. (2009). Open innovation in SMEs: Trends, motives and management
challenges. Technovation, 29(6), 423-437.
74. Vanhaverbeke, W., Van de Vrande, V., & Chesbrough, H. (2008). Under-
standing the advantages of open innovation practices in corporate
venturing in terms of real options. Creativity and Innovation Manage-
ment, 17(4), 251-258.
75. Williamson, O. E. (1975). Markets and hierarchies. Nueva York: Free Press.
76. Williamson, O. E. (1991). Comparative economic organization: The
analysis of discrete structural alternatives. Administrative Science
Quarterly, 269-296.
77. Williamson, O. E. (1998). Transaction cost economics: How it works;
where it is headed. De Economist, 146(1), 23-58.
78. Zhu, Y., Wittmann, X., & Peng, M. W. (2012). Institution-based barriers to
innovation in SMEs in China. Asia Pacific Journal of Management, 29(4),
1131-1142.
