Innovación tecnológica y desigualdad productiva y laboral en las empresas manufactureras argentinas

Document

Citado por

Autor	María Celeste Gómez, Carina Borrastero
Páginas	211-254

211

DESARRO. SOC. 71, PRIMER SEMESTRE DE 2013, PP. X-XX, ISSN 0120-3584

Revista

Desarrollo y Sociedad

Segundo semestre 2018

PP. 211-254, ISSN 0120-3584

E-ISSN 1900-7760

Innovación tecnológica y desigualdad productiva y

laboral en las empresas manufactureras argentinas

Innovation, Productive Inequality and Labor

Inequality in Argentinean Manufacturing Firms

María Celeste Gómez1

Carina Borrastero2

DOI: 10.13043/DYS.81.6

Resumen

En este trabajo se examina la relación entre los esfuerzos innovativos de las

empresas manufactureras argentinas y el nivel y distribución de la productivi-

dad, el salario y las calificaciones laborales, en el marco de la heterogeneidad

estructural característica de las economías periféricas. Se encuentran esca-

sos estudios sobre estas relaciones en países en desarrollo con respecto a las

firmas. Se adopta un enfoque de problemas del desarrollo y una metodología

cuantitativa partiendo de una hipótesis preliminar: a mayores esfuerzos inno-

vativos en las empresas, mayor desigualdad productiva y laboral entre ellas,

condicionada por la heterogeneidad estructural. Los datos provienen de la

Encuesta Nacional de Dinámica de Empleo e Innovación sobre firmas manu-

factureras argentinas para el período 2010-2012. Los principales hallazgos

indican que los inputs de innovación están asociados significativamente con

1 Profesora investigadora de la Universidad Nacional de Córdoba, Facultad de Ciencias Económicas. Cen-

tro de Investigaciones en Ciencias Económicas, UNC-Conicet. Córdoba, Argentina. Correo electrónico:

mcelestegomez.arg@gmail.com.

2 Profesora investigadora de la Universidad Nacional de Córdoba, Facultad de Ciencias Económicas. Cen-

tro de Investigaciones en Ciencias Económicas, UNC-Conicet. Córdoba, Argentina. Correo electrónico:

carinaborrastero@eco.unc.edu.ar.

Este artículo fue recibido el 14 de noviembre del 2017, evaluado el 29 de marzo del 2018 y finalmente

aceptado el 21 de mayo del 2018.

Innovación tecnológica y desigualdad productiva y laboral

212

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

los niveles de productividad, salario y calificaciones, difiriendo en su magnitud

entre empresas y sectores industriales en virtud de la heterogeneidad estruc-

tural de la industria.

Palabras clave del autor: cambio tecnológico, desigualdad social, salario, pro-

ductividad, calificaciones.

Clasificación JEL: D21, J24, J31, O14, O33.

Abstract

This paper examines the connection between innovative efforts of Argentine

manufacturing companies and their level and distribution of productivity, wage

and labor skills, within the framework of structural heterogeneity characteristic

of peripheral economies. There are only a few studies which addressed these

problematic relations in developing countries at a firm level. An approach to

the problems of development and quantitative methodology is applied, start-

ing from a preliminary hypothesis: greater innovative efforts in companies,

greater productive and labor inequality among them, conditioned by struc-

tural heterogeneity. Primary data used in this study come from the National

Survey of Employment and Innovation Dynamics, for Argentine manufactur-

ing companies in 2010-2012. The main findings indicate that correlation of

innovation and the levels of productivity, wages and labor skills is signifi-

cant, differing in their magnitude among companies and industrial sectors by

virtue of the structural heterogeneity of the Argentine industry.

Key words by author: Technological change, social inequality, wages, produc-

tivity, skills.

JEL Classification: D21, J24, J31, O14, O33.

Introducción

En los 15 años más recientes, posteriores al Plan de Convertibilidad, la indus-

tria manufacturera argentina experimentó una incipiente recomposición que

se evidenció en continuas transformaciones en las dinámicas tecnológicas,

productivas y laborales en las empresas. Pasada una década de la crisis del

María Celeste Gómez y Carina Borrastero 213

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

2001, la industria había alcanzado a duplicar su volumen de producción, como

resultado de incrementar en más del 40% el número de empresas del sector

en dicho período. En términos de innovación, a fines de la década, la mitad

de las firmas manufactureras mostraron un nivel bajo o nulo de esfuerzos de

innovación, pues un 35% de ellas registraron un nivel medio y solo el 15%

declararon un nivel alto. La desigualdad en los niveles de productividad de

las empresas superó un índice de Gini de 0,5. Considerando las calificaciones

productivas de los trabajadores —medidas por el ratio de empleos calificados

sobre los no calificados— la desigualdad resultó aún mayor, con un Gini de 0,6

y una relación de 14 veces si se mide por el cociente p90/p103. En el ámbito

laboral, el empleo industrial se incrementó un 60% entre el 2003 y el 2013,

impulsado en particular por la industria automotriz y los sectores intensivos

en ingeniería. En términos de desigualdad laboral, el coeficiente de Gini apli-

cado sobre los salarios promedio por empresa se ubicó en 0,24 puntos en el

2012 y la relación p90/p10 (entre el 10% más alto de salarios y el 10% más

bajo) alcanzó casi 2,8 veces.

En este marco, motivadas por la necesidad de incrementar su competitivi-

dad nacional e internacional, aquellas empresas que encararon procesos de

innovación tecnológica alcanzaron una variedad de resultados tecnológicos

y productivos con impactos en la composición y condiciones laborales de sus

recursos humanos. Sin embargo, esto no necesariamente se refleja de forma

homogénea ni favorable en todos los sectores. Persisten, así, problemas his-

tóricos del desarrollo industrial latinoamericano como la heterogeneidad tec-

noproductiva y la desigualdad en las condiciones laborales.

Si bien este tipo de restricciones socioeconómicas son fenómenos globalmente

reconocidos y —sobre todo— están intrínsecamente vinculadas al progreso

técnico (Acemoglu, 2002; Castells, 1998; Kuznets, 1955; Piketty, 2014), aquí

nos interesa revisar el caso argentino a la luz de los esfuerzos realizados en

los últimos 15 años sobre innovación en el área de firmas.

El objetivo de este trabajo es examinar la relación entre el nivel innovativo

de las empresas manufactureras argentinas y la desigualdad en tres dimen-

siones productivo-laborales: en su productividad —directamente vinculada

a la dinámica tecnológica de las firmas—, en las calificaciones productivas

3 Fuentes: elaboración propia a partir de datos de la OEDE-MTEySS; a partir de SIPA para datos de la

industria y elaboración propia a partir de ENDEI (MINCyT y MTEySS) para datos de desigualdad.

Innovación tecnológica y desigualdad productiva y laboral

214

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

—también estrechamente relacionadas con el nivel innovativo de las firmas—

y en los salarios, siempre en referencia a sus medidas promedio.

Partiendo de un enfoque neoschumpeteriano de la innovación, a través de

una metodología cuantitativa evaluaremos la hipótesis preliminar de que a

mayores esfuerzos innovativos en la empresa, mayor será la brecha en las pro-

ductividades, las calificaciones y los niveles salariales entre las empresas. En

función de ello, para medir la innovación en las firmas nos concentraremos

en los esfuerzos de innovación en términos cualitativos, esto es, en el total de

actividades de innovación diferentes que cada firma declara realizar dentro

de un espectro de opciones que considera la encuesta de referencia (no así

en los resultados de innovación que las empresas obtienen, determinados por

una variedad de factores externos). Por otra parte, se mide la productividad

media a nivel de firma como valor agregado por trabajador, considerando que

la encuesta provee dicha información.

Analizaremos datos de la Encuesta Nacional de Dinámica de Empleo e Innova-

ción (ENDEI) en firmas manufactureras argentinas para el período 2010-2012.

El análisis se realizará tanto en la industria en su conjunto como distinguiendo

grupos industriales según sus características tecnoproductivas a modo de estra-

tegia para captar la incidencia de la heterogeneidad productiva basándonos

en el enfoque cepalino del desarrollo latinoamericano.

Si bien detectamos antecedentes relevantes sobre la relación entre cambio

tecnológico y desigualdad productiva y laboral a nivel agregado en las eco-

nomías centrales, son escasos los estudios que abordan esta problemática en

países en desarrollo y a nivel de firmas, en particular, en el sistema productivo

argentino. Consideramos que una revisión de este tipo contribuye a identificar

núcleos problemáticos actuales y potenciales asociados a la distribución de

las condiciones productivas y laborales en un conjunto industrial específico

y propio de las economías periféricas. En especial, los resultados de este tra-

bajo indican que, si bien los esfuerzos de innovación están asociados a mayo-

res niveles de productividad, salarios promedio y calificaciones relativas, la

intensidad de estas correlaciones resulta profundamente dispar no solo entre

firmas, sino también en los sectores manufactureros, lo que refleja el peso de

la heterogeneidad estructural como condicionante del sector. Otra restricción

vinculada estrechamente a la desigualdad tecnoproductiva se expresa en que

las firmas que tienen mayor propensión a innovar tienden a converger tanto en

María Celeste Gómez y Carina Borrastero 215

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

sus niveles de innovación como de sus productividades. Sin embargo, los sec-

tores más adelantados en estas dimensiones se representan en “islas” (Cimoli,

2005) por su reducida participación dentro de la industria y su escasa contri-

bución al empleo, mientras que aquellos con mayor demanda de empleo y alta

proliferación de firmas son los que más grados de heterogeneidad aportan a

la estructura industrial argentina en términos tecnoproductivos y de condi-

ciones laborales. Esta disparidad entre grupos con alta y baja incidencia en la

estructura social se traduce así en una restricción relevante al desarrollo en

una economía como la de Argentina o de otros países de la región.

El artículo se organiza de la siguiente manera: primero se sistematizan los

antecedentes y perspectivas que guían el estudio. En la segunda sección se

presenta la metodología de análisis. Posteriormente, se exponen los resulta-

dos empíricos y en la cuarta sección se muestra una caracterización de gru-

pos industriales en Argentina. Finalmente, en la quinta sección se exponen

los comentarios finales.

I. Marco teórico

Para analizar la relación entre innovación y desigualdad productiva y laboral

como problema del desarrollo es preciso considerar la problemática general de

la relación entre cambio tecnológico, generación y distribución del excedente

productivo, especificando dicha relación en los procesos de industrialización

periférica. Así, partimos de las siguientes premisas analíticas:

a) Que los dos primeros términos de la relación —innovación y generación de

excedente productivo— están intrínseca y positivamente asociados entre

sí y coadyuvan al crecimiento a partir de la dinámica de la productividad

impulsada por el cambio técnico.

b) Que la innovación de la mano del crecimiento puede no ir acompañada

de mejoras en la distribución y en el nivel de desarrollo socioeconómico

general, esto es, que crecimiento y desarrollo son fenómenos distintos y

no necesariamente asociados positivamente, si bien los primeros términos

son condición necesaria para la ocurrencia de los últimos. En suma, que

la relación de la innovación al desarrollo no es transitiva sino que puede

haber refuerzos, retroalimentación negativa e incluso contradicción entre

las instancias que la conforman.

Innovación tecnológica y desigualdad productiva y laboral

216

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

c) Que en los procesos de industrialización latinoamericanos se han mani-

festado históricamente estas relaciones problemáticas entre los términos,

incluso en períodos de intensa innovación y alto crecimiento.

De esta manera es posible en los términos más generales dar cuenta de la

extendida dificultad para establecer vínculos de causalidad entre la innova-

ción y la desigualdad, por un lado, y de la especificidad del desarrollo indus-

trial en los países en desarrollo, por el otro.

A. Innovación y desarrollo industrial

Bajo la premisa de que el motor del crecimiento es el cambio tecnológico, es

preciso comprender cómo se combina la generación de excedentes producti-

vos con su distribución. Prebisch (1949) entiende a la industrialización como

el medio principal del que disponen los países en vías de desarrollo para cap-

tar progresivamente una parte del fruto del progreso técnico generado en las

economías altamente industrializadas y aumentar la productividad. Furtado

(1964) agrega que la forma de apropiación del excedente de producción deter-

mina las posibilidades de la acumulación de capital, definiendo una estructura

subdesarrollada como caracterizada por la heterogeneidad tecnológica entre

sectores de una misma economía en virtud de una dinámica de apropiación

desigual del excedente. Fajnzylber (1983) advertía que los beneficios de los

incrementos de la productividad y la competitividad asociados a la innovación

son posibles en la medida en que no se asienten exclusivamente sobre la renta

geográfica o de recursos naturales, o se generen a expensas de las remune-

raciones al trabajo. Se trataría, en tal caso, de una competitividad “espuria” o

“efímera”. Si bien todos ellos constituyen aportes de relevancia en torno a la

dinámica general del desarrollo, no llegan a plantear una concepción madura

del cambio tecnológico que permita captar sus mecanismos básicos en el con-

texto de una economía del conocimiento.

A partir de la década de los ochenta, las teorías evolucionistas neoschumpe-

terianas del cambio tecnológico presentaron una visión microeconómica de la

innovación centrada en la actividad de las firmas, útil para analizar su com-

portamiento y fundamentar la construcción de indicadores empíricos de su

desempeño innovador y su incidencia en el desempeño económico (Antonelli,

2011; Dosi, Freeman, Nelson, Silverberg y Soete,1988; Freeman, 2003; Lugo-

nes, Suárez y Le Clech, 2007; Lundvall, 1992; Nelson y Winter, 1982; Yoguel,

María Celeste Gómez y Carina Borrastero 217

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Barletta y Pereira, 2013). Desde esta perspectiva, la búsqueda de la innovación

permanente genera una dinámica de “competencia schumpeteriana”, por la

cual cada firma apunta a diferenciarse tecnológica y productivamente de las

demás generando un “monopolio innovador transitorio” a ser superado, y que

en última instancia tiende a la convergencia del nivel tecnológico del con-

junto. Es así que la innovación puede ser captada: a) mediante los resultados

de innovación obtenidos por las empresas (outputs); b) a través de los inputs

o actividades de innovación, considerando que la obtención de resultados de

mercado está condicionada por una variedad de factores (de oportunidad tec-

nológica, de asimetrías de información, de mecanismos de selección extramer-

cado, de financiamiento, etc.); y c) a través de las condiciones de partida de

la innovación (capacidades), las que tienen también efectos relevantes para el

desempeño económico de las firmas, sectores y agregados. La consideración

de la innovación en este sentido integral vale especialmente para los países en

desarrollo como Argentina, en que los condicionamientos para la introducción

efectiva de nuevas combinaciones al mercado se potencian por restricciones

de toda clase (Jaramillo, Lugones y Salazar, 2013). No obstante, es necesario

señalar que las teorías neoschumpeterianas de la innovación no se ocupan de

los aspectos distributivos asociados al excedente del cambio técnico que se

genera en los procesos productivos de las firmas (Borrastero, 2012).

B. La estructura productiva de las economías periféricas

En una síntesis más reciente de las perspectivas latinoamericanas del desarrollo

y neoschumpeteriana de la innovación, autores vinculados a la Cepal realiza-

ron aportes de relevancia a la comprensión de los problemas de la innovación

en las economías periféricas y los condicionamientos de sus estructuras pro-

ductivas. Dichos problemas se asocian a la difusión del cambio tecnológico en

economías marcadas por la heterogeneidad estructural, entendida como hete-

rogeneidad de niveles tecnológicos y productividades entre sectores o firmas.

Según Cimoli (2005) y Cepal (2007), la periferia latinoamericana se caracteriza

por dos rasgos principales: su limitada capacidad de generar y difundir cambio

técnico en la economía, y su heterogeneidad estructural. Lo primero implica

que la complementación de las estructuras productivas de las economías cen-

trales y las periféricas da lugar a una distribución inherentemente desigual

de los frutos del cambio tecnológico entre las regiones, dadas las menores

capacidades de generación de cambio técnico en la periferia debido, a su vez,

Innovación tecnológica y desigualdad productiva y laboral

218

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

a la menor participación relativa de los sectores intensivos en conocimiento

respecto a los agrodependientes. Simultáneamente, el cambio técnico —sea

adquirido vía externa o generado internamente— se difunde de modo desigual

entre los sectores de las economías nacionales, reforzando la posición de los

segmentos ya previamente más dinámicos. Aparecen así “islas de alta tecno-

logía y productividad en un mar de producción tradicional y de baja produc-

tividad” que, sin un esfuerzo de coordinación del crecimiento desde el Estado,

tienden a la perpetuación de las condiciones de desigualdad tecnológica con

efectos consecuentes sobre la concentración de ingresos.

En relación con el salario, la productividad de la industria y su grado de hete-

rogeneidad entre ramas es un determinante crucial. Barrera-Insúa y Fernán-

dez-Massi (2017), desde un marco teórico marxiano sostienen, al igual que

el enfoque estándar, que la productividad es uno de los principales determi-

nantes del salario, pero a partir de su medida promedio y no marginal, lo que

implica vincularla al puesto de trabajo y las condiciones productivas del esta-

blecimiento/firma4. De allí que, para comprender los niveles de salario, resulte

primordial descifrar las condiciones de acumulación de los sectores económi-

cos que los pagan. Las disparidades observadas en el desarrollo innovativo, la

extensión de jornada o la intensidad productiva de la fuerza de trabajo, son

centrales para estos autores para explicar estructuras salariales desiguales.

Por último, respecto a la desigualdad de calificaciones corresponde considerar

una serie de antecedentes empíricos sobre su relación con la innovación que,

si bien se ocupan en forma directa de uno de los problemas abordados en el

presente estudio, tomando en cuenta el marco teórico propuesto se relativiza

su utilidad para el tipo de análisis que pretendemos. Como en la mayoría de

los trabajos relativos al tema, focalizan en las economías centrales (Acemoglu,

2002; Acemoglu y Autor, 2011). Por otro lado, en cuanto a la dimensión tem-

poral y las variables empleadas, son habituales los análisis con horizontes de

largo plazo, largas series de tiempo y variables no directamente observadas

sobre el fenómeno de la innovación sino con indicadores que se aproximan a

cierto concepto de avance tecnológico (en particular, sobre tecnologías físicas).

Otra característica de estos enfoques es la asociación de la calificación laboral

4 En el enfoque estándar, la productividad es un atributo que depende de características personales y se

determina por los años de escolarización y el entrenamiento en el trabajo: trabajadores más productivos

recibirán salarios superiores.

María Celeste Gómez y Carina Borrastero 219

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

exclusivamente al nivel educativo de los trabajadores, ignorando en cierta

forma la dimensión productiva de las calificaciones, que se conjuga con los

requerimientos de las empresas para desarrollar las tareas involucradas en

sus procesos, como en el caso de empleos con calificación profesional, téc-

nica u operativa.

Tratándose este de un análisis sectorial, el estudio de las calificaciones producti-

vas cobra particular relevancia. Entre los antecedentes más afines encontramos

los enfoques de Skill Bias Technological Change (SBTC) y Skill Bias Organiza-

tional Change (SBOC) (Card y Di Nardo, 2002; Machin, 2004; Piva, Santarelli

y Vivarelli, 2003; Vivarelli, 2012). Ambos proponen analizar los determinantes

del sesgo a favor del trabajo calificado que observan en las economías centra-

les, destacando primero el impacto del cambio tecnológico en la elevación de

la prima de salario de los trabajadores calificados respecto a los no calificados

y, segundo, los cambios en dimensiones organizacionales de las firmas como

descentralización, control de calidad, trabajo multitareas, etc. En la literatura

sobre Argentina, el enfoque más extendido de este tema adolece de similares

limitaciones, al abordar la problemática desde la macroeconomía, la comple-

mentariedad de capital y el progreso técnico como un fenómeno puramente

físico (Acosta y Gasparini, 2007). Con enfoques más desagregados, Bustos

(2011) y Navarrete (2011) analizan el avance tecnológico como resultado del

comercio exterior y la complementariedad de capital a nivel de firmas y entre

ramas de la economía argentina, respectivamente.

En estos términos, nuestro trabajo aporta a la literatura existente en tres as-

pectos. El primero, un análisis a nivel de firmas en un sector relevante para la

estructura productiva argentina, lo que posibilita identificar distorsiones en

dimensiones productivo-laborales de la economía que pueden llevar a ciclos

recurrentes de estancamiento o senderos de desarrollo inviables5. El segundo,

un enfoque novedoso que analiza la relación entre innovación y desigualdad

productiva y laboral desde una concepción compleja de la innovación y un

análisis microeconómico sectorial6. El tercero, el uso de datos de una encuesta

5 En Araújo, Vostroknutova, Wacker y Clavijo (2016) se identifica a la industria manufacturera como

uno de los sectores más productivos de la economía y se relaciona el freno al crecimiento en el nivel

de productividad total factorial en Argentina en 1990-2005, con la menor participación del sector en

términos de empleo.

6 En Grazzi y Pietrobelli (2016) se resalta el papel de la innovación como factor esencial del crecimiento

y las mejores condiciones de vida de los países

Innovación tecnológica y desigualdad productiva y laboral

220

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

como la ENDEI, hasta ahora poco explorada por los trabajos en el área, que

provee información a nivel de firmas en relación con el campo de la innova-

ción de manera integrada con sus dimensiones laborales y productivas7.

II. Datos y metodología

A. Datos

En función del marco teórico desarrollado, para configurar la estrategia meto-

dológica nos apoyamos especialmente en a) los aportes de las teorías neos-

chumpeterianas a la captación empírica de la innovación, y b) el análisis

distributivo a nivel de firmas, que parte de una concepción multidimensional

de la desigualdad (tomando como parámetros a la productividad, el salario

promedio y las calificaciones laborales).

La ENDEI es una encuesta realizada a empresas bajo la modalidad presen-

cial como autoadministrada. La muestra consiste en 3.691 firmas privadas

del sector manufacturero argentino con al menos 10 trabajadores registrados

en el Sistema Integrado Previsional Argentino (SIPA) y está estratificada por

rama de actividad y tamaño de empresa, lo que provee información de 18.900

empresas del sector. Su diseño tiene el objeto de reflejar la realidad del com-

plejo industrial argentino en las dimensiones productiva, laboral e innovativa.

A pesar de la relevancia de la información, la tarea investigativa no estuvo

exenta de dificultades asociadas al formato y disponibilidad de los datos, lo

cual llevó a tomar ciertas decisiones metodológicas necesarias para abordar

la problemática planteada desde los objetivos de este estudio8. En particular,

los datos se estructuran como un corte transversal —la dimensión temporal

se reduce a tres años (2010-2012)— lo que impide un análisis de la evolu-

ción y los impactos entre distintas variables a largo plazo. En virtud de ello,

las variables de resultados estimadas se refieren al año 2012. Otro aspecto

7 El proyecto de Cepal, MINCyT y MTEySS (2017) publica otros trabajos realizados a partir de dicha en-

cuesta, los que incluyen estudios sobre capacidad innovadora y productividad, exportaciones, salarios

e innovación y estrategias empresariales, entre otros temas.

8 Por ejemplo, la informalidad introduce diversos problemas, ya que por definición debe medirse en forma

indirecta y es lo bastante heterogénea como para impedir conclusiones del todo certeras, no pudiendo

ser captada por los datos disponibles en esta base.

María Celeste Gómez y Carina Borrastero 221

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

a destacar surge de la unidad muestral: se trabaja en el nivel de empresa, lo

que implica definir la desigualdad entre salarios por empresa, calificaciones y

productividad entre firmas. Bajo dicho nivel de agregación, consideramos que

los resultados arrojan luz sobre estas relaciones poniendo eje en las empresas

o los grupos industriales.

B. Metodología

Con el objetivo de evaluar la existencia de las relaciones empíricas entre la

innovación y la desigualdad entre firmas, se realizó un análisis estructural

orientado a identificar las correlaciones presentes entre las variables de inte-

rés dentro de los distintos grupos industriales y permitiendo observar, al menos

provisionalmente, la incidencia de la heterogeneidad estructural en el sector.

En este punto, resulta destacable mencionar que la metodología planteada nos

permite establecer la significatividad estadística y económica de las relaciones

mencionadas, si bien no resulta posible indicar el orden de causalidad que las

rige, que puede asumir sentidos diversos debido a la presencia de endogenei-

dad de los vínculos entre las dimensiones estudiadas9.

Para distinguir los grupos industriales seguimos una adaptación del agrupa-

miento que proponen Katz y Stumpo (2001) y Porta, Santarcángelo y Schtein-

gart (2014), en la cual se definen 6 grandes grupos dados por las características

tecnoproductivas de las ramas a 3 dígitos del CIIU, a saber10:

9 Con datos de la Encuesta ENDEI, Brambilla y Peñaloza-Pacheco (2017) analizan las relaciones entre salarios,

exportaciones e innovación de las firmas manufactureras argentinas, con un enfoque que identifica corre-

laciones entre las variables, si bien encuentra limitaciones para definir órdenes de causalidad. Atendiendo

a estas restricciones, Crespi y Zúñiga (2012), analizan varios determinantes sobre la innovación y de la

innovación sobre la productividad de las firmas en seis países latinoamericanos, aplicando un modelo

CDM de ecuaciones simultáneas que permite corregir los efectos de la endogeneidad sobre las variables

innovativas y de performance de las empresas.

10 Las dificultades para incorporar información sectorial o la falta de identificación explícita en la base ENDEI

llevaron a no incluir ciertas ramas y subramas: cal y yeso (CIIU 26942), refinación de petróleo (CIIU 23200),

impresión (CIIU 221), productos elaborados de metal (excepto maquinaria y equipo) (CIIU 28), equipos de

transporte aéreo y naval y motocicletas (CIIU 352-353-359), pinturas y barnices (CIIU 24220), tintas y

extractos (CIIU 24290) tabaco (CIIU 16), maquinaria de uso general y de uso especial (CIIU 291 y 292).

Una séptima categoría, bajo el nombre otras en la base ENDEI, se incluye en la muestra aunque no tiene

asignación por rama/grupo.

Innovación tecnológica y desigualdad productiva y laboral

222

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

• Intensivo en recursos naturales (RN-int): incluye celulosa y papel, y

otros minerales no metálicos ncp (cemento, cerámica y sus derivados,

vidrio).

• Intensivoentrabajo(L-int): productos textiles y confecciones, cuero,

calzados y marroquinería, elaborados de la madera y muebles, edición.

• Complejoautomotrizyproductosdeplástico(Aut-Pl): vehículos auto-

motores, carrocerías, autopartes, otros equipos de transporte, productos

de caucho y plástico.

• Química,farmacéutica,metálicabásica(Q/F/M): ramas de la química

básica, intermedia y de consumo; petroquímica plástica, farmacéutica,

metales básicos (fabricación de hierro, acero, aluminio y otros metales

no ferrosos).

• Alimentosybebidas(A y B): aceites, harinas y derivados, azúcar, ca-

cao, chocolates y confituras, frutas, jugos y conservas, vino, bebidas

fermentadas y las industrias frigorífica, láctea, olivícola y apícola.

• Intensivoen ingeniería(ING-int): maquinaria agrícola y agropartes,

equipamiento médico y aparatos de uso doméstico línea blanca (elec-

trodomésticos para cocina y limpieza de hogar) y línea marrón (equipos

de video, audio, telefonía y televisión).

En relación con indicadores de innovación, en función del objetivo del trabajo

nos concentraremos en los inputs de innovación en términos cualitativos, esto

es, la realización de esfuerzos innovativos (EI) en las empresas considerando,

por cada firma, el total de actividades de innovación diferentes (AI) que estas

declaran realizar dentro de un espectro de posibilidades que capta la ENDEI:

adquisición de maquinaria, adquisición de hardware o software, I + D interna,

I + D externa, transferencia tecnológica, toma de consultorías, capacitación

para innovación, ingeniería y diseño industrial. A nivel de outputs mediremos

los impactos de dichos esfuerzos sobre la productividad media, el salario por

empresa y el ratio de calificaciones laborales. La decisión de enfocarnos en

este trabajo solo en los EI como medida de la innovación en las empresas y

como variable explicativa se debe a las siguientes razones:

• SegúnelManualdeOslo,lasactividadesinnovadoraspuedendefinirse

como “inversiones” que potencialmente producirán beneficios en el

futuro y que, a su vez, pueden tener una repercusión más amplia en

el presente que la de la propia innovación específica para la que se

María Celeste Gómez y Carina Borrastero 223

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

realizó la actividad. Las actividades innovadoras pueden dar lugar tanto

al desarrollo y la puesta en marcha de innovaciones a corto plazo como

a mejoras en la capacidad innovadora de las empresas, ya que estas

aprenden del desarrollo, generan valiosos recursos de las interacciones

y la actividad comercial, y mejoran su capacidad innovadora a través

de cambios organizativos.

• Estoconduceaconsiderar,quelasempresaspuedenteneractividades

innovadoras en el período analizado pero no haber introducido real-

mente ninguna innovación en el mercado. En este artículo, esto es

particularmente relevante en tanto la productividad y el nivel de ca-

lificación de la mano de obra están estrechamente relacionados con la

actividad innovadora que la empresa realice, de manera independiente

de los resultados de mercado que obtenga a partir de ello. Al mismo

tiempo, dado que la obtención efectiva de resultados de innovación

en las firmas depende de una variedad de factores extrínsecos a su

iniciativa innovadora —en particular en las pymes de economías peri-

féricas ampliamente condicionadas por restricciones de financiamiento

pero también por varios factores de otras clases—, las posibilidades de

medición muchas veces se encuentran restringidas por la necesidad

de relacionar las variables de resultado a muchas otras para las que

en ocasiones no hay datos disponibles.

• Correspondeaquíaclarar quenohan sidoutilizadosenestetrabajo

indicadores monetarios de innovación (para nuestro caso, gasto en

innovación como medida de esfuerzos), ni indicadores de capacidad

y resultado innovador. Si bien este artículo constituye un estudio

exploratorio centrado en los esfuerzos cualitativos de innovación

de las empresas, se analizó el vínculo entre indicadores de gasto en

innovación, de capacidad innovadora y de resultado innovador, por un

lado, y la desigualdad laboral y productiva, por el otro. Estos estudios

preliminares no permitieron identificar relaciones estadísticamente

significativas entre dichas dimensiones bajo el marco planteado. Re-

sulta necesario profundizar el análisis en estos planos como también

en especificaciones que incorporen en otros sentidos alternativos a

este el condicionamiento dado por la heterogeneidad estructural, con

el objeto de eliminar o morigerar eventuales sesgos de medición, sin

perder grados de libertad en el análisis estadístico, entre otros ele-

mentos a considerar.

Innovación tecnológica y desigualdad productiva y laboral

224

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Para estudiar el vínculo entre la innovación y ciertas dimensiones de la des-

igualdad productiva y laboral se analizará en qué grado están correlaciona-

dos los esfuerzos de innovación con tres variables: el salario promedio por

empresa, la productividad media y el ratio de calificaciones, definidos estos

últimos como el valor agregado por trabajador y el cociente entre la propor-

ción de puestos laborales con calificación profesional y técnica y puestos ope-

rativos, respectivamente11.

Se siguen dos estrategias empíricas complementarias: la descomposición de la

desigualdad por grupos y la regresión por cuantiles condicionados. Respecto

a la primera, se realizará un análisis no condicional de descomposición de

índices de desigualdad sobre las variables de respuesta. Las medidas emplea-

das son el índice de Atkinson y el índice general de entropía. El primero (A),

es una medida basada en el bienestar del individuo que calcula la dispersión

entre su ingreso y una medida del ingreso igualitario distribuido (que equipara

los niveles de bienestar entre toda la población). A mayores valores del pará-

metro  de aversión a la desigualdad, mayor es la importancia que se le da a

esta en el tramo inferior de la distribución de ingresos. Por su parte, el índice

de entropía (E) mide las diferencias entre el ingreso del individuo y el ingreso

medio de su grupo. Cuanto más bajo sea el parámetro  más importancia se

les da a las diferencias de ingreso en los individuos con ingresos más bajos.

La versión del índice con  = 1 es conocida como índice de Theil12. Tal como

indica Mancero (2000), ninguna medida de desigualdad es mejor que otra, las

medidas no son comparables entre sí y pueden llevar a distintos ordenamien-

tos debido a su diferente construcción, por lo que se recomienda usar más de

una medida de manera complementaria. En este análisis se trabajará con el

índice de Atkinson para  = 0,5, el índice de entropía con  = 1 (o índice de

Theil), y el coeficiente de Gini13.

11 En el Informe de resultados de la ENDEI se utiliza dicha medida en función de la información captada

a nivel de las firmas (MinCyT-MTEySS, 2015).

12 Para más detalles sobre las estrategias empíricas del artículo y estadísticos descriptivos véanse los

anexos I, II y III.

13 Estas medidas satisfacen las propiedades de una buena medida de desigualdad: principio de Dalton

Pigou, invarianza a las réplicas y a la escala, consistencia ante descomposiciones. Al no cumplir el

coeficiente de Gini con la propiedad aditiva, se informará sin descomponer. Véase Gasparini, Cicowiez

y Sosa-Escudero (2013).

María Celeste Gómez y Carina Borrastero 225

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Seguidamente, la estrategia empírica consiste en realizar un análisis de regre-

sión por cuantiles condicionados sobre las variables respuesta propuestas. Esta

metodología se aplicará con el objeto de identificar potenciales asociaciones

entre la innovación tecnológica y distintos puntos de la distribución de sala-

rio medio, productividad y ratio de calificaciones de manera independiente, e

indagar si la heterogeneidad estructural que caracteriza a la industria argen-

tina actúa como condicionante de estos resultados. Para ello se trabajará con

dos especificaciones alternativas:

• Laprimerapermitiráevaluar elniveldecorrelación delosEIparala

industria en su conjunto, para lo que se estimará —por cada ecuación

de las variables de interés— un solo coeficiente de la variable explicativa

central ai_acum (total de actividades de innovación realizadas en la

empresa).

• Seguidamente, adaptando el planteo empírico de los EI a un nivel

desagregado por sector de la industria, se estimará un coeficiente de

ai_acum por cada grupo de forma simultánea y en una misma especi-

ficación, buscando evitar el sesgo de selección en los resultados como

la pérdida de grados de libertad en el análisis estadístico (que sería el

caso si analizáramos cada grupo en una muestra independiente).

En ambas alternativas se estimarán las ecuaciones de regresión para los

siguientes cuantiles de productividad, salarios y ratio de calificaciones: p10,

p25, p50 o mediana, p75 y p90, así como la regresión de la media condicio-

nal para identificar de manera preliminar la significatividad de las relaciones.

Las siguientes son las variables explicativas y de control en cada ecuación:

Cuadro 1. Variables empleadas en regresión por cuantiles

Variable respuesta Variables explicativas

Log (productividad

media laboral) AI acumuladas, proporción de puestos profesionales, de técnicos y de operarios

calificados. Variables de control: grupos industriales, antigüedad y tamaño de la

empresa, participación de capital extranjero.

Log (salario promedio)

Ratio [(profesionales+

técnicos)/operarios)]

AI acumuladas, posición del área RRHH-tamaño de empresa (interacción).

Variables de control: grupos industriales, antigüedad y tamaño de la empresa,

participación de capital extranjero.

Fuente: elaboración propia a partir de ENDEI-MINCyT y MTEySS.

Innovación tecnológica y desigualdad productiva y laboral

226

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

III. Resultados

A. Nivel y variabilidad en los esfuerzos de innovación

En relación con la conducta innovativa de las firmas corresponde, en primer

lugar, distinguir en la muestra las empresas que hacen esfuerzos de innova-

ción de las que no. Las primeras son las que declaran realizar al menos una

actividad de innovación (AI) y a la vez muestran un ratio de gasto en innova-

ción sobre ingresos corrientes positivos. Se considera que una firma no hace

innovación cuando declara no haber realizado AI o cuando expresa haber rea-

lizado alguna de ellas pero no acusa gasto en innovación. Por un lado, cons-

truimos el indicador ai_acum que identifica las empresas según la cantidad

de actividades de innovación que realizan (el que será utilizado como varia-

ble explicativa central en el análisis de regresión) y, por otro lado, para poder

distinguir las empresas de la muestra según su nivel general de EI (nulo/bajo,

medio o alto) construimos un índice en tramos (IEI) que mide la cantidad de

AI que estas realizan, y sigue estos criterios:

Cuadro 2. Índice de EI por tramos

Cantidad de AI acumuladas IEI bajo/nulo IEI medio IEI alto

(0-1) AI (2-4) AI (5-7) AI

Fuente: elaboración propia a partir de ENDEI, MINCyT y MTEySS.

La figura 1 muestra los EI por grupo industrial y para el total de la industria,

expresados en términos de actividades de innovación. En el panel 1a se mues-

tra la distribución del índice a partir de las tres categorías planteadas.

En términos generales, el 50% de las empresas tiene niveles nulos o bajos de

EI, el 35% tiene niveles medios y solo el 15% alcanza niveles altos, es decir,

realiza al menos 5 actividades de innovación diferentes. De los 6 grupos ana-

lizados, 3 de ellos superan en desempeño la distribución de EI promedio de la

industria (IND). Se trata de los grupos ingeniería-intensivo, química-farmacéu-

tica-metálica básica y automotor-plásticos. Los grupos intensivos en trabajo,

en recursos naturales, y el productor de alimentos y bebidas se ubican en nive-

les de EI por debajo del promedio industrial. A partir del gráfico se puede ver

María Celeste Gómez y Carina Borrastero 227

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

que aquellos grupos con mayor (menor) participación de empresas con nive-

les de EI alto tienen a su vez menor (mayor) participación de empresas con EI

bajo o nulo. Esta tendencia se identifica más claramente en el panel 1b, que

muestra para cada grupo el nivel de actividad de innovación (AI) promedio por

empresa y una medida de desigualdad de las AI hacia dentro de cada grupo,

con base en el coeficiente de Gini. En aquellos grupos con mayores niveles de

AI promedio se registra una mayor homogeneidad en las AI acumuladas hacia

dentro del grupo (un menor coeficiente de Gini). En otros términos, a nivel

de grupo industrial, mayores esfuerzos de innovación se asocian a una menor

heterogeneidad de esfuerzos intra grupo.

Figura 1. EI por grupo industrial

0,5

1,5

2,5

0,2

0,4

0,6

0,8

AI promedio

Gini de AI

Panel 1b. AI. Promedio y desigualdad

intra grupo

Gini de AI Ai promedio

Porcentaje del grupo

Panel 1a. Niveles de EI por grupo

EI nulos/bajos EI medios EI altos

L-Int ING-IntRN-IntA

BIND Aut-Pl Q/F/M

L-Int

ING-Int

RN-Int

IND

Aut-Pl

Q/F/M

Fuente: elaboración propia a partir de ENDEI-MINCyT y MTEySS.

B. Descomposición por grupos

A continuación se analizarán los resultados de la descomposición por grupos,

con dos variables de agrupamiento alternativas: niveles de EI y grupos indus-

triales, sobre medidas de desigualdad de productividad, salarios y ratio de cali-

ficaciones para el año 2012. Vale recordar que todas las medidas de análisis son

a nivel de empresa, dado que la unidad muestral es la firma manufacturera:

Innovación tecnológica y desigualdad productiva y laboral

228

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Cuadro 3. Descomposición de la desigualdad por nivel de EI

Gini GE(1) Theil A(0.5)

Productividad

EI nulo/bajo 0,533 0,654 0,247

EI medio 0,458 0,429 0,178

EI alto 0,480 0,470 0,194

Desigualdad global 0,503 0,549 0,216

Desig. intra grupos 0,543 0,214

Desig. entre grupos 0,005 0,004

Índ. de Theil. Porción intra: 99%; porción entre: 1%.

Salario

EI nulo/bajo 0,228 0,092 0,095

EI medio 0,234 0,097 0, 101

EI alto 0,250 0,107 0,114

Desigualdad global 0,240 0,101 0,053

Desig. intra grupos 0,096 0,051

Desig. entre grupos 0,004 0,002

Índ. de Theil. Porción intra: 96%; porción entre: 4%.

Ratio de calificaciones

EI nulo/bajo 0,569 0,702 0,273

EI medio 0,587 0,713 0,287

EI alto 0,632 0,807 0,329

Desigualdad global 0,599 0,759 0,300

Desig. intra grupos 0,736 0,294

Desig. entre grupos 0,023 0,008

Índ. de Theil. Porción intra: 97%; porción entre: 3%.

Fuente: elaboración propia a partir de ENDEI-MINCyT y MTEySS.

A partir de los datos del cuadro 3, se observa que la desigualdad en la produc-

tividad de las empresas resulta relativamente alta (con un coeficiente de Gini

de 0,503 puntos), mayor al Gini sobre los niveles de salario (0,240), aunque

se ubica por debajo de la medida para el ratio de trabajo calificado-no cali-

ficado (0,600). A su vez, agrupando las empresas de acuerdo con su nivel de

María Celeste Gómez y Carina Borrastero 229

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

EI (definido por IEI_tramos), la variabilidad dentro del grupo de empresas con

menor nivel de EI es la mayor de los tres grupos. Este resultado se confirma

tanto para el coeficiente de Gini como para los índices de Theil y Atkinson (0,5).

En el caso de la desigualdad por salarios, el grupo de empresas que declaran

un nivel de EI alto cuenta con niveles ligeramente superiores de desigualdad

salarial entre empresas. Similar resultado se da en el caso de la descomposi-

ción del ratio de calificaciones.

Si analizamos la porción de desigualdad entre e intra grupos (que puede esti-

marse con base en el índice de Theil), podemos ver que la porción intra capta

más del 95% de la desigualdad, y esto se da para las tres variables analizadas.

Si bien la evidencia empírica sobre descomposición muestra que la desigualdad

entre grupos resulta menor a la desigualdad dentro de ellos (con una relación

habitual en torno al 25% y 75%, respectivamente) bajo este agrupamiento la

porción entre grupos resulta significativamente menor a dicho registro. Este

fenómeno puede ser un indicio de que la variable EI no explica tanto la des-

igualdad entre grupos para las dimensiones laborales y productivas analizadas

como es el caso de otras variables de agrupamiento, lo cual promueve a inda-

gar acerca de los resultados de una descomposición por grupos industriales.

Cuadro 4. Descomposición de la desigualdad por grupo industrial

Gini GE(1) Theil A (0,5)

Productividad

RN-intensivo (--) 0,420 0,301 0,141

L-intensivo 0,449 0,388 0,167

Automotor y plást. (--) 0,419 0,330 0,147

Quím./farm./metal. 0,550 0,671 0,258

Alimentos y beb. (++) 0,612 0,912 0,326

ING-intensivas 0,438 0,345 0,156

Desigualdad global 0,503 0,548 0,216

Desig. intra grupos 0,528 0,211

Desig. entre grupos 0,020 0,007

Índ. de Theil, Porción intra: 96%; porción entre: 4%.

(Continúa)

Innovación tecnológica y desigualdad productiva y laboral

230

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Cuadro 4. Descomposición de la desigualdad por grupo industrial (continuación)

Gini GE(1) Theil A (0,5)

Salario

RN-intensivo 0,216 0,081 0,044

L-intensivo 0,233 0,097 0,052

Automotor y plást. (--) 0,211 0,079 0,040

Quím./farm./metal. (++) 0,258 0,110 0,054

Alimentos y beb. 0,227 0,089 0,047

ING-intensivas 0.233 0,096 0,051

Desigualdad global 0,240 0,101 0,053

Desig. intra grupos 0,093 0,049

Desig. entre grupos 0,007 0,004

Índ. de Theil. Porción intra: 93%; porción entre: 7%.

Ratio de calificaciones

RN-intensivo 0,484 0,450 0,195

L-intensivo 0,555 0,627 0,256

Automotor y plást. (--) 0,467 0,413 0,180

Quím./farm./metal. (++) 0,635 0,788 0,331

Alimentos y beb. 0,570 0,619 0,266

ING-intensivas 0,614 0,778 0,312

Desigualdad global 0,600 0,759 0,300

Desig. intra grupos 0,667 0,276

Desig. entre grupos 0.091 0,032

Índ. de Theil. Porción intra: 88%; porción entre: 12%.

Fuente: elaboración propia a partir de ENDEI-MINCyT y MTEySS.

El análisis de descomposición por grupo industrial permite abordar de forma

preliminar la cuestión de la heterogeneidad estructural que caracteriza a la

industria argentina, ya que indica aquellos grupos que mayores y menores nive-

les de desigualdad registran para las tres variables de interés14. En el cuadro

4 y en lo referido a productividad, el grupo RN-intensivo junto con el com-

plejo automotriz y de plásticos muestran los menores indicadores de desigual-

dad intra grupo, mientras el sector de alimentos y bebidas registra la mayor

14 En este cuadro se omite el grupo definido como “otras” ramas, que han sido identificadas en la base

ENDEI.

María Celeste Gómez y Carina Borrastero 231

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

dispersión. Estos resultados se confirman para los tres índices de desigualdad

analizados. En el caso de Atkinson, el valor de A (0,5) = 0,326 para alimen-

tos y bebidas indica que si se quitara el 33% de la masa salarial en el grupo,

se obtendría el mismo nivel de bienestar si se distribuyera igualitariamente

el 67% restante. Los resultados en cuanto a salarios y ratios de calificacio-

nes son equivalentes si consideramos los grupos con medidas más extremas

de desigualdad: el complejo automotor y plásticos y el grupo de química-far-

macéutica-metálica básica son, en ambos casos, los sectores que evidencian

los menores y mayores grados de desigualdad hacia dentro, respectivamente

(si bien con leves diferencias relativas). En cuanto a la descomposición pro-

piamente dicha, la desigualdad de la productividad media hacia dentro de

los grupos explica el 96% del total de la desigualdad. En el caso del salario y

del ratio de calificaciones, resulta ligeramente menor, explicando el 93% de

la desigualdad salarial y el 88% de la desigualdad en calificaciones relativas.

Los respectivos valores que arrojan estas medidas en las variables laborales y

productivas estudiadas, así como sus diferencias dentro y entre grupos habi-

litan considerar otros factores productivos, de mercado e institucionales que

puedan incidir de manera diferencial en ellas. En el siguiente apartado, con

los resultados de la regresión por cuantiles, se abordará una discusión preli-

minar al respecto.

C. Regresión por cuantiles condicionados

1. Análisis de regresión para el conjunto de la industria

Partiendo del análisis de impactos de mayores EI para la industria en su con-

junto, en el siguiente cuadro se muestran los coeficientes de regresión de las

actividades de innovación estimados sobre la media y cuantiles de la distri-

bución de las variables de interés15:

15 Por razones de espacio, las tablas de regresión de este artículo en su versión completa están disponibles

previa solicitud a las autoras.

Innovación tecnológica y desigualdad productiva y laboral

232

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Cuadro 5. Actividades de innovación. Estimaciones de regresión para el conjunto

industrial

Media p10 p25 p50 (Me) p75 p90

Productividad

AI 0,0297*** 0,0384*** 0,0318*** 0,0403*** 0,0196* 0,0130

(0,0071) (0,0121) (0,0077) (0,0086) (0,0114) (0,0162)

Salario

AI 0,0157*** 0,0174** 0,0170*** 0,0113*** 0,0112*** 0,00887

(0,0054) (0,0075) (0,0042) (0,0037) (0,0039) (0,0055)

Ratio de calificaciones

AI 0,0305*** 0 0,00530*** 0,0149*** 0,0238*** 0,0446***

(0,0058) (0,0001) (0,0014) (0,0020) (0,0037) (0,0088)

Errores estándar entre paréntesis.*** p < 0,01, ** p < 0,05, * p < 0,1. Estimación por Bootstrap (200 réplicas).

Fuente: elaboración propia a partir de ENDEI-MINCyT y MTEySS.

A partir de estos resultados, se puede inferir que los EI están correlacionados

significativamente con la productividad, el salario y las calificaciones relativas.

Si bien las tres estimaciones de la media condicional resultan significativas,

la profunda asimetría natural en las variables respuesta obliga a considerar la

mediana como valor central de referencia. A partir de esta medida, se estima

que aquellas empresas que realizan una AI adicional reportan un 4% de mayor

productividad y un 1% de mayores salarios16. Para poder identificar si estas dis-

paridades entre el grado de correlación de AI con cada una de estas variables

son estadísticamente significativas, se aplicó un test de diferencias entre los

coeficientes de ambas ecuaciones17. A partir de este, se infiere que el grado de

asociación de las AI adicionales con los niveles de productividad resulta más

fuerte que aquel sobre salarios. Por otro lado, para el ratio de empleos

más calificados (respecto a los menos calificados), las estimaciones dan cuenta

de que una AI reporta 1,5 puntos porcentuales adicionales en el ratio de cali-

ficaciones de las empresas.

16 Dado que ai_acum es una variable discreta, para estimar la correlación lineal sobre salario y produc-

tividad, se sigue la regla (e^b-1), siendo b el coeficiente en tabla.

17 El test de estimaciones aparentemente no relacionadas actúa como un test de especificación de

Hausman generalizado, incluso supera algunas de sus limitaciones. El nivel de significación que arrojó

es del 10%.

María Celeste Gómez y Carina Borrastero 233

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Respecto al análisis distributivo, los resultados son variados. Para la producti-

vidad, el coeficiente de los esfuerzos de innovación adicionales es significativo

hasta el tercer cuartil (p75) y se mantiene relativamente estable indicando

un 3%-4% de productividad adicional en la primera mitad de la distribución,

mientras en los tramos más altos de la distribución pierde significación eco-

nómica y estadística. Además, se aplicó la técnica de Bootstrap con 200 repli-

caciones para testear las diferencias entre los coeficientes de ai_acum para

los distintos cuantiles, lo que confirmó dichos resultados. Esto sugiere que,

si ordenamos las empresas por su productividad, el vínculo de AI adicionales

con esta variable será estable y significativo en la primera mitad de dicha dis-

tribución y será decreciente a medida que analizamos las empresas más pro-

ductivas de la industria. Por otro lado, se revela una significativa correlación

entre los esfuerzos de innovación, y la distribución de salarios por empresa,

a excepción del último cuantil estimado (p90). A diferencia de lo que sucede

con la productividad laboral, los coeficientes de regresión de AI no resultan

estadísticamente diferentes entre los cuantiles salariales, resultados también

confirmados por sendos test de Wald de diferencias. Finalmente, para el ratio

de calificaciones las AI reportan correlaciones crecientes a medida que avan-

zamos sobre las empresas más calificadas. Mientras en el 25% de las firmas

con menor calificación, el vínculo de una AI adicional con el ratio de califi-

caciones se muestra poco significativo económicamente (rondando el 0,5%),

este se eleva hasta superar un 4% para el decil de empresas con mayor cali-

ficación de la industria.

Partiendo de este análisis, se infiere que las AI presentan correlaciones signifi-

cativas con la productividad, los salarios medios y las calificaciones relativas, si

bien con resultados dispares según la variable de interés y el desempeño de las

firmas. Aunque se identifican conexiones entre los EI y los salarios, los prime-

ros no amplían la brecha de salarios entre empresas. Por otro lado, si se ordena

a las empresas por su nivel de productividad, los coeficientes de regresión de

las AI resultan uniformes en las unidades con el 50% de menor productividad y

decrecientes en las firmas con mejor performance en esta dimensión. Respecto

a las calificaciones laborales, mayores esfuerzos de innovación se reflejan positi-

vamente en ellas y de manera creciente sobre su distribución entre firmas. Cabe

resaltar que se amplía la brecha en las tres variables de interés entre las firmas

que realizan EI y las que no lo hacen, lo que se manifiesta por los propios coefi-

cientes de regresión (ya que se toma como base a las empresas no innovadoras).

Innovación tecnológica y desigualdad productiva y laboral

234

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

2. Análisis de regresión según grupo industrial

Este apartado muestra los resultados como una variante del modelo anterior:

estimando un coeficiente de regresión de las AI por cada grupo industrial bajo

la misma especificación. En el cuadro 6 se muestran los coeficientes estima-

dos de EI para cada grupo:

Cuadro 6. Actividades de innovación. Estimaciones de regresión por grupo industrial

Productividad Salario Ratio de calificaciones

(p50)

Tramos

significativos

(p50)

Tramos

significativos Me (p50) Tramos

significativos

Grupos industriales

RN-intensivo 0,0195

No cont. (1)

0,0106

p10 - p25

0,0165*** p50

(0,0266) (0,0141) (0,00574)

L-intensivo 0,0155

p25

0,0109

No cont. (1)

0,00955***

No cont. (1)

(0,0152) (0,00687) (0,00268)

Automotor y plást. 0,00863 No signif. (2) 0,0140 No signif. (2) 0,0209*** p25 - p50 -

p75 - p90

(0,0144) (0,00883) (0,00682)

Quím./farm./metal. 0,0457***

p10 - p50

0,0145*

p25 - p50

0,0455***

Todos (3)

(0,0177) (0,00856) (0,00929)

Alimentos y beb. 0,0739*** p25 - p50 -

p75

0, 0111

No cont. (1)

0,0104*** p50 - p75

(0,0199) (0,00765) (0,00344)

ING-intensivas 0,0545*** p10 - p25 -

p50

0,00331

No signif. (2)

0,0238*** Todos (3)

(0,0145) (0,00808) (0,00652)

Otras (no identif.) 0,0981* p50 0,0457* p10 - p25 -

p50

0,0177 p10 - p25

(0,0513) (0,0260) (0,0171)

Errores estándar entre paréntesis.*** p<0,01, ** p<0,05, * p<0,1. Estimac. por Bootstrap (200 replic.).

Fuente: elaboración propia a partir de ENDEI. MINCyT y MTEySS. Notas: (1) los coeficientes de AI son signi-

ficativos en cuantiles no continuos; (2) ningún coeficiente de AI es significativo; (3) todos los coeficientes

de AI sobre los cuantiles estimados con significativos.

María Celeste Gómez y Carina Borrastero 235

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

El cuadro anterior arroja resultados diversos en cuanto a las correlaciones de

los EI con las tres dimensiones estudiadas en los distintos grupos tecnopro-

ductivos de la industria. Esta diversidad no solo se plantea en términos de una

disparidad entre los coeficientes de las variables de respuesta para un mismo

cuantil, sino también en cuanto a sus distribuciones, llevando incluso a resulta-

dos ambiguos que creemos no permiten una interpretación económica. Tal es el

caso de los resultados significativos en tramos no continuos de la distribución18.

En el caso del grupo RN-intensivo, los esfuerzos de innovación están asociados

a mayores salarios por empresa solo en las firmas que reportan niveles sala-

riales más bajos del grupo (percentil 10 y 25), no así en el resto; y en términos

productivos no se evidencia vínculo alguno con la innovación, cualquiera sea

el nivel de productividad de las empresas. En el grupo intensivo en trabajo, las

distribuciones de productividad y de salarios entre empresas casi no revelan

relaciones de estas variables con las AI de manera significativa y continua.

El complejo automotriz y productor de artículos de plástico es el caso más

emblemático de un grupo industrial donde los esfuerzos de innovación no

muestran un vínculo significativo con los salarios ni con la productividad. En

contraposición a este grupo, las firmas dedicadas a la producción química,

farmacéutica y metalúrgica básica reportan importantes coeficientes de las

AI sobre la productividad y salarios por empresa. La mitad de las firmas con

menor desempeño productivo muestra altos grados de correlación entre inno-

vación y productividad. En la dimensión salarial, se identifican estas asociacio-

nes solo en aquellas empresas cuyos salarios se ubican en el primer y segundo

cuartil (o mediana) del grupo.

El grupo productor de alimentos y bebidas muestra correlaciones significati-

vas entre innovación y productividad, algo que no se replica para los niveles

salariales. En el primer caso, las empresas cuyos valores se ubican en el rango

intercuartílico asocian AI adicionales con niveles de producto medio labo-

ral significativamente superiores. Para los salarios, estas correlaciones no se

dan sobre tramos continuos. Finalmente, el grupo de producción de procesos

intensivos en ingeniería, acusan ciertas semejanzas en sus resultados con el

grupo anterior. En las empresas con el 10% al 50% de productividad más baja,

más esfuerzos de innovación se asocian positivamente con mayores produc-

tividades, si bien no se encuentra correlación significativa entre AI y salarios.

18 Nos referimos a casos donde el coeficiente de AI es significativo en un cuantil, no lo es en el siguiente,

y vuelve a serlo en algún cuantil superior.

Innovación tecnológica y desigualdad productiva y laboral

236

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Tras analizar los resultados sobre el ratio de calificaciones, se muestran impor-

tantes diferencias respecto a las otras dimensiones analizadas. Mientras los

coeficientes de las AI sobre la productividad y los salarios divergen según el

grupo que se analice, en cuanto a las calificaciones relativas los resultados

son diáfanos. En todos los grupos industriales se advierte que la relación entre

las actividades de innovación y las calificaciones relativas es definitivamente

positiva, directa y se asocia a su vez a una mayor brecha entre empresas de

mayor y menor calificación, advirtiéndose este fenómeno en una gran mayo-

ría de las empresas industriales.

A pesar de la heterogeneidad en los resultados a nivel de grupo industrial, su

interpretación permite observar ciertas regularidades19: 1) los coeficientes de

EI significativos sobre los cuantiles de productividad resultaron más frecuen-

tes que sobre salarios, si consideramos el conjunto industrial; 2) Se pueden

identificar tres tipos de casos con resultados distintivos según el grado de

correlación entre innovación y productividad o salarios: un grupo con alta per-

formance tecnológica (ramas química, farmacéutica, metalúrgica), donde los

esfuerzos de innovación se traducen en registros de productividad y de salarios

más altos; dos grupos donde en la mayoría de las firmas mayores AI reportan

niveles más altos de productividad pero no muestran salarios mayores (empre-

sas manufactureras de alimentos y bebidas y firmas con procesos intensivos

en ingeniería); dos grupos donde prácticamente no se advierten correlaciones

entre innovación y sus niveles productivos o salariales (automotor-plásticos y

trabajo-intensivo), y 3) las AI adicionales se muestran correlacionadas directa

y positivamente con las calificaciones relativas, con una mayor brecha entre

las firmas que presentan ratios de calificaciones más altos y más bajos.

IV. Condicionantes de la estructura productiva

En este apartado se realiza una caracterización de los grupos industriales

definidos, la cual complementa la interpretación de los resultados del análisis

empírico. El cuadro 7 muestra indicadores de los grupos industriales para el

año 2012, que sirven de puntapié para el análisis:

19 Dadas las disparidades entre grupos respecto los coeficientes las AI sobre la productividad y el salario,

no es posible identificar en estos tendencias uniformes respecto a su valor. En el grupo RN-int el coefi-

ciente sobre los cuantiles del salario es decreciente entre q10 y q25; en Q/F/M el coeficiente es estable

en productividad y salarios; en A y B es creciente en productividad y en ING-int es moderadamente

oscilante entre los cuantiles q10 y q50 de productividad.

María Celeste Gómez y Carina Borrastero 237

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Cuadro 7. Dimensiones cuantitativas de los grupos industriales

Grupo industrial

Participaciones en total industrial Valores relativos a niveles industriales

En valor

agregado

empleo

En cantidad

de empresas

Salario

promedio

Productividad

media

Ratio

de calif.

RN-intensivo 0,057 0,090 0,056 1,03 0,88 0,66

L-intensivo 0,177 0,237 0,407 0,89 0,86 0,71

Autom. y plást. 0,086 0,126 0,115 1,12 0,97 0,82

Quím./farm./metal. 0,186 0,161 0,086 1,38 1,62 2,41

Alimentos y beb. 0,318 0,236 0,214 0,93 1,03 0,61

ING-intensivas 0,084 0,147 0,115 1,08 1,05 2,01

Fuente: elaboración propia a partir de ENDEI-MINCyT y MTEySS.

Para identificar los atributos principales (salarios, productividad y calificacio-

nes relativas) se estimaron valores promedio relativos al promedio industrial,

los que se pueden complementar con las medidas de desigualdad estimadas

para cada grupo (véase en el cuadro 4)20.

El sector intensivo en recursos naturales (RN-int) resulta ser el de menor

tamaño, con una participación de cerca del 6% en el valor agregado de la

industria y en el total de firmas con una contribución al empleo algo supe-

rior (9%). En este grupo se pagan salarios a nivel del promedio industrial (con

1,03 de salario relativo, siendo los más altos los de la industria del vidrio) y se

caracteriza por productividades y calificaciones relativamente bajas (este último

aspecto como reflejo de la existencia de demanda no satisfecha). Siguiendo

estas tres últimas variables, puede decirse que —junto al sector automo-

tor y productor de plástico— es el grupo más homogéneo de la industria, en

especial, si consideramos su productividad21. La estructura productiva de las

ramas que componen el grupo está asociada a grandes empresas (como en el

caso de las industrias papeleras o de fabricación de cemento, con mercados

20 Se omiten en el cuadro 7 los datos del grupo “otras” ramas (no identificadas) por no poder caracterizarse

en este apartado. Ellas participan del 9,2% del valor agregado en el 2012; del 4,6% del empleo y del

8,6% de las firmas.

21 No obstante, mientras los niveles de productividad en plantas celulósicas son bajos por tratarse de

plantas viejas y por debajo de la escala mínima eficiente, en la industria del vidrio se encuentran a

niveles tecnoproductivos cercanos a la frontera internacional, y la productividad en el sector del cemento

está condicionada por el hecho de que las plantas operan de forma continua las 24 horas del día.

Innovación tecnológica y desigualdad productiva y laboral

238

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

típicamente oligopólicos). Las empresas de menor tamaño se ubican en las

ramas del vidrio o de productos derivados del cemento o la cerámica, por ejem-

plo. Las economías de escala son la principal barrera al ingreso de competidores.

La brecha tecnológica respecto al mercado internacional es importante en este

grupo (a excepción de la fabricación de vidrio hueco y de forma emergente la

fabricación de cerámica roja), con falta de inversiones en plantas nuevas (solo

reposición de capital ya existente) y ausencia de innovación en productos o

procesos. Esto se combina con niveles de AI apenas por encima de la media y

una relativa baja desigualdad en EI intra grupo (figura 1).

Por su parte, el sector laboral intensivo (L-int) alcanza una participación del

17,7% en el valor agregado de la industria. Este grupo ocupa el 23,7% de los

empleos, y en cantidad de empresas su contribución es máxima, alcanzando

el 40,7% de las unidades productivas. La mayor porción de puestos de tra-

bajo se encuentra en la rama de indumentaria. El grupo paga en promedio los

salarios más bajos de la industria (en subramas de confecciones y de calzado

los registros son aún 35% más bajos que este último) y registra también la

menor productividad de la industria (un 14% por debajo del promedio). El sala-

rio muestra una dispersión similar en el grupo respecto a la industria, pero la

productividad y el ratio de calificaciones resultan relativamente homogéneos

respecto a otros grupos. A medida que se avanza en la cadena productiva la

concentración de empresas se reduce en cada rama, de la mano de la menor

productividad y una mayor brecha tecnológica: en su mayor parte, las empre-

sas de la última parte de cada cadena son pymes, con grandes barreras o limi-

taciones respecto a los insumos que compran o las tecnologías que emplean y

con niveles de informalidad y precariedad laboral que afectan la productividad

y las condiciones laborales22. Aquí la intensidad real del factor trabajo se refleja

en escalas mínimas, menor valor agregado, y empleo de baja productividad.

La diferenciación de los productos es también un rasgo distintivo del grupo23.

22 El sector de hilados y fibras textiles, como las curtiembres se desarrollan en grandes empresas que

trabajan con procesos cercanos a la frontera internacional y muy diferenciados de las firmas

que emplean sus productos a modo de insumos. El sector maderero puede seguir esta línea aunque en

menor medida, por una mayor integración vertical y a la vez cierta dualidad horizontal (producción

de artículos de maderas de bosque implantado o producción en madera de bosque nativo, que difieren

en tamaño de empresas, tecnologías, mercados, condiciones ambientales, etc.).

23 Mientras en confección de indumentaria y elaboración de muebles los productos tienden a homoge-

neizarse en artículos de baja calidad (salvo excepciones dadas para segmentos de alta gama), en la

industria del cuero la diferenciación del producto se multiplica en la etapa manufacturera final.

María Celeste Gómez y Carina Borrastero 239

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

En términos de innovación, solo las empresas grandes cuentan con departa-

mentos de I + D, siguen tecnologías de avanzada de acuerdo con los merca-

dos internacionales y certificaciones ambientales y de procesos/productos. El

resto de las empresas, de la mano con la brecha tecnológica, carecen de una

profesionalización de las actividades o de mayores esfuerzos de innovación.

Esta heterogeneidad se expresa también en una fuerte desigualdad en cuanto

a esfuerzos de innovación y al nivel promedio de AI más bajo de los grupos, en

un contexto de bajos y homogéneos niveles de productividad y calificaciones.

El grupo automotor y productor de plásticos representa el 8,6% de la indus-

tria medido por su valor agregado. La participación del empleo es mayor, con

el 12,6%, traccionada principalmente por la rama autopartista. Es diverso el

nivel de registro entre las ramas, particularmente bajo en manufacturas de

plástico que es —a su vez— la rama más mano de obra intensiva del complejo.

La participación en cantidad de empresas llega al 11,5%, respectivamente.

Las tres variables estudiadas (salarios, productividad y calificaciones) arrojan

niveles relativos cercanos a los promedios industriales y muestran en todos

los casos los más altos grados de homogeneidad relativa, si bien se observa

una demanda de trabajo calificado mayor en la rama automotriz-autopar-

tista y menor en plásticos. Se trata de un grupo maduro, cuya producción se

encuentra en términos generales en el nivel tecnológico internacional y donde

la elevada escala de producción es un factor común entre las ramas del com-

plejo, aunque por razones distintas (por un lado, la rama automotriz donde la

escala es elevada por los altos costos unitarios de producción y, por otro,

la de plásticos donde el volumen mínimo para una producción rentable es muy

alto). Dentro del complejo no se presentan condicionamientos regulatorios ni

ambientales significativos, sino más bien otros derivados de la inserción de

cada rama en la división tecnológica internacional del trabajo, por ejemplo:

la producción automotriz-autopartista, con un alto grado de concentración

y extranjerización del capital, está inserta en una cadena global de valor en

la que las actividades de innovación más jerarquizadas (como I + D y diseño

de productos) se realizan por completo en las casas matrices y se asigna a la

periferia las actividades de menor contenido tecnológico y valor agregado bajo

sistemas “llave en mano”; mientras que en la rama de plásticos los niveles de

innovación —limitados— están determinados por la predominancia de pymes

de capital nacional que producen para un mercado interno poco exigente. En

términos de esfuerzos de innovación, el nivel promedio resulta moderadamente

alto y su desigualdad moderadamente baja respecto a la media industrial.

Innovación tecnológica y desigualdad productiva y laboral

240

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Por su parte, el grupo químico-farmacéutico y de metalúrgica básica representa

el 18,6% del valor agregado de la industria y el 16% del empleo (liderados

ambos por la rama siderúrgica), y cuenta con relativamente pocas empresas (el

8,6%). Este grupo acusa los mejores registros de salarios, productividad y cali-

ficaciones relativos, y el grado de informalidad tiende a ser bajo24. Los salarios

resultan un 38% más altos, la productividad, un 62% superior y las califica-

ciones un 141% por encima de las medias industriales. Además, su grado de

dispersión intra grupo es baja en salario y calificaciones. Solo en productivi-

dad se observa una mayor variabilidad. Se trata de industrias maduras, capital

intensivas y con escalas de producción muy elevadas25. En todas ellas es ele-

vada la concentración y la extranjerización del capital, a excepción de cier-

tos segmentos de química de consumo como domisanitarios. Ello determina

que la I + D e innovación de producto no se realice en el país y predominen

las innovaciones de proceso e incrementales (principalmente en las ramas de

agroquímicos, química de consumo y farmacéutica). El grupo tiene el nivel

promedio de AI más alto —junto al grupo intensivo en ingeniería— y cuenta

con niveles muy bajos de heterogeneidad en esta dimensión de EI entre las

unidades productivas.

Las ramas de alimentos y bebidas son las más importantes en cuanto a par-

ticipación del VA industrial (31,8%), lo que repercute también en su mayor

participación en el empleo (23,6% de la industria), y cuentan con 21,4% de

las unidades productivas del sector. La mayor porción de los puestos de tra-

bajo se presenta en la industria frigorífica (casi el 8% del empleo indus-

trial). El grupo paga salarios en el promedio industrial y reporta en promedio

productividades similares a estos, aunque hacia adentro la variabilidad en

esta última dimensión es máxima. En cuanto a calificaciones relativas, los

trabajadores de la industria de alimentos y bebidas muestran los menores

niveles de calificación del sector.

La multiplicidad de ramas incluidas en el grupo de alimentos y bebidas con-

lleva una importante heterogeneidad en las condiciones productivas, tecno-

lógicas, de estructuras de mercado y de condiciones laborales, entre ramas

24 A excepción de algunos segmentos de química de consumo (los más intensivos en mano de obra, como

envasado).

25 A excepción de algunos segmentos de química de consumo (los más intensivos en mano de obra, como

envasado).

María Celeste Gómez y Carina Borrastero 241

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

y a nivel intra rama. Existen ramas en la frontera tecnológica internacional

(como en el caso de la industria aceitera); y otras con mejoras incrementales

que no requieren tecnologías muy complejas (triguera y apícola). Sin embargo,

la I + D está siempre vinculada a las firmas más grandes de cada rama, per-

mitiendo en estos segmentos avances en nuevos desarrollos de productos y

procesos (azucarera, aceitera, chocolatera/de confituras), experiencias de dife-

renciación de productos y marcas regionales (vitivinícola) y adaptación local

de desarrollos tecnológicos externos (lácteas, cerveceras), mientras las pymes

luchan por adaptarse a dichas capacidades tecnológicas y productivas (industria

azucarera, olivícola, chocolatera-de confituras, frutícola-conservera-juguera),

con características diferenciales orientadas a mercados locales o externos

(triguera-derivados de panificación, chocolatera-de confituras, vitivinícola).

La concentración de los mercados es alta en las ramas azucarera, aceitera y

cervecera; mientras que las ramas de mayor heterogeneidad productiva hacia

adentro muestran gran disparidad entre grandes empresas y pymes, asociadas

a distintos procesos de industrialización (triguera y derivados de panificación,

láctea). También coexisten industrias con fuertes economías de escala, inten-

sivas en capital y con alta concentración, firmas multiplantas que se traducen

en barreras a la entrada de otras firmas y concentran grandes empresas mul-

tinacionales (azucarera, aceitera, olivícola), con industrias sin escala mínima

eficiente y heterogeneidades en el tamaño de planta (triguera, apícola, cho-

colatera-de confituras). En cuanto a la variable central para el análisis de la

innovación, la heterogeneidad se expresa en muy bajos niveles promedio y en

la más alta heterogeneidad —después del grupo trabajo intensivo— entre las

AI acumuladas por sus empresas.

Las ramas definidas como intensivas en ingeniería (ING-int) tienen relativa-

mente baja participación en el VA industrial (8,4%), y una participación del

empleo del 14,7% de la industria, siendo un sector pequeño dominado por

pymes y grandes empresas de capital nacional (a excepción de línea marrón,

donde predominan las ensambladoras multinacionales bajo el régimen de pro-

moción de Tierra del Fuego). Los salarios en promedio se ubican apenas por

encima de la media industrial y las empresas reportan un nivel de productivi-

dad también ligeramente superior, siendo esta última profundamente homo-

génea para los parámetros del sector. En lo que se refiere a calificaciones, sus

niveles duplican los registrados para toda la industria, siendo particularmente

altos en equipamiento médico, maquinaria agrícola y línea blanca, y más bajos

en línea marrón. Sin embargo, la I + D en estas ramas no se realiza en el país.

Innovación tecnológica y desigualdad productiva y laboral

242

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

En términos generales, el nivel tecnológico de la producción se encuentra en

los estándares internacionales, aunque es alta la heterogeneidad tecnoló-

gica entre e intra ramas (a excepción de línea marrón donde la inserción en

la cadena global de valor de la producción electrónica es completamente res-

trictiva para la diferenciación productiva). Esta buena performance en térmi-

nos tecnológicos permite mostrar, a pesar de la concentración de la I + D en

casas matrices, niveles promedio de AI y homogeneidad en los AI por empresa

por encima del resto de los grupos.

V. Comentarios finales

En este artículo se examinó la relación entre los esfuerzos de innovación de

las empresas manufactureras argentinas y dimensiones productivas y labo-

rales de estas firmas, en el contexto de heterogeneidad estructural propia de

una economía periférica. En términos generales, se encontró que los inputs

de innovación están correlacionados significativamente con los niveles de

productividad, salarios promedio y calificaciones relativas, en un grado que

difiere no solo en términos de sus distribuciones entre empresas sino también

de los distintos sectores industriales, marcando la intensidad de la heteroge-

neidad estructural de la industria argentina como condicionante de las rela-

ciones estudiadas. El análisis empírico permitió reconocer también algunas

implicaciones tecnoeconómicas de estos hallazgos que conllevan diversas res-

tricciones potenciales al desarrollo de la industria manufacturera argentina.

En primer lugar, en términos de innovación se observa que los niveles promedio

de AI para los distintos grupos industriales identificados muestran una rela-

ción inversa con la variabilidad en el nivel de estos esfuerzos hacia dentro de

cada grupo: aquellos sectores que desarrollan —en promedio— mayor (menor)

número de actividades innovativas reflejan una menor (mayor) dispersión de

esfuerzos de innovación entre firmas. A partir de estos resultados es posible

confirmar que las empresas con mayor propensión a la innovación tienden a

converger en su nivel de innovación en virtud de la dinámica de competencia

schumpeteriana, mientras que entre las menos innovadoras la heterogenei-

dad tecnológica es mayor.

En segundo lugar, en las calificaciones laborales se identifican los víncu-

los más directos y claros de los esfuerzos de innovación con las dimensiones

María Celeste Gómez y Carina Borrastero 243

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

productivas y laborales estudiadas, tanto en el análisis de la industria en su

conjunto como desagregando por grupo industrial. Los resultados sugieren que

la innovación se asocia a una mayor desigualdad entre las firmas en lo

que hace a sus calificaciones, siendo mayor la correlación en las empresas que

ya cuentan con mayores ratios de calificaciones. La heterogeneidad produc-

tiva no aparece como condicionante en este resultado.

En tercer lugar, a partir de la regresión por cuantiles condicionados conside-

rando todo el complejo industrial, se encontró que la innovación se refleja en

mayores niveles de productividad en grados similares solo para el 50% de las

firmas menos productivas, y se reducen en aquellas con mayores niveles de

productividad. Esta asociación entre innovación y desigualdad de productivi-

dades para la cota superior de la distribución sugiere una correlación margi-

nal decreciente de la innovación en dichos tramos del producto medio que se

verifica también a partir de la descomposición por grupos según niveles de EI,

donde las firmas con EI medios o altos reportan menores grados de desigual-

dad de productividades entre ellas. Este resultado avala la hipótesis de la hete-

rogeneidad productiva entre empresas como condicionante de los impactos

productivos y laborales de la innovación. Respecto a ello puede decirse —con

Cimoli (2005) y Cepal (2007)— que la heterogeneidad no conlleva necesaria-

mente una tendencia a la depresión generalizada en términos del nivel tec-

nológico de la industria, sino que acusa la existencia de islas de productividad

determinadas parcialmente por la innovación que refuerzan negativamente la

ya amplia desigualdad tecnoproductiva que caracteriza las estructuras indus-

triales periféricas.

El análisis sectorial permitió identificar estas “islas” en sectores pequeños de

la industria en términos de su contribución al empleo y cantidad de firmas

como química-farmacéutica-metalurgia e intensiva en ingeniería, es decir,

aquellos grupos que generan un menor impacto socioeconómico inmediato. Al

mismo tiempo, sectores que contribuyen sustancialmente al empleo y la can-

tidad de firmas, como el intensivo en trabajo y el sector alimentos y bebidas,

son los que aportan mayor heterogeneidad a la estructura industrial argen-

tina en términos tecnoproductivos y laborales. De esta manera, una potencial

restricción relevante al desarrollo de la economía argentina se observa en la

disparidad tecnoproductiva y laboral entre grupos con alta y baja incidencia

en la estructura social.

Innovación tecnológica y desigualdad productiva y laboral

244

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

En cuarto lugar, al considerar los niveles salariales se observa lo siguiente: a) el

análisis de descomposición por grupos para diferentes niveles de EI muestra un

mayor grado de desigualdad entre productividades y ratio de calificaciones que

entre salarios por empresa; b) la relación entre las actividades de innovación y

los niveles salariales, si bien se muestra positiva, resulta más débil que la rela-

ción entre las AI y los niveles de productividad, lo cual puede advertirse como

una fuente potencial de restricciones al desarrollo vinculadas a la dinámica de

la “competitividad espuria”; c) en términos distributivos, la regresión por cuan-

tiles que toma la industria como un todo indica que —a diferencia de la pro-

ductividad— los salarios están asociados a los EI de manera uniforme entre las

empresas sin importar su lugar en la distribución entre firmas. En este contexto

es esperable que, si bien se confirma que la innovación se refleja en mayores

niveles salariales en la industria, la desigualdad salarial entre firmas no pueda

explicarse ni exclusiva ni predominantemente a través de los esfuerzos de inno-

vación de las empresas tal como ha sido medida en el presente trabajo, como

también puede estar relacionada a efectos de retroalimentación de aquellas

firmas que abonan mejores salarios sobre los esfuerzos de innovación, aspecto

que no puede abordarse dado el enfoque de este artículo.

Quinto, los resultados de la descomposición por nivel de EI para las tres dimen-

siones analizadas indican que persiste más de un 95% de la desigualdad hacia

dentro de los grupos con un mismo nivel de esfuerzos. Ello brinda un indicio de

que otras variables pueden estar incidiendo en la desigualdad, como el sector

de la industria o el tamaño de la empresa, que darían cuenta de determinantes

productivos y económicos de la heterogeneidad, sumados a los tecnológicos.

Al revisar el análisis por grupo industrial, la regresión cuantílica arroja una

diversidad de resultados para productividad y salarios que sugiere un papel

importante de la heterogeneidad en los vínculos de la innovación con estas

dimensiones de las empresas. A pesar de la disparidad de resultados a lo largo

de las distribuciones analizadas, como entre las propias dimensiones, se obser-

van ciertas regularidades a nivel de grupos: a) en asociación a los esfuerzos

innovativos, es más frecuente el número de empresas con mayores niveles de

productividad que el número de firmas con mayores niveles salariales; b) el

grupo que cuenta con las más altas tasas de innovación —sector químico-far-

macéutico-metalúrgico— muestra tanto una mejor performance productiva

como una retribución salarial ventajosa respecto al resto de los grupos; c) en

el grupo intensivo en ingeniería y en el manufacturero de alimentos y bebidas,

María Celeste Gómez y Carina Borrastero 245

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

la innovación se asocia significativamente a la productividad en una gran por-

ción de sus firmas aunque esta relación no se presenta respecto de los nive-

les salariales, marcando una fuerte dicotomía entre sendas dimensiones; d) el

análisis de regresión arroja resultados similares en el sector intensivo en tra-

bajo y en el complejo automotor-plásticos: correlación nula entre innovación

y los niveles productivos como salariales.

Llegados a este punto, aparece un indicio relevante de la relación intrínseca

entre el nivel de innovativo, las calificaciones relativas y los niveles de produc-

tividad en los sectores manufactureros: la innovación está relacionada directa

y significativamente con la desigualdad de calificaciones; sin embargo, no se

asocia a una mayor brecha de productividades entre las firmas innovadoras

pero menos productivas, resultado que se da en los tres grupos industriales

que reúnen dichas características: intensivo en trabajo, intensivo en recursos

naturales y complejo automotor/plásticos. En aquellas empresas de baja pro-

ductividad y baja calificación relativa, no importa cuál sea el nivel de esfuerzo

innovativo este no se refleja en mayores brechas de productividad entre las

firmas innovadoras como sí lo hacen las calificaciones. En términos generales,

ocurre lo contrario con la productividad en grupos de alta innovación y califi-

cación como química-farmacéutica-metalurgia e intensivo en ingeniería (no

así con las calificaciones que, como ya se dijo, muestran resultados regulares

en todos los grupos).

Para contextualizar este conjunto de resultados cabe señalar las limitaciones

de este artículo que consideramos más relevantes. Por un lado, con respec-

to a la base de datos, si bien la ENDEI cuenta con valiosa información referi-

da a la innovación y a las principales dimensiones laborales y productivas, el

hecho de que la empresa se constituya en la unidad muestral impide el aná-

lisis de la distribución salarial a nivel intra firma. Por otro lado, la estructu-

ra de los datos no habilita el estudio de los impactos de la innovación a largo

plazo, lo que permitiría emplear otras metodologías propias del análisis dis-

tributivo como la regresión por cuantiles no condicionados e incluso poner a

prueba la hipótesis de cambio estructural de las economías periféricas. Por úl-

timo, la endogeneidad potencial en el vínculo entre las variables de respuesta

y la variable explicativa central habilita un análisis en cuanto a la existencia

de relaciones entre dichas variables e impide a la vez establecer órdenes de

causalidad entre ellas, aun a pesar de la contundencia de algunos de los re-

sultados a los que arriba este estudio.

Innovación tecnológica y desigualdad productiva y laboral

246

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

A raíz de los resultados obtenidos y las limitaciones de A raíz de los resultados

obtenidos y las limitaciones, es posible plantear algunas recomendaciones ge-

nerales de política pública para un sistema productivo periférico como el de Ar-

gentina. Un primer grupo de recomendaciones surge en virtud de los hallazgos

relacionados a la innovación tecnológica. Con respecto a la dinámica innovati-

va de las firmas, se identifica la necesidad de una intervención estatal orienta-

da a la promoción de la “competencia schumpeteriana”, es decir, a la renovación

permanente del ciclo innovativo en las empresas que permite el crecimiento di-

ferencial de algunas de ellas por períodos y la posterior convergencia generaliza-

da en los niveles innovativos de los sectores, recurrentemente. El financiamiento

público de la innovación en las pymes puede ser una medida potente en esta

dirección. En segundo lugar, respecto a la relación entre innovación y califica-

ciones, se pone de manifiesto la importancia de generar políticas de inclusión

educativa tendientes a incrementar el nivel general de calificación de la pobla-

ción, así como balancearlo a favor de los grupos sociales menos calificados en

función de su inserción efectiva en la sociedad del conocimiento. A su vez, sería

óptimo orientar dichas políticas específicamente a la adquisición de competen-

cias laborales, más allá de incrementar en general los años de educación formal.

Ambas metas pueden lograrse mediante la promoción de la educación técnica

desde la escuela secundaria y políticas de incentivo a la capacitación para inno-

var en el puesto de trabajo.

Un segundo grupo de recomendaciones de política se vincula a dimensiones

no directamente relacionadas con la dinámica innovativa de las firmas, pero

que surgen de las relaciones observadas en el estudio. Por un lado, dada la

dinámica heterogénea de la productividad que se identificó, es recomenda-

ble implementar políticas tendientes a la convergencia gradual de los nive-

les de productividad entre firmas y sectores o bien, más especialmente, al

impulso a la productividad en los sectores menos productivos de la industria

manufacturera argentina que son de alta relevancia socioeconómica. Dichos

incentivos no necesariamente deberán estar relacionados aquí con la innova-

ción, sino también con otros factores determinantes de la baja productividad,

tales como la baja calificación de los trabajadores o los bajos niveles salariales

que han sido identificados en el trabajo, junto a otros. Por otro lado, respecto

María Celeste Gómez y Carina Borrastero 247

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

al comportamiento general de los salarios a nivel de las firmas, es preciso

destacar que en su relación con la innovación puede incidir una diversidad de

factores no considerados en este estudio, lo que dificulta la identificación

de líneas de política.

Las conclusiones del artículo promueven nuevas líneas de trabajo sobre fenó-

menos vinculados a la innovación y la desigualdad en un contexto de econo-

mía heterogénea, que en un futuro pueden desarrollarse junto al abordaje de

las limitaciones señaladas. Por una parte, es posible identificar nuevos pro-

blemas de investigación que surgen del análisis ya realizado: 1) el significado

y los determinantes de la diferencia identificada en las relaciones entre inno-

vación y productividad o salarios, a favor de la primera; 2) la heterogeneidad

tecnoproductiva de la industria argentina como condicionante de los resultados

ambiguos que fueron obtenidos sobre productividad y salarios en los distintos

grupos industriales. Por otra parte, pueden reconocerse algunos problemas no

explorados aquí que podrían abordarse bajo una perspectiva similar y explo-

tando los mismos datos: a) sobre la innovación, la relación entre las capaci-

dades que poseen y los resultados de mercado que obtienen las empresas en

esta dimensión; b) en términos de dimensiones laborales, la incidencia de la

estructura y cambio ocupacional en la dinámica de las calificaciones; y c) la

cuestión de los canales de transmisión de la desigualdad entre firmas o indus-

tria hacia/con la desigualdad de ingresos entre individuos.

Agradecimientos

Agradecemos las contribuciones de Jorge Motta, Jorge Paz y Pedro Moncarz por

la guía y las recomendaciones realizadas. También expresamos nuestro agra-

decimiento a los revisores anónimos que evaluaron, por sus valiosos aportes

y sugerencias. Para la elaboración de este artículo, las autoras no contaron

con financiamiento.

Innovación tecnológica y desigualdad productiva y laboral

248

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Referencias

1. Acemoglu, D. (2002). Technical change, inequality, and the labor mar-

ket. Journal of Economic Literature, 40(1), 7-72.

2. Acemoglu, D., & Autor, D. (2011). Skills, tasks and technologies: Impli-

cations for employment and earnings. Handbook of Labor Economics,

4, 1043-1171.

3. Acosta, P., & Gasparini, L. (2007). Capital accumulation, trade libera-

lization, and rising wage inequality: The case of Argentina. Economic

Development and Cultural Change, 55(4), 793-812.

4. Antonelli, C. (ed.). (2011). Handbook on the economic complexity of tech-

nological change. Chentelham, Reino Unido: Edward Elgar Publishing.

5. Araújo, J. T., Vostroknutova, E., Wacker, K. M., & Clavijo, M. (eds.). (2016).

Understanding the income and efficiency gap in Latin America and the

Caribbean. Washington DC: World Bank Publications.

6. Barrera-Insúa, F., & Fernández-Massi, M. (2017). La dinámica productiva

como límite superior de los salarios. El caso de la industria argentina

(2003-2012). Revista Perfiles Latinoamericanos, 25(50), 301-329.

7. Borrastero, C. (2012). Notas sobre la cuestión del excedente en las

teorías evolucionistas neoschumpeterianas. Papeles de trabajo. Revista

electrónica del Instituto de Altos Estudios Sociales de la Universidad

Nacional de General San Martín, 100-126.

8. Brambilla, I., & Peñaloza-Pacheco, L. (2017). Exportaciones, salarios e

innovación tecnológica. Evidencia para la Argentina. En La Encuesta

Nacional de Dinámica de Empleo (ENDEI) como herramienta de análisis

(pp. 201-218). Comisión Económica para América Latina y el Caribe,

Ministerio de Ciencia, Tecnología e Innovación Productiva y Ministerio

de Trabajo, Empleo y Seguridad de Argentina.

9. Bustos, P. (2011). Trade liberalization, exports, and technology upgrading:

Evidence on the impact of Mercosur on Argentinian firms. The American

Economic Review, 101(1), 304-340.

María Celeste Gómez y Carina Borrastero 249

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

10. Card, D., & Di Nardo, J. E. (2002). Skill-biased technological change and

rising wage inequality: Some problems and puzzles. Journal of Labor

Economics, 20(4), 733-783.

11. Castells, M. (1998). Productividad, competitividad y desigualdad en la

sociedad de la información. Serie Documentos/13. Centro de Documen-

tación en Políticas Sociales de la UNSAM. Buenos Aires.

12. Cepal. (2007). Progreso técnico y cambio estructural en América Latina.

Santiago de Chile: Naciones Unidas.

13. Cepal, MINCyT, & MTEySS. (2017). La Encuesta Nacional de Dinámica

de Empleo (ENDEI) como herramienta de análisis. La innovación y el

empleo en la industria manufacturera argentina.

14. Cimoli, M. (ed.). (2005). Heterogeneidad estructural, asimetrías tecno-

lógicas y crecimiento en América Latina. Santiago de Chile: Cepal,

Naciones Unidas.

15. Crespi, G., & Zúñiga, P. (2012). Innovation and productivity: Evidence

from six Latin American countries. World Development, 40(2), 273-290.

16. Dosi, G., Freeman, C., Nelson, R., Silverberg, G., & Soete, L. (1988). Tech-

nical change and economic theory. Londres: Pinter Publishers.

17. Fajnzylber, F. (1983). La industrialización trunca de América Latina.

México: Nueva Imagen.

18. Freeman, C. (2003). A schumpeterian renaissance? (SPRU Electronic

Working Paper Series 102).

19. Furtado, C. (1964). Desarrollo y subdesarrollo. Buenos Aires: Eudeba.

20. Gasparini, L., Cicowiez, M., & Sosa-Escudero, W. (2013). Pobreza y

desigualdad en América Latina. Conceptos, herramientas y aplicaciones.

Buenos Aires: Temas.

Innovación tecnológica y desigualdad productiva y laboral

250

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

21. Grazzi, M., & Pietrobelli, C. (ed.) (2016). Firm innovation and productivity

in Latin America and the Caribbean: The engine of economic develop-

ment. New York: Inter-American Development Bank – Palgrave McMillan.

22. Jaramillo, H., Lugones, G., & Salazar, M. (2013). Manual de Bogotá.

Bogotá: Red Iberoamericana de Indicadores de Ciencia y Tecnología

(RICYT) / Organización de Estados Americanos (OEA) / Programa CYTED

/ Colciencias/OCYT.

23. Katz, J., & Stumpo, G. (2001). Regímenes sectoriales, productividad y

competitividad internacional. Revista de la Cepal, 75, 137-159.

24. Koenker, R., & Bassett Jr., G. (1978). Regression quantiles. Econometrica:

Journal of the Econometric Society, 33-50.

25. Kuznets, S. (1955). Economic growth and income inequality. The Ameri-

can Economic Review, 45(1), 1-28.

26. Lugones, G., Suárez, D., & Le Clech, N. (2007). Conducta innovativa

y desempeño empresarial (Documento de Trabajo 33), Grupo Redes,

Buenos Aires.

27. Lundvall, B. A. (ed.). (1992). National systems of innovation. Towards a

theory of innovation and interactive learning. Londres: Pinter.

28. Machin, S. (2004). Skill-biased technical change and educational outco-

mes. International Handbook on the Economics of Education (189-211).

29. Mancero, X. (2000). Revisión de algunos indicadores para medir la

desigualdad. En Sexto Taller Regional sobre Indicadores sobre el Desa-

rrollo Social-LC/R. 2046-2000, Santiago de Chile: BID-BIRF-CEPAL (pp.

375-386).

30. MinCyT-MTEySS. (2015). Encuesta Nacional de Dinámica de Empleo e

Innovación. Principales resultados 2010-2012.

María Celeste Gómez y Carina Borrastero 251

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

31. Navarrete, J. L. (2011). Crecimiento económico y distribución del ingreso

en Argentina 1980-2006: el rol del progreso técnico y la complemen-

tariedad del capital. Trabajo de tesis doctoral, Facultad de Ciencias

Económicas, Universidad Nacional de Córdoba.

32. Nelson, R., & Winter, S. (1982). An evolutionary theory of economic

change. Cambridge: Harvard University Press.

33. Piketty, T. (2014). Capital in the 21st century. Cambridge: Belknap Press.

34. Piva, M., Santarelli, E., & Vivarelli, M. (2003). The skill bias effect of tech-

nological and organisational change: Evidence and policy implications

(IZA Discussion Paper Series 934).

35. Porta, F., Santarcángelo, J., & Schteingart, D. (2014). Generación y

distribución del excedente en la industria argentina (1996-2012). IX

Jornadas de Estudios Sociales de la Economía, UNSAM.

36. Prebisch, R. (1949). El desarrollo económico de la América Latina y

algunos de sus principales problemas. El Trimestre Económico, XVI(63),

347-431.

37. Vivarelli, M. (2012). Innovation, employment and skills in advanced and

developing countries: A survey of the literature, Discussion Paper series,

Forschungsinstitut zur.

38. Zukunft der Arbeit, No. 6291, http://nbn-resolving.de/urn:nbn: de:101:1-

201203145587.

39. Yoguel, G., Barletta, F., & Pereira, M. (2013). De Schumpeter a los post

schumpeterianos: viejas y nuevas dimensiones analíticas. Revista Proble-

mas del Desarrollo, 174 (44), 35-59.

Innovación tecnológica y desigualdad productiva y laboral

252

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

Anexos

I. Índices de desigualdad empleados en descomposición por grupos

Índice de Atkinson: medida de bienestar. Compara ingreso igualmente dis-

tribuido (sobre la misma “curva” de bienestar) con el ingreso observado del

individuo:

ysi

−ε −ε

−ε

≠1=





















∑

11/

(A1)

ysi

−ε

=1=∏=











(A2)

Siendo

el ingreso medio y  el parámetro de aversión a la desigualdad (con

 = 0 indicando indiferencia ante la desigualdad y

ε→∞

la mayor prioridad

a la desigualdad de las personas con menores ingresos.

Índice general de entropía. Mide la diferencia entre el ingreso observado del

individuo y el ingreso medio de su grupo:

αα−1 −1=

()























∑

1 (A3)

Siendo

el ingreso medio y  el peso relativo a la distancia entre los ingre-

sos de diferentes partes de la distribución. Si

ε→0

el indicador resulta más

sensible a cambios en los ingresos más bajos de la distribución, mientras que

ε→∞

(a mayores valores) el índice es más sensible a cambios en la parte

superior de la distribución del ingreso.

II. Regresión por cuantiles condicionados

Transformación de Koenker y Bassett (1978).

Se ordena por cuantiles (percentiles, deciles, quintiles, cuartiles, etc.) la distri-

bución condicional de una variable. Para esta metodología es crítico expresar

los cuantiles como un problema de minimización:

María Celeste Gómez y Carina Borrastero 253

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

min

∈

ρ−

′

()

∑

(A4)

La regresión por cuantiles intenta modelar el efecto de x sobre toda la dis-

tribución de y, en la que el cuantil condicional se pueda expresar como una

función lineal de la variable x:

τβτβ

τβ

()

+…+

()

011 (A5)

La regresión por cuantiles es indicada en casos típicos de heterocedasticidad,

cambio estructural o de fuerte presencia de valores atípicos.

III. Especificaciones de regresión por cuantiles

A continuación se especificarán las fórmulas empleadas para el análisis de

regresión por cuantiles no condicionados y los estadísticos descriptivos de las

variables incluidas en ellos. Para el logaritmo de la productividad:

In vatr aiacum procal protec propopecal

iii

12 01 234

()

=+ +++ββ βββ

++++ +ββββ β

5678 9

rnint lintautpl qfmetal

ii ii

yyb

ingint empjov empmed e

++ ++ββ ββ

10 11 12 13 mmpgde

empautrep kext

iii

+++ββµ

14 15

(A6)

Siendo

vatr

12 el valor agregado promedio por trabajador (productividad media).

Para la ecuación de salario por empresa w12

()

la especificación es idéntica. Pa-

ra el ratio de calificaciones (profesional y técnico respecto a operarios):

ratiocal aiacum rhgerempmedrhger empgde

iiii

=+ +∗ +∗

γγ

+∗ +∗γγ

rhgerempautrep rhmedempmed

iiii

+∗+∗γγ

rhmedempgde rhmedempautrep

+++++ +

γγγγ γ

8789 10

rnint lintautpl qfmetalyb

γγγ γγ

11 12 13 14

ingint empjov empmed empgde

++ +

++++γβν

15 15

empautrep kext

iii

(A7)

Las variables explicativas representan:

aiacum

(AI acumuladas por empresa);

propcal

proptec

propopecal

(proporción de empleos profesionales, técnicos

y de operarios calificados);

rnint

lint

autpl

qfmet

alyb

ingint

(variables fic-

ticias de grupos industriales RN-intensivo, L-intensivo, automotor-plásticos,

Innovación tecnológica y desigualdad productiva y laboral

254

DESARRO. SOC. NO. 81, BOGOTÁ, SEGUNDO SEMESTRE 2018, PP. 211-254, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.81.6

químico-farmacéutico-metalúrgico básico, alimentos y bebidas, ING-intensivo);

empjov

(empresa joven);

empmed

empgde

empautrep

(empresa mediana,

grande y auto-representada);

kext

(empresa con participación de capital

extranjero). En la ecuación de ratios se incorpora

rhger

rhmed

(empresas

con área de recursos humanos en posición de gerencia o en sector medio), que

se interaccionan con el tamaño de la empresa.

Asimismo, los grupos omitidos en la regresión sobre variables ficticias son:

grupo industrial (otras industrias); antigüedad de la empresa (10 años o

menos); tamaño de empresa (pequeña), participación del capital internacio-

nal (solo capital nacional) posición en área de recursos humanos (sin área de

recursos humanos).

Cuadro A1. Estadísticos descriptivos de las variables empleadas en regresión

Media SD Modo Frec. relat.

Log del salario 2012 8,599 0,594

Log de la Pmel 2012 11,927 0,881

Ratio L calif./L no calif. 0,232 0,539

AI acumuladas 1,999 2,091

Prop. profesionales 6,594 10,431

Prop. técnicos 7,51 12,294

Prop. oper. calif. 37,047 32,38

Grupo industrial L-intensivo 0,406

Antigüedad + de 10 años 0,694

Tamaño de empresa Pequeña 0,576

Partic. del capital internac. Capital Nacional 0,932

Posición del área de RRHH Sin área de RRHH 0,708

Fuente: elaboración propia a partir de ENDEI-MINCyT y MTEySS.

Los suscriptores pueden acceder a la versión informada de este caso.

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Accede a más de 120 millones de documentos de más de 100 países, incluida la mayor colección de legislación, jurisprudencia, formularios y libros y revistas legales.
Miles de fuentes de datos

Actualizado cada día, vLex reúne contenido de más de 750 proveedores dando acceso a más de 2500 fuentes legales y de noticias de los proveedores líderes del sector.
Encuentra rápidamente lo que necesitas

Gracias a una avanzada Inteligencia Artificial desarrollada por vLex, enriquecemos editorialmente la información legal para hacerla accesible, incluyendo traducción instantánea a 14 idiomas para garantizar el acceso a la información y la capacidad de efectuar búsquedas comparativas.
Más de 2 millones de usuarios registrados

Fundado hace más de 20 años, vLex proporciona contenido de alta calidad y un servicio muy intuitivo para abogados, despachos, instituciones gubernamentales y universidades de derecho alrededor del mundo

Los suscriptores pueden ver una lista de toda la legislación y jurisprudencia citada de un documento.

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Accede a más de 120 millones de documentos de más de 100 países, incluida la mayor colección de legislación, jurisprudencia, formularios y libros y revistas legales.
Miles de fuentes de datos

Actualizado cada día, vLex reúne contenido de más de 750 proveedores dando acceso a más de 2500 fuentes legales y de noticias de los proveedores líderes del sector.
Encuentra rápidamente lo que necesitas

Gracias a una avanzada Inteligencia Artificial desarrollada por vLex, enriquecemos editorialmente la información legal para hacerla accesible, incluyendo traducción instantánea a 14 idiomas para garantizar el acceso a la información y la capacidad de efectuar búsquedas comparativas.
Más de 2 millones de usuarios registrados

Fundado hace más de 20 años, vLex proporciona contenido de alta calidad y un servicio muy intuitivo para abogados, despachos, instituciones gubernamentales y universidades de derecho alrededor del mundo

Los suscriptores pueden ver una lista de todos los documentos que citan el caso

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Accede a más de 120 millones de documentos de más de 100 países, incluida la mayor colección de legislación, jurisprudencia, formularios y libros y revistas legales.
Miles de fuentes de datos

Actualizado cada día, vLex reúne contenido de más de 750 proveedores dando acceso a más de 2500 fuentes legales y de noticias de los proveedores líderes del sector.
Encuentra rápidamente lo que necesitas

Gracias a una avanzada Inteligencia Artificial desarrollada por vLex, enriquecemos editorialmente la información legal para hacerla accesible, incluyendo traducción instantánea a 14 idiomas para garantizar el acceso a la información y la capacidad de efectuar búsquedas comparativas.
Más de 2 millones de usuarios registrados

Fundado hace más de 20 años, vLex proporciona contenido de alta calidad y un servicio muy intuitivo para abogados, despachos, instituciones gubernamentales y universidades de derecho alrededor del mundo

Los suscriptores pueden ver una lista de todas los versiones de la ley con las distintas afectaciones

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Accede a más de 120 millones de documentos de más de 100 países, incluida la mayor colección de legislación, jurisprudencia, formularios y libros y revistas legales.
Miles de fuentes de datos

Actualizado cada día, vLex reúne contenido de más de 750 proveedores dando acceso a más de 2500 fuentes legales y de noticias de los proveedores líderes del sector.
Encuentra rápidamente lo que necesitas

Gracias a una avanzada Inteligencia Artificial desarrollada por vLex, enriquecemos editorialmente la información legal para hacerla accesible, incluyendo traducción instantánea a 14 idiomas para garantizar el acceso a la información y la capacidad de efectuar búsquedas comparativas.
Más de 2 millones de usuarios registrados

Fundado hace más de 20 años, vLex proporciona contenido de alta calidad y un servicio muy intuitivo para abogados, despachos, instituciones gubernamentales y universidades de derecho alrededor del mundo

Los suscriptores pueden ver todas las afectaciones de un caso

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Accede a más de 120 millones de documentos de más de 100 países, incluida la mayor colección de legislación, jurisprudencia, formularios y libros y revistas legales.
Miles de fuentes de datos

Actualizado cada día, vLex reúne contenido de más de 750 proveedores dando acceso a más de 2500 fuentes legales y de noticias de los proveedores líderes del sector.
Encuentra rápidamente lo que necesitas

Gracias a una avanzada Inteligencia Artificial desarrollada por vLex, enriquecemos editorialmente la información legal para hacerla accesible, incluyendo traducción instantánea a 14 idiomas para garantizar el acceso a la información y la capacidad de efectuar búsquedas comparativas.
Más de 2 millones de usuarios registrados

Fundado hace más de 20 años, vLex proporciona contenido de alta calidad y un servicio muy intuitivo para abogados, despachos, instituciones gubernamentales y universidades de derecho alrededor del mundo

Los suscriptores pueden acceder a una representación visual de un caso y sus relaciones con otros casos. Como alternativa a las listas de casos, el Mapa de Precedentes facilita la tarea de encontrar que caso tienes más relevancia en tu búsqueda. Al mismo tiempo también tendrás una referéncia del grado de aceptación del caso.

Request your trial

¿Por qué debería darme de alta en vLex?

Más de 100 países

Accede a más de 120 millones de documentos de más de 100 países, incluida la mayor colección de legislación, jurisprudencia, formularios y libros y revistas legales.
Miles de fuentes de datos

Actualizado cada día, vLex reúne contenido de más de 750 proveedores dando acceso a más de 2500 fuentes legales y de noticias de los proveedores líderes del sector.
Encuentra rápidamente lo que necesitas

Gracias a una avanzada Inteligencia Artificial desarrollada por vLex, enriquecemos editorialmente la información legal para hacerla accesible, incluyendo traducción instantánea a 14 idiomas para garantizar el acceso a la información y la capacidad de efectuar búsquedas comparativas.
Más de 2 millones de usuarios registrados

Fundado hace más de 20 años, vLex proporciona contenido de alta calidad y un servicio muy intuitivo para abogados, despachos, instituciones gubernamentales y universidades de derecho alrededor del mundo

Los suscriptores pueden ver una lista de resultados conectados a su documentos vía tópicos y citas encontradas por Vincent.

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Accede a más de 120 millones de documentos de más de 100 países, incluida la mayor colección de legislación, jurisprudencia, formularios y libros y revistas legales.
Miles de fuentes de datos

Actualizado cada día, vLex reúne contenido de más de 750 proveedores dando acceso a más de 2500 fuentes legales y de noticias de los proveedores líderes del sector.
Encuentra rápidamente lo que necesitas

Gracias a una avanzada Inteligencia Artificial desarrollada por vLex, enriquecemos editorialmente la información legal para hacerla accesible, incluyendo traducción instantánea a 14 idiomas para garantizar el acceso a la información y la capacidad de efectuar búsquedas comparativas.
Más de 2 millones de usuarios registrados

Fundado hace más de 20 años, vLex proporciona contenido de alta calidad y un servicio muy intuitivo para abogados, despachos, instituciones gubernamentales y universidades de derecho alrededor del mundo

Innovación tecnológica y desigualdad productiva y laboral en las empresas manufactureras argentinas

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Miles de fuentes de datos

Encuentra rápidamente lo que necesitas

Más de 2 millones de usuarios registrados

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Miles de fuentes de datos

Encuentra rápidamente lo que necesitas

Más de 2 millones de usuarios registrados

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Miles de fuentes de datos

Encuentra rápidamente lo que necesitas

Más de 2 millones de usuarios registrados

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Miles de fuentes de datos

Encuentra rápidamente lo que necesitas

Más de 2 millones de usuarios registrados

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Miles de fuentes de datos

Encuentra rápidamente lo que necesitas

Más de 2 millones de usuarios registrados

¿Por qué debería darme de alta en vLex?

Más de 100 países

Miles de fuentes de datos

Encuentra rápidamente lo que necesitas

Más de 2 millones de usuarios registrados

Regístrate para una prueba y aprovechar al máximo nuestro servicio, incluidos estos beneficios.

¿Por qué debería darme de alta en vLex?

Más de 100 países

Miles de fuentes de datos

Encuentra rápidamente lo que necesitas

Más de 2 millones de usuarios registrados