Informe del Consejo Empresarial para la Competitividad España 2018.
EN LA COMPETITIVIDAD EN ESPAÑA: EL CASO ESPECÍFICO DE …
Transcript of EN LA COMPETITIVIDAD EN ESPAÑA: EL CASO ESPECÍFICO DE …
UNIVERSIDAD PONTIFICIA COMILLAS DE MADRID
FACULTAD DE CIENCIAS ECONOMICAS Y EMPRESARIALES (ICADE)
Departamento de Gestión Empresarial
LA IMPORTANCIA DE LOS CLUSTERS
EN LA COMPETITIVIDAD EN ESPAÑA:
EL CASO ESPECÍFICO DE LA REGIÓN
CATALANA
Tesis para la obtención del grado de Doctor Autora: Lda. María Luisa Blázquez de la Hera Directores: Prof. Dra. Dña. Yolanda Fernández Jurado Prof. Dr. D. Antonio Rúa Vieites
Madrid 2010
SINOPSIS
CAPÍTULO 1INTRODUCCIÓN
CAPÍTULO 4ESTUDIO EMPÍRICO UTILIZANDO LA METODOLOGÍA DEL FORO ECONÓMICO MUNDIAL
CAPÍTULO 5ESTUDIO EMPÍRICO UTILIZANDO UN ANÁLISIS ESTADÍSTICO ALTERNATIVO
PARTE IV
CAPÍTULO 6CONCLUSIONES
PARTE IINTRODUCCIÓN
PARTE IIMARCO CONCEPTUAL
PARTE IIIESTUDIO EMPÍRICO
CAPÍTULO 2LA IMPORTANCIA DE LA COMPETITIVIDAD Y MODELOS DE MEDICIÓN
CAPÍTULO 3LOS CLUSTERS COMO INSTRUMENTO DE FOMENTO DE LA COMPETITIVIDAD
I
ÍNDICE GENERAL
PARTE I. INTRODUCCIÓN
CAPÍTULO 1. INTRODUCCIÓN
1. INTRODUCCIÓN .........................................................................................5
2. ESTADO DE LA CUESTIÓN .......................................................................6
2.1. La competitividad ...........................................................................6
2.2. Los clusters ....................................................................................9
2.3. El problema: la influencia de los clusters en la competitividad ....13
3. JUSTIFICACIÓN DE LA INVESTIGACIÓN ...............................................14
4. OBJETIVO DE LA INVESTIGACIÓN ........................................................17
5. ESTRUCTURA DEL TRABAJO Y METODOLOGÍA UTILIZADA..............21
PARTE II. MARCO CONCEPTUAL
CAPÍTULO 2. LA IMPORTANCIA DE LA COMPETITIVIDAD Y MODELOS DE
MEDICIÓN
1. INTRODUCCIÓN........................................................................................31
2. CONCEPTO DE COMPETITIVIDAD..........................................................34
2.1. Principales definiciones tradicionales............................................34
2.1.1. Definiciones que destacan factores
macroeconómicos...........................................................37
2.1.2. Definiciones que destacan factores
macroeconómicos y microeconómicos...........................39
II
2.2. Concepto de competitividad en la actualidad...............................50
3. MODELOS EMPÍRICOS DE MEDICIÓN DE LA COMPETITIVIDAD.........51
3.1. Medición del Foro Económico Mundial.........................................52
3.1.1. El Índice de Competitividad Global....................................53
3.1.2. El Índice de Competitividad de los Negocios.....................65
3.2. Medición del International Institute
for Management Development......................................................76
3.3. Utilidad de ambas mediciones.......................................................83
4. CONCLUSIONES.......................................................................................85
CAPÍTULO 3. LOS CLUSTERS COMO INSTRUMENTO DE FOMENTO DE LA
COMPETITIVIDAD
1. INTRODUCCIÓN........................................................................................93
2. CONCEPTO DE CLUSTER...................................................................... .95
2.1. Orígenes del concepto: los distritos industriales...........................95
2.2. Delimitación y clasificación del cluster..........................................99
2.2.1. Principales definiciones......................................................99
2.2.2. Delimitación de clusters...................................................101
2.2.3. Intentos de clasificación de los clusters...........................109
2.2.4. Conclusiones....................................................................115
3. IDENTIFICACIÓN DE LOS CLUSTERS Y SU ANÁLISIS........................116
3.1. El Cluster Mapping Project del Institute for
Strategy and Competitiveness...................................................124
3.2. El Mapa de Clusters del Departamento de Comercio
e Industria del Reino Unido.......................................................127
III
3.3. Los sistemas productivos locales del Departamento de
Trabajo e Industria de Cataluña............................................................. 131
3.4. Los sistemas productivos locales de la Comunidad
Autónoma del País Vasco...................................................................... 136
3.5. El proyecto de Van der Linde.................................................................. 138
3.6. El análisis del distrito de la cerámica en Castellón ................................. 140
3.7. El análisis del cluster de la electrónica de consumo
en Cataluña........................................................................................... 143
3.8. Conclusiones. ........................................................................................ 148
4. VENTAJAS DE LOS CLUSTERS ......................................................................... 149
4.1. Ventajas de aglomeración....................................................................... 150
4.2. Ventajas de difusión del conocimiento.................................................... 152
5. LOS CLUSTERS COMO INSTRUMENTO PARA MEJORAR
LA COMPETITIVIDAD ...................................................................................... 156
5.1. Análisis econométricos con evidencia directa........................................ 158
5.2. Trabajos con evidencia indirecta............................................................. 160
5.3. Trabajos sobre la relación explícita entre clusters y
competitividad.......................................................................................... 161
5.4. Conclusiones .......................................................................................... 164
6. CONCLUSIONES................................................................................................. 165
IV
PARTE III. ESTUDIO EMPÍRICO
CAPÍTULO 4. INVESTIGACIÓN EMPÍRICA UTILIZANDO LA METODOLOGÍA
DEL FORO ECONÓMICO MUNDIAL
1. INTRODUCCIÓN .....................................................................................173
2. LA ELECCIÓN DE CATALUÑA...................................................................175
3. OBJETIVOS……………………………………………………………………... 179
4. HIPÓTESIS................................................................................................ 180
5. METODOLOGÍA............................................................ ..............................181
5.1. Recogida de datos............................................................................181
5.2. Procedimiento realizado ………………………………………………..183
6. RESULTADOS.................................................................... ........................184
7. CONCLUSIONES.............................................................. ..........................185
CAPÍTULO 5. INVESTIGACIÓN EMPÍRICA UTILIZANDO MÉTODOS
ESTADÍSTICOS ALTERNATIVOS
1. INTRODUCCIÓN....................................................................................... 205
2. OBJETIVOS .............................................................................................. 207
3. HIPÓTESIS ............................................................................................... 208
4. METODOLOGÍA........................................................................................ 209
4.1.Análisis factorial............................................................................... 210
4.2. Análisis de conglomerados o cluster .............................................. 214
4.3.Regresión lineal ............................................................................... 216
V
5. ANALISIS DE LA RELACIÓN DE LA VARIABLE ESTADO DE
DESARROLLO DE LOS CLUSTERS CON OTRAS
VARIABLES QUE INFLUYEN EN LA COMPETITIVIDAD .............................. 217
5.1.Definición de las variables .................................................................... 219
5.2.Análisis descriptivo de las variables...................................................... 227
5.2.1. Estadísticos básicos................................................................. 227
5.2.2. Diagramas de cajas ................................................................. 229
5.2.3. Pruebas de normalidad: Kolmogorov-Smirnof
e histogramas........................................................................ 231
5.3. Obtención de variables categorizadas mediante un análisis
Cluster ..................................................................................................... 240
5.3.1. Nuevas variables categorizadas ............................................... 242
5.3.2. Distribución de frecuencias de variables
Categorizadas .......................................................................... 242
5.3.3. Anova y pruebas post-hoc ........................................................ 254
5.4. Análisis de asociaciones entre variables dos a dos mediante
tablas de contingencia..................................................................... 259
5.4.1. Tablas recuento ........................................................................ 260
5.4.2. Gráficos de barras .................................................................... 266
5.4.3. Pruebas de Chi cuadrado de Pearson,
V de Cramer y Gamma. .......................................................... 273
5.5. Estudio de las relaciones entre todas las variables
conjuntamente mediante análisis de correspondencias múltiples.... 276
6. OBTENCIÓN DE INDICADORES DE COMPETITIVIDAD
MEDIANTE ANÁLISIS FACTORIAL................................................................ 281
VI
6.1. Obtención de factores de competitividad con una
muestra de 34 variables ........................................................................... 283
6.1.1.Definición de variables............................................................... 284
6.1.2.Categorización de factores ........................................................ 297
6.1.3. Análisis de la relación entre el estado de
desarrollo de los clusters y los factores de
competitividad mediante análisis de
correspondencias múltiples...................................................... 309
6.2. Obtención de factores de competitividad con toda
la base de datos ....................................................................................... 313
6.2.1. Definición de variables.............................................................. 313
6.2.2. Categorización de factores ....................................................... 339
6.2.3. Análisis de la relación entre el estado de
desarrollo de los clusters y los factores de
competitividad mediante análisis de
correspondencias múltiples...................................................... 348
7. ANÁLISIS DE LA RELACIÓN CAUSAL ENTRE EL
ESTADO DE DESARROLLO DE LOS CLUSTERS Y LA
COMPETITIVIDAD MEDIANTE REGRESIÓN LINEAL.................................... 352
7.1. Regresión lineal con los indicadores de competitividad
resultantes del análisis factorial realizado con 34 variables ..................... 353
7.1.1. Variable dependiente: estado de desarrollo de los
Clusters ................................................................................... 353
7.1.2. Variable independiente: estado de desarrollo
de los clusters ......................................................................... 355
VII
7.2. Regresión lineal con los indicadores de competitividad
resultantes del análisis factorial de toda la base de datos.............360
7.2.1. Variable dependiente: estado de desarrollo de los
clusters...........................................................................360
7.2.2. Variable independiente: estado de desarrollo
de los clusters..................................................................362
PARTE IV. CONCLUSIONES
CAPÍTULO 6. CONCLUSIONES
1. INTRODUCCIÓN.........................................................................................375
2. CONCLUSIONES PARCIALES...................................................................377
2.1. Del marco conceptual...........................................................................377
2.1.1. Conclusiones parciales respecto al concepto de
competitividad...........................................................................377
2.1.2. Conclusiones parciales respecto al concepto de cluster............379
2.2. Del estudio empírico.............................................................................380
2.2.1. Primera fase................................................................................380
2.2.2. Segunda fase..............................................................................382
3. CONCLUSIONES DE LA INVESTIGACIÓN................................................385
REFERENCIAS……………..…………………………………………………………..389
ANEXOS................................................................................................................423
VIII
IX
Índice de Figuras1 Figura 2.1. Determinantes de la competitividad regional....................................... 47
Figura 2.2. Determinantes de la competitividad .................................................... 67
Figura 2.3. El Modelo del Diamante. ..................................................................... 69
Figura 3.1. Mapa de clusters del Reino Unido..................................................... 130
Figura 3.2. Localización de los sistemas productivos locales Catalanes ............ 133
Figura 3.3. Relaciones entre los sistemas productivos ocales Catalanes ........... 135
Figura 3.4. El cluster de la electrónica de consumo en Cataluña........................ 144
Figura 4.1. Situación de los países según el Índice de Competitividad
de los Negocios (Business Competitiveness Index) y
PIB per Cápita .................................................................................. 187
Figura 5.1. Diagrama de cajas de las variables................................................... 230
Figura 5.2. Histogramas (primera parte) ............................................................ 234
Figura 5.3. Histogramas (segunda parte)............................................................ 236
Figura 5.4. Histogramas (tercera parte) ............................................................. 238
Figura 5.5. Gráfico de frecuencias de la variable Estado de desarrollo
de los clusters.................................................................................. 244
Figura 5.6. Gráficos de barras correspondientes a las tablas de
contingencia de todas las variables excepto Región ........................ 268
Figura 5.7. Gráfico de barras correspondiente a la tabla de
contingencia de la variable Región.................................................. 272
Figura 5.8. Diagrama conjunto de puntos de categorías para todas
las variables..................................................................................... 278
Figura 5.9. Diagrama conjunto de puntos de categorías para las
variables estado de desarrollo de los clusters y Región................... 280
Figura 5.10. Gráfico de dispersión de puntos para los factores 1
(competitividad microeconómica) y 2 (tecnología)........................... 294
Figura 5.11. Gráficos de dispersión de puntos para los factores 1
1 Las figuras están referenciadas indicando en primer lugar el número del capítulo al que pertenecen y en segundo lugar el número que ocupan entre las figuras de ese capítulo.
X
(competitividad microeconómica) y 3 (institucional)...................... .296
Figura 5.12. Diagrama conjunto de puntos de categorías de los
factores resultantes de análisis factorial inicial ............................. .311
Figura 5.13. Gráfico de dispersión de puntos para los factores
1A (competitividad microeconómica) y 2A (tecnología) ................ 334
Figura 5.14. Gráficos de dispersión de puntos para los factores
1A (competitividad microeconómica) y 3A (institucional) .............. 335
Figura 5.15. Gráfico de dispersión de puntos para los factores
1A (competitividad microeconómica) y 2A (tecnología) para
los países situados en el cuadrante de España y Cataluña........... 337
Figura 5.16. Gráfico de dispersión de puntos para los factores
1A (competitividad microeconómica) y 3A (institucional) para
los países situados en el cuadrante de España y Cataluña........... 338
Figura 5.17. Diagrama conjunto de puntos de categorías de los factores
resultantes del análisis factorial con toda la base de datos .......... .350
XI
Índice de Cuadros2
Cuadro 2.1. Definiciones de competitividad .............................................................34
Cuadro 2.2. Indicadores de competitividad y productividad. ................................... 43
Cuadro 2.3. Dos enfoque de competitividad.. ......................................................... 45
Cuadro 2.4. Composición del Índice de Competitividad Global................................54
Cuadro 2.5. Clasificación de países y peso de los pilares .......................................65
Cuadro 2.6. Composición del Índice de Competitividad de los Negocios.................73
Cuadro 2.7. Clasificación de países.... .....................................................................75
Cuadro 2.8. Composición del Anuario de Competitividad Mundial.......................... 77
Cuadro 3.1. Definiciones de cluster......................................................................... 99
Cuadro 3.2. Diferentes enfoques en la identificación y medición de clusters .........117
Cuadro 3.3. Ventajas de los clusters..................................................................... .150
Cuadro 4.1. Ranking mundial de países según el Índice de
Competitividad de los Negocios 2007 ................................................185
Cuadro 4.2. Resultados del Índice de Competitividad de los Negocios. ............... 188
Cuadro 4.3. Resultados detallados por variables del Índice de
Competitividad de los Negocios para España y Cataluña. ................ 189
Cuadro 5.1. Resumen de las principales variables incluidas en el análisis. .......... 226
Cuadro 5.2. Estadísticos descriptivos.. ................................................................ ..228
Cuadro 5.3. Pruebas de normalidad...................................................................... 232
Cuadro 5.4. Distribución de frecuencias de la variable
Estado de desarrollo de los clusters categorizada....... ............. ..........243
Cuadro 5.5. Distribución de países según la variables Estado
de desarrollo de los clusters categorizada...................................... .....245
Cuadro 5.6. Distribución de frecuencias de la variable
Disponibilidad local de equipos de procesamiento categorizada........ .246
Cuadro 5.7. Distribución de frecuencias de la variable
2 Los cuadros están referenciados indicando en primer lugar el número del capítulo al que pertenecen y en segundo lugar el número que ocupan entre los cuadros de ese capítulo.
XII
Cantidad de proveedores locales categorizada...... .............................. 247
Cuadro 5.8. Distribución de frecuencias de la variable
Calidad de proveedores locales categorizada...... ............................... ..247
Cuadro 5.9. Distribución de frecuencias de la variable
Sofisticación de compradores categorizada..... .................................... .248
Cuadro 5.10. Distribución de frecuencias de la variable
Intensidad de la competencia categorizada............................................248
Cuadro 5.11. Distribución de frecuencias de la variable Disponibilidad
local de servicios de investigación y formación categorizada.............. 249
Cuadro 5.12. Distribución de frecuencias de la variable
Naturaleza de la ventaja competitiva categorizada... .............................249
Cuadro 5.13. Distribución de frecuencias de la variable
Presencia global de la cadena de valor categorizada....... .................. ..250
Cuadro 5.14. Distribución de frecuencias de la variable
Sofisticación de los procesos de producción categorizada.................. ..250
Cuadro 5.15. Distribución de frecuencias de la variable
Control local de la distribución internacional categorizada... .............. ...251
Cuadro 5.16. Distribución de frecuencias de la variable
Capacidad de innovación categorizada... ............................................ ..252
Cuadro 5.17. Distribución de frecuencias de la variable
Presencia regional de exportaciones categorizada. ............................ ..252
Cuadro 5.18. Distribución de frecuencias de la variable
Presencia internacional de exportaciones categorizada..................... ...253
Cuadro 5.19. Distribución de frecuencias de la variable Región
categorizada.... ....................................................................................253
Cuadro 5.20. ANOVA y pruebas post-hoc para las variables categorizadas. ......... 256
Cuadro 5.21. Tablas de recuento..... ...................................................................... ..261
Cuadro 5.22. Tabla de recuento para la variable Región… ................................... ..265
Cuadro 5.23. Pruebas de Chi-Cuadrado de Pearson, V de Cramer y
Gamma......... .................................................................................. ...275
Cuadro 5.24. Resumen del análisis de correspondencias múltiples entre todas
las variables..................................................................................... ...277
Cuadro 5.25. Resumen del análisis de correspondencias múltiples entre
las variables Estado de desarrollo de los clusters y Región.......... ... 279
XIII
Cuadro 5.26. Estadísticos descriptivos de las variables utilizadas en el
análisis factorial inicial.... ................................................................. ...286
Cuadro 5.27. Medida de adecuación muestral de KMO y prueba de
esfericidad de Bartlett ......................................................................... 287
Cuadro 5.28. Matriz de comunalidades del análisis factorial inicial............. ..............288
Cuadro 5.29. Varianza explicada por cada factor..................................... .................289
Cuadro 5.30. Matriz de componentes rotados...........................................................290
Cuadro 5.31. Variables asociadas a cada factor………………………..........………..292
Cuadro 5.32. Centros de los conglomerados finales para el
factor 1 (competitividad microeconómica) ..............................................297
Cuadro 5.33. Test ANOVA.................... ......... ...........................................................298
Cuadro 5.34. Distribución de frecuencias del Factor 1 categorizado.... ....................298
Cuadro 5.35. Distribución de frecuencias de la variable región según
el Factor 1 categorizado.................... ....................................................299
Cuadro 5.36. Distribución de frecuencias de países según el Factor 1
categorizado............................................................................................300
Cuadro 5.37. Centros de los conglomerados finales para el factor 2
(tecnología).......................................................................... ...................301
Cuadro 5.38. Test ANOVA.........................................................................................302
Cuadro 5.39. Distribución de frecuencias para el Factor 2 categorizado..... ......... ...302
Cuadro 5.40. Distribución de frecuencias de la variable región según
el Factor 2 categorizado................. .......................................................303
Cuadro 5.41. Distribución de países según el Factor 2 categorizado........ ...............304
Cuadro 5.42. Centros de los conglomerados finales para el factor 3
(institucional)....................................................................... ....................305
Cuadro 5.43. Test ANOVA................................... ......... ............................................305
Cuadro 5.44. Distribución de frecuencias para el Factor 3 categorizado.... ..............306
Cuadro 5.45. Distribución de frecuencias para la variable Región según
el Factor 3 categorizado................. ........................................................307
Cuadro 5.46. Distribución de países según el Factor 3 categorizado.... ...................308
Cuadro 5.47. Resumen del modelo de correspondencias múltiples..........................310
Cuadro 5.48. Estadísticos descriptivos de las variables de competitividad
utilizadas en el análisis factorial con toda la base de datos................. ..316
XIV
Cuadro 5.49. Prueba KMO y test de Bartlett.............................................. ...............317
Cuadro 5.50. Matriz de comunalidades de las variables de competitividad
microeconómica.................................................................... ..................318
Cuadro 5.51. Varianza explicada por cada factor......................................................319
Cuadro 5.52. Matriz de componentes rotados...........................................................321
Cuadro 5.53. Estadísticos descriptivos de las variables de tecnología
utilizadas en el análisis factorial con toda la base de datos....... ..........322
Cuadro 5.54. Prueba KMO y test de Bartlett .............. ..............................................323
Cuadro 5.55. Matriz de comunalidades de las variables tecnológicas... ...................324
Cuadro 5.56. Varianza total explicada por cada factor...................... ........................325
Cuadro 5.57. Matriz de componentes rotados...........................................................326
Cuadro 5.58. Test de KMO y prueba de esfericidad de Bartlett............. ...................327
Cuadro 5.59. Matriz de comunalidades de las variables institucionales....................328
Cuadro 5.60. Varianza total explicada por cada factor.............................. ................330
Cuadro 5.61. Matriz de componentes rotados...........................................................331
Cuadro 5.62. Centros de los conglomerados finales para el factor
1A (competitividad microeconómica)............................... .......................339
Cuadro 5.63. Test ANOVA.........................................................................................339
Cuadro 5.64. Distribución de frecuencias para el factor 1A categorizado.. ...............340
Cuadro 5.65. Distribución de países según el factor 1A categorizado....... ...............341
Cuadro 5.66. Centros de los conglomerados finales para el factor 2A-
tecnología................................................................................................342
Cuadro 5.67. Test ANOVA.........................................................................................342
Cuadro 5.68. Distribución de frecuencias para el factor 2A categorizado..... ......... ..343
Cuadro 5.69. Distribución de países según el factor 2A categorizado........ ..............344
Cuadro 5.70. Centros de los conglomerados finales para el factor 3A-
Institucional...................................................... .......................................345
Cuadro 5.71. Test ANOVA.........................................................................................345
Cuadro 5.72. Distribución de frecuencias para el factor 3A categorizado... ..............346
Cuadro 5.73. Distribución de países según el factor 3A- Institucional.......................347
Cuadro 5.74. Resumen del modelo de correspondencias múltiples de los
tres factores obtenidos con toda la base de datos............................. ....349
Cuadro 5.75. Resumen del modelo de regresión con los indicadores
obtenidos en el primer análisis factorial y el Estado de desarrollo
XV
de los clusters como variable dependiente..............................................354
Cuadro 5.76. Test ANOVA ....................................................................................... 354
Cuadro 5.77. Coeficientes para los tres factores.............................................. .........355
Cuadro 5.78. Resumen del modelo de regresión del factor 1 y el
Estado de desarrollo de los clusters………………………………………. 356
Cuadro 5.79. Test ANOVA ....................................................................................... 356
Cuadro 5.80. Coeficientes del modelo........................................ ...............................357
Cuadro 5.81. Resumen del modelo de regresión del factor 2 y el
Estado de desarrollo de los clusters…………………………………….... 357
Cuadro 5.82. Test ANOVA ....................................................................................... 358
Cuadro 5.83. Coeficientes para el modelo de regresión del factor 2 y el
Estado de desarrollo de los clusters...................................................... 358
Cuadro 5.84. Resumen del modelo de regresión entre el factor 3 y el
Estado de desarrollo de los clusters………………………………. ...........359
Cuadro 5.85. Test ANOVA.........................................................................................359
Cuadro 5.86. Coeficiente para el modelo de regresión del factor 3 y el
Estado de desarrollo de los clusters...................................................... 360
Cuadro 5.87. Resumen del modelo de regresión con los indicadores
obtenidos en el análisis factorial con toda la base de datos
y el Estado de desarrollo de los clusters……………………………….....361
Cuadro 5.88. Test ANOVA.........................................................................................362
Cuadro 5.89. Coeficientes para los tres factores...................................... .................362
Cuadro 5.90. Resumen del modelo de regresión entre el factor 1A y el
Estado de desarrollo de los clusters...................................................... 363
Cuadro 5.91. Test ANOVA…………………….. ........................................................ 364
Cuadro 5.92. Coeficientes para el modelo de regresión del factor 1A y
el Estado de desarrollo de los clusters ............................................... ...364
Cuadro 5.93. Resumen del modelo de regresión entre el factor 2A y
el Estado de desarrollo de los clusters ...................................................365
Cuadro 5.94. Test ANOVA.........................................................................................366
Cuadro 5.95. Coeficientes para el modelo de regresión del factor 2A y
el Estado de desarrollo de los clusters ..................................................366
Cuadro 5.96. Resumen del modelo de regresión entre el factor 3A y
el Estado de desarrollo de los clusters........ .......................................... 367
XVI
Cuadro 5.97. Test ANOVA ....................................................................................... 367
Cuadro 5.98. Coeficientes para el modelo de regresión del factor 3A y
el Estado de desarrollo de los clusters .................................................. 368
XVII
a Ramón
XVIII
XIX
AGRADECIMIENTOS
Muchas personas me han ayudado en la elaboración de esta tesis y me han acompañado y apoyado durante estos años.
En primer lugar quiero recordar a Eduardo Ballarín, un gran profesor y persona entrañable,
que lamentablemente ya no está entre nosotros. El me animó a comenzar este proceso, y me alentó continuamente. Eduardo y el Dr. Antoni Subirà me facilitaron los medios necesarios para llevar a cabo la investigación y me dieron todo su apoyo. Por todo ello, muchas gracias.
A los Dres. Yolanda Fernández Jurado y Antonio Rúa, mis directores de tesis; a los dos les
agradezco sus enseñanzas, su guía y consejos, y sus constantes y valiosas correcciones que han sido fundamentales para la terminación de este trabajo. Sobre todo, les agradezco sinceramente su dedicación y paciencia en las interminables horas que han dedicado a esta tesis.
A la Universidad Pontificia Comillas de Madrid, a la Facultad de Ciencias Económicas y
Empresariales, a los miembros del Departamento de Gestión Empresarial y en especial a su Director, Antonio Núñez, por la diligencia y profesionalidad con la que han facilitado la parte final de este largo proceso.
A la Dra. Mónica García-Ochoa, que me dirigió en mis primeros trabajos de investigación,
por sus consejos, su interés y apoyo constante. Finalmente quiero dar las gracias a mis padres, porque su ejemplo y su confianza
inquebrantable en mí me animan siempre a dar lo mejor; al resto de mi familia y a mis amigos, por su cariño y su apoyo incondicional. A Ramón, porque si he terminado esta tesis, ha sido gracias a él; por eso y por mucho más, gracias.
Y a mis hijas, que hacen que todos los esfuerzos merezcan la pena.
PARTE I
INTRODUCCIÓN
CAPÍTULO 1
INTRODUCCIÓN
Capítulo 1. Introducción
2
Capítulo 1. Introducción
3
ÍNDICE
1. INTRODUCCIÓN .........................................................................................5
2. ESTADO DE LA CUESTIÓN .......................................................................6
2.1. La competitividad ...........................................................................6
2.2. Los clusters ....................................................................................9
2.3. El problema: la influencia de los clusters en la competitividad ....13
3. JUSTIFICACIÓN DE LA INVESTIGACIÓN ...............................................14
4. OBJETIVO DE LA INVESTIGACIÓN ........................................................17
5. ESTRUCTURA DEL TRABAJO Y METODOLOGÍA UTILIZADA..............21
Capítulo 1. Introducción
4
Capítulo 1. Introducción
5
1. INTRODUCCIÓN
En esta tesis se analiza la influencia de los clusters sobre la competitividad de
los países y regiones y se profundiza en los mecanismos o variables a través
de los cuales se produce esta supuesta influencia. Se trata de verificar en qué
medida en España y, de forma específica, en una región española, realmente
se puede relacionar el desarrollo de los clusters con mejoras en la
competitividad.
Aunque diversas regiones españolas están fomentando los clusters para
aumentar la competitividad de sus áreas geográficas y en ellas ya se han
realizado diversos estudios de investigación en este sentido (País Vasco,
Comunidad Valenciana, Galicia, etc.), en esta investigación el análisis se va a
centrar en el caso específico de la región catalana para detectar cuáles son los
factores que realmente pueden permitir que el desarrollo de clusters en esta
región aumente la competitividad de la misma. Este trabajo se va a realizar
desde una perspectiva global, por lo que además de estudiar la región catalana
y España, se van a incluir otros 136 países en el análisis.
En la introducción de esta tesis se pretende mostrar el estado de la cuestión
en cuanto a los estudios realizados, tanto en términos teóricos como empíricos,
sobre los dos conceptos centrales de esta tesis: la competitividad de países y
regiones y los clusters. Además, se justifica el interés de este trabajo y se
exponen sus objetivos, así como, la metodología que se va a utilizar y la
estructura de esta investigación.
Capítulo 1. Introducción
6
2. ESTADO DE LA CUESTIÓN
2.1. La competitividad.
El concepto de competitividad ha suscitado en los últimos años un gran
interés por parte de algunos autores, de diversas instituciones y de gobiernos
de distintos países lo que se ha traducido en una gran profusión de trabajos,
tanto teóricos como empíricos. A pesar de ello, no existe un acuerdo
generalizado sobre el concepto de competitividad ni respecto a los factores o
variables que inciden en ella ni sobre las metodologías de medición.
Existen diversas definiciones de competitividad en las que predominan los
factores macroeconómicos como el volumen de exportaciones (Ohlin, 1933;
Tiebout, 1956; Canals, 1988; Tyson, 1992; Rowthorn, 1999), la cuota de
mercado en un determinado sector o industria (Simmie, 2006) o el tipo de
cambio real (Boltho, 1996). Entre el grupo de autores que destacan factores
macroeconómicos son también numerosas las referencias al bienestar y a la
renta per cápita como indicadores de competitividad (Scott, 1985; Storper,
1997; Trichet, 2008).
Sin embargo, cada vez hay más autores y organismos públicos y privados
que defienden un concepto más amplio de competitividad en el que, además de
los factores macroeconómicos, se incluyen factores microeconómicos que
influyen en la eficiencia de las empresas, como por ejemplo, la diferenciación
Capítulo 1. Introducción
7
de productos, la innovación, la organización o la tecnología (Amin y Tomaney,
1995; Ciampi, 1996; Departamento de Industria y Trabajo del Reino Unido,
2002; O´Mahony y Van Ark, 2003; Porter, 2004; Foro Económico Mundial,
2006, International Institute for Management Development, 2007).
Dentro de esta vertiente que considera que en la competitividad influyen tanto
factores macroeconómicos como microeconómicos existen algunas
investigaciones que han relacionado también el concepto de competitividad con
la productividad, entendida esta última como el valor de los bienes y servicios
producidos por cada unidad de recursos naturales, humanos y de capital
(Bravo y Gordo, 2003; O´Mahony y Van Ark, 2003; Gardiner et al., 2004; Porter,
2004).
Como consecuencia de estas aportaciones parece claro que aunque no
puede afirmarse que exista un concepto de competitividad generalmente
aceptado, en el ámbito científico se observa una tendencia hacia definiciones
de competitividad cada vez más completas que incluyen tanto factores
macroeconómicos como microeconómicos y que, en muchas ocasiones,
relacionan la competitividad con la productividad.
Con el objetivo de realizar una investigación que pueda ser de utilidad en el
ámbito práctico este estudio se centrará en las definiciones de competitividad
que incluyen factores macroeconómicos y microeconómicos y que analizan
cómo puede influir la productividad en la competitividad. El alcance del término
competitividad que se utilizará en esta tesis se referirá a la competitividad de
Capítulo 1. Introducción
8
los países y regiones incluidos en el análisis, por lo que se considera más
adecuado seguir un concepto integrador que recoja todas las variables que
puedan influir en la competitividad nacional y regional, ya sean de tipo
macroeconómico o microeconómico.
En cuanto a las metodologías de medición de la competitividad, instituciones
públicas y privadas publican informes que ofrecen comparativas internacionales
en temas de competitividad (como el European Competitiveness Report de la
Comisión Europea o el European Atractiveness Survey de Ernst & Young), pero
que no aportan un único indicador que recoja todos los aspectos que pueden
afectar a la competitividad.
En la actualidad existen dos estudios muy reconocidos que sí proponen
indicadores de competitividad utilizando modelos empíricos de medición: el
Informe de Competitividad Global (Global Competitiveness Report), publicado
por el Foro Económico Mundial (World Economic Forum) y el World
Competitiveness Yearbook, publicado por el International Institute for
Management Development (IMD). Ambas instituciones analizan la
competitividad de las principales economías mundiales utilizando metodologías
completas y bien argumentadas basadas tanto en datos publicados como en
encuestas. Estos dos estudios y su metodología se analizarán con detalle en el
Capítulo 2 de este trabajo y uno de ellos, el Informe de Competitividad Global,
se seguirá como punto básico en el análisis empírico de Capítulo 4.
Capítulo 1. Introducción
9
De los dos estudios antes mencionados se ha elegido la metodología del
primero de ellos, es decir, del Informe de Competitividad Global frente al World
Competitiveness Yearbook para la parte empírica de esta tesis, ya que encaja
mejor con el concepto amplio e integrador de competitividad que se va a utilizar
en esta tesis ya que: incluye un número muy superior de países en su análisis;
está más enfocado en aspectos microeconómicos, los cuales se consideran
cada vez más relevantes para la competitividad y, para reflejarlos, publica dos
índices: el Índice de Competitividad Global, y el Índice de Competitividad de
los Negocios que es de carácter microeconómico; finalmente, contempla el
concepto de cluster en su definición de competitividad. Por otro lado, esta
metodología ya ha sido aplicada a otras regiones españolas (Ramos, 2001),
aunque nunca a Cataluña.
2.2. Los clusters
Dados los beneficios que supuestamente tienen los clusters para las
empresas que operan en ellos y para las regiones o países que los impulsan y
promueven y, en concreto, su pretendida influencia sobre el desarrollo
económico y la competitividad se han realizado múltiples aportaciones
referentes a los clusters tanto desde un punto de vista teórico como desde un
punto de vista práctico.
La palabra cluster hace referencia a un grupo de cosas del mismo tipo que
crecen o se mantienen juntas y su traslado a la esfera económica para referirse
a un conjunto de empresas agrupadas ha dado lugar a una abundante
Capítulo 1. Introducción
10
literatura. Alfred Marshall (1961) fue el precursor del concepto cluster con sus
trabajos en 1890 sobre los distritos industriales, formados por la presencia en
un mismo territorio de gran cantidad de pequeños establecimientos
especializados en la ejecución de una fase particular del proceso productivo.
Si bien los distritos industriales son los precursores de los clusters y ambos
términos se utilizan indistintamente en numerosas ocasiones, los clusters
constituyen un concepto más amplio en el que caben agrupaciones de
empresas del tipo de los distritos industriales, pero también de otras
características.
Desde Alfred Marshall introdujo el término de distritos industriales
numerosos autores han tratado de delimitar con más exactitud el concepto
(Clapham, 1920; Pigou, 1925; Young, 1928; Becattini, 1987 y 1990; Scott,
1988); no obstante, el término cluster obtiene su mayor difusión tras la
publicación de los trabajos de Michael Porter en los años 90 ya que este autor
relacionó los clusters con la competitividad y consideró a los clusters como un
factor determinante de la ventaja competitiva de países y regiones. A partir de
entonces se genera un creciente interés relacionado con el estudio de los
clusters que se pone de manifiesto en la profusión de trabajos que se han
desarrollado en las dos últimas décadas.
Sin embargo, a pesar de que los autores parecen coincidir en la idea básica
de que los clusters están formados por un número de empresas agrupadas,
hay discrepancias en cuanto a diversos aspectos.
Capítulo 1. Introducción
11
En primer lugar, no está clara la dimensión geográfica de los clusters. Para
algunos autores la localización es irrelevante en la actividad económica
(O´Brien, 1992; Cairncross, 1997; Gray, 1998), mientras que para otros la
localización es fundamental (Ohmae, 1995; Krugman, 1997; Porter, 1998;
Swann y Prevezer, 1998; Fujita et al., 2000; Cooke y Huggins, 2003; Cortright,
2006).
En segundo lugar, hay discrepancias respecto al tipo de relación que debe
existir entre las empresas que integran el cluster. Algunos autores se muestran
escépticos en cuanto a la posibilidad de que existan relaciones de colaboración
(Bergman y Feser, 1999; Meyer-Stamer, 2001) pero la mayoría de ellos
consideran que deben existir relaciones tanto de colaboración como de
competencia entre las empresas que forman el cluster (Piore y Sabel, 1984;
Porter, 1998; Raines, 2000; Cooke y Huggins, 2003; Navarro, 2003; Malmberg
y Power, 2006).
En tercer lugar, hay cierta indefinición en cuanto a la naturaleza y tamaño de
las empresas que integran el cluster aunque, en general, se tiende a incluir
tanto a empresas como a instituciones y se considera conveniente que al
mismo pertenezcan entidades de distintos tamaños (Porter, 2003; Hernández
et al., 2005).
Finalmente existen discrepancias en cuanto a los métodos de identificación y
análisis de clusters, que varían según el concepto de cluster que se utilice y
Capítulo 1. Introducción
12
han sido descritos por diversos autores (Roeland y DenHertog, 1998; Bergman
y Feser, 1999; Hoen, 1999; Martin y Sunley, 2003; Navarro, 2003).
A pesar de estas dificultades, además de la comunidad académica,
numerosos organismos públicos y privados1 se han lanzado a la ardua tarea
de la identificación de clusters invirtiendo importantes recursos. Estos análisis
han generado diversos trabajos de difícil comparación pero que contribuyen a
la identificación y localización de clusters y al esclarecimiento de sus
características y funcionamiento, lo que constituye una base documental
interesante de estudio. Por eso en esta investigación se considera
fundamental analizar todas estas cuestiones para poder desarrollar un trabajo
empírico sobre el tema de los clusters.
En esta tesis se va a utilizar un concepto amplio de cluster, en el que se
considera relevante la dimensión geográfica, que admite relaciones tanto de
colaboración como de competencia entre las empresas que lo integran, en el
que tienen cabida empresas de distintos tamaños, así como instituciones de
apoyo y en el que se podrán incluir agrupaciones del tipo de los distritos
industriales así como otras con características diferentes. Se considera más
apropiado para este estudio el concepto de cluster porque aunque en España
y, en concreto en Cataluña, se puede hablar en general de distritos industriales,
en el análisis empírico de esta tesis se analizan diferentes países que
lógicamente contarán con tipologías distintas de clusters.
1 Vinnova en Suecia; Institute for Strategy and Competitiveness en Estados Unidos; Departamento de Industria y Comercio de Reino Unido; Departamento de Trabajo e Industria de la Generalitat de Cataluña; European Network for Social and European Research.
Capítulo 1. Introducción
13
2.3. El problema: la influencia de los clusters en la competitividad
Los autores atribuyen numerosas ventajas a los clusters, que pueden
agruparse en dos tipos:
- Ventajas de aglomeración. Por ejemplo, se genera un mejor acceso a mano
de obra, servicios de apoyo a inputs especializados o a la disponibilidad de
proveedores locales lo que genera menores costes de transacción y mayor
productividad y eficiencia (Porter, 1998; Gordon y McCann, 2000; Krugman,
2001; Basant, 2002; Belussi, 2006; Gertler y Wolfe, 2006).
- Ventajas de difusión del conocimiento. Este tipo de ventajas pueden implicar
un mayor índice de innovación y desarrollo tecnológico y mejores prácticas. Por
ejemplo, una mayor participación en redes locales, la imitación, el aprendizaje
o el intercambio de mejores prácticas (Lundvall, 1992; Porter, 1998; Swann,
2002; Storper y Venables, 2004; Galetto, 2008; López, Más y Molina, 2008).
Existen diversos trabajos empíricos que relacionan la existencia de clusters
con algunas de estas ventajas y, en ocasiones, expresamente con la
competitividad. Pueden distinguirse tres grupos de aportaciones empíricas:
- Las que miden el efecto directo de los clusters en alguna de las ventajas de
aglomeración o difusión del conocimiento (Glaeser et al., 1992; Henderson,
1994; Herce et al., 1996; De Lucio, 1998; Signorini, 2000; Beaudry y Breschi,
2003; Porter, 2004; Budí, 2008; Galetto, 2008).
Capítulo 1. Introducción
14
- Los trabajos que muestran evidencia indirecta entre los clusters y algunas de
las ventajas que se les atribuyen (Hilpert, 1992; Audretsch y Feldman, 1996;
Lorenz, 1999; Coe, 2000; Bennet et al., 2001, Lissoni, 2001; Dahl, 2002; Welz,
2003).
- Los trabajos que hablan explícitamente de la relación entre los clusters y la
competitividad (Costa y Viladecans-Marsal, 1999; European Network for Social
and Economic Research, 2001; Ketels, 2003; el Índice de Competitividad de los
Negocios del Foro Económico Mundial, 2007; Delgado, 2007).
Los trabajos empíricos mencionados se centran en alguna de las ventajas de
los clusters o en casos concretos de empresas o regiones, o bien en algún
aspecto concreto relacionado con la competitividad. Sin embargo, no son
trabajos empíricos que aporten una visión global e integral de la importancia
de los clusters sobre la competitividad en términos de desarrollo de países y
regiones y de los mecanismos a través de los cuales se produce la misma.
Esto justifica la necesidad de desarrollar aún más este tipo de estudios y en
esta investigación se pretende realizar un estudio empírico en el que se analice
si los clusters influyen sobre la competitividad de los países y regiones y que
profundice en los mecanismos a través de los cuales se produce dicha
influencia.
3. JUSTIFICACIÓN DE LA INVESTIGACIÓN
Tal y como se ha comentado en el apartado anterior, al describir el problema
de la influencia de los clusters en la competitividad, los trabajos empíricos
Capítulo 1. Introducción
15
realizados en este campo se centran en alguna de las ventajas de los clusters,
en casos concretos de empresas o regiones, o bien en algún aspecto concreto
relacionado con la competitividad, sin aportar una visión global e integral de
dicha influencia y de los mecanismos a través de los cuales se produce.
Esta tesis pretende contribuir a cubrir ese vacío, demostrando la influencia
de los clusters sobre la competitividad de un país y una región, España y
Cataluña, y estudiando a través de qué mecanismos o variables se produce
esa influencia con un enfoque amplio e integrador, en el que además:
- se utiliza un concepto de competitividad de países y regiones amplio e
integrador, en el que se incluyen múltiples variables de tipo macroeconómico y
microeconómico,
- se incluyen otros 136 países, lo que proporciona una visión internacional del
tema,
- se combina una metodología ampliamente reconocida, como es la del Índice
de Competitividad de los Negocios del Informe de Competitividad Global, con
otros métodos estadísticos.
Se utilizan dos metodologías diferentes en el análisis empírico porque el
Índice del Informe de Competitividad Global proporciona una selección de
variables reconocida y probada, así como unos primeros resultados sobre la
evidencia de relación entre el estado de desarrollo de los clusters y otras
variables de competitividad. La utilización de una segunda metodología basada
en otros métodos estadísticos, como las tablas de contingencia, las
correspondencias múltiples, el análisis factorial, el análisis cluster y las
Capítulo 1. Introducción
16
regresiones, proporcionará una mayor flexibilidad, ya que se podrán analizar
con más detalle y profundidad las evidencias de relación entre el “estado de
desarrollo de los clusters” y otras variables de competitividad encontradas en la
primera parte del análisis empírico y permitirá confirmar la influencia de los
clusters sobre la competitividad, que es la hipótesis principal de este estudio .
Aunque resulta evidente que una región, en este caso Cataluña, no dispone
de la misma capacidad de actuación que una nación, dado que debe funcionar
dentro de las competencias que el Estado Central le ha conferido, el tamaño
geográfico de esta Comunidad y el nivel de actividad económica de la misma
es incluso mayor que la de algunos de los países que se incluyen en el
Informe de Competitividad Global.2
Como consecuencia de ello, admitiendo las limitaciones que se pueden tener
en alguno de los factores valorados, se ha considerado conveniente establecer
un modelo en el que se pueda considerar como un factor importante el ámbito
territorial donde se desarrollan los clusters con independencia de que dicho
ámbito tenga una estructura legal o política como región, nación o grupo de
naciones.
Si bien otras Comunidades Autónomas españolas están realizando
importantes estudios e investigaciones sobre clusters y competitividad
(Comunidad Valenciana, País Vasco, etc.) este estudio se va a centrar en
2 Por ejemplo, el PIB de Cataluña en 2008 ascendió a 317.776 millones de dólares, lo que sitúa a Cataluña por encima de países como Irlanda (273.328 mill $), Chile (169.573 mill. $) o Malasia (222.219 mill $).
Capítulo 1. Introducción
17
Cataluña ya que en esta región, junto con Valencia, el estado de desarrollo de
los clusters es mayor que en el conjunto de España (Costa, 1988; Trullén,
2002; Santa María et al. 2004; Boix y Galetto, 2004 y 2006). Esto tiene su
reflejo en la política industrial que se ha llevado a cabo en Cataluña en las dos
últimas décadas, que pone de manifiesto la importancia que atribuyen a los
clusters, y que se describe con más detalle en el Capítulo 4. Se pretende
analizar si ese mayor desarrollo de los clusters en una región española
realmente ha generado mejores resultados de competitividad y en qué
aspectos concretos de la competitividad ha influido.
La elección de Cataluña también se debe a que la metodología del Informe
de Competitividad Global se ha aplicado a otras regiones españolas (Ramos,
2001) pero nunca a Cataluña y, además, a que se cuenta con una mayor
disponibilidad y facilidad para la recogida y análisis de datos, ya que se ha
recibido la colaboración del International Center for Competitiveness del IESE
y del Institute for Strategy and Competitiveness de Harvard.
Esta tesis puede ser de utilidad para la administración pública al ofrecer
alguna orientación sobre la importancia que los clusters pueden tener en el
crecimiento económico de España y de sus regiones; además, aporta
información sobre los mecanismos a través de los cuales la existencia de
clusters incide positivamente en la competitividad, lo cual puede ser valioso
para algunas instituciones públicas.
Capítulo 1. Introducción
18
Este trabajo también puede ser de interés para las empresas, ya que éstas
son las integrantes de los clusters y las protagonistas, en última instancia, de la
competitividad de los países y regiones.
Finalmente, los estudiosos de los conceptos de competitividad y clusters
pueden considerar de interés esta tesis, ya que analiza un campo no cubierto,
el de la influencia de los clusters en la competitividad de países y regiones con
un enfoque en el que se utiliza un concepto amplio e integrador de
competitividad y con una perspectiva global, en la que se incluyen además de
Cataluña, España y otros 136 países .
4. OBJETIVOS DE LA INVESTIGACIÓN
El objetivo principal de esta tesis es demostrar la influencia del estado de
desarrollo de los clusters sobre la competitividad de los países y regiones,
determinando en concreto en España y en una Comunidad Autónoma, como es
Cataluña, las variables o factores a través de los cuales se produce esta
influencia.
Para lograr este objetivo se realizará una revisión pormenorizada de la teoría
en relación a los conceptos de competitividad y clusters, se analizará la
relación entre ambos conceptos y se identificarán las principales variables y
factores a través de los que se produce esta relación.
Capítulo 1. Introducción
19
El concepto de competitividad que se utilizará en el análisis es por tanto el de
competitividad de países y regiones. En cuanto al alcance geográfico del
análisis incluirá Cataluña, España y otros 136 países.
Objetivos parciales que se plantean a través de esta tesis son:
a) Objetivo 1. Construir un cuerpo teórico pormenorizado y ordenado en
torno a los conceptos de competitividad y clusters y analizar la
interrelación entre ambos. Respecto al concepto de competitividad se
pretende analizar y valorar la evolución que ha seguido este concepto
desde una perspectiva puramente macroeconómica hasta un concepto
que incluye tanto aspectos macroeconómicos como microeconómicos,
así como describir y valorar los principales modelos empíricos de
medición de la competitividad de los países.
En lo relativo al concepto de clusters se pretende: describir las
dificultades que se plantean en cuanto a delimitación y clasificación de
clusters y las aportaciones que se han hecho; revisar los métodos de
identificación y análisis de clusters, señalando ventajas e inconvenientes
de cada uno de ellos y describir en detalle una aportación de cada tipo;
describir y clasificar las ventajas que se atribuyen a los clusters.
En lo relativo a la relación entre clusters y competitividad se pretende
exponer las aportaciones realizadas hasta el momento y señalar sus
Capítulo 1. Introducción
20
limitaciones, que justifican el trabajo empírico llevado a cabo en esta
tesis.
b) Objetivo 2. Adaptar la metodología del Foro Económico Mundial para la
elaboración del Índice de Competitividad de los Negocios a una región
como la catalana, obteniendo así los resultados de competitividad de
Cataluña. Estos resultados serán comparables a los de España en su
conjunto y a los del resto de países incluidos en el informe, aunque con
las obvias limitaciones derivadas de comparar países con una región.
c) Objetivo 3. Contrastar los resultados de competitividad de Cataluña con
los de los países analizados por el Foro económico Mundial y, en
concreto, con los de España. Se analizarán los distintos subíndices y
factores en los que se descompone el Índice de Competitividad de los
Negocios para comparar los resultados existentes en Cataluña y en
España en cada uno de ellos, lo que permitirá: verificar si una región
con mayor desarrollo de los clusters que España, como es Cataluña,
obtiene mejores resultados en el Índice de Competitividad de los
Negocios que España; determinar en qué variables o factores obtiene
ventajas competitivas una región con mayor desarrollo de los clusters.
d) Objetivo 4. Profundizar en la relación entre el “estado de desarrollo de
los clusters” y otras variables de competitividad utilizando métodos
estadísticos tales como las tablas de contingencia, el análisis de
correspondencias múltiples y el análisis cluster.
Capítulo 1. Introducción
21
e) Objetivo 5. Desarrollar un modelo alternativo para analizar la influencia
que tienen los clusters sobre la competitividad. Este modelo permitirá
confirmar o no la influencia de los clusters sobre la competitividad. Para
ello se obtendrán indicadores de competitividad alternativos a los que
usa el Foro Económico Mundial, utilizando las mismas variables pero
aplicando varios métodos estadísticos como el análisis cluster, el
análisis factorial y las regresiones, lo que permitirá:
- Analizar la competitividad de España, Cataluña y el resto de países
incluidos en la base de datos del Foro Económico Mundial en función
de los nuevos indicadores de competitividad obtenidos.
- Verificar si el mayor desarrollo de los clusters en Cataluña ha supuesto
mejores resultados en cuanto a su competitividad.
- Comprobar la relación causal del estado de desarrollo de los clusters
en la competitividad a través de los nuevos indicadores obtenidos.
5. ESTRUCTURA DEL TRABAJO Y METODOLOGÍA UTILIZADA
En la parte II de esta tesis, referente al marco conceptual, se ha realizado
una investigación bibliográfica y se han revisado las principales aportaciones
respecto a los conceptos de competitividad y clusters.
En los capítulos 2 y 3 se desarrollarán los conceptos de competitividad y
clusters y se pondrá de manifiesto la relación existente entre ambos que se
Capítulo 1. Introducción
22
basa, en general, en una pretendida influencia de los clusters sobre la
competitividad de los países y regiones; en concreto, en el Capítulo 2 se
desarrollará el cuerpo teórico correspondiente al concepto de competitividad y,
en el Capítulo 3, se tratará de clarificar el concepto de cluster, su origen, sus
límites, utilidad y estado de la cuestión. Se analizarán las principales
aportaciones tanto teóricas como empíricas referentes a ambos conceptos y
se describirán las aportaciones empíricas que han tratado de buscar la relación
entre los clusters y algunos de los aspectos de la competitividad.
La parte III de la tesis, capítulos 4 y 5, se destina a un estudio empírico para
demostrar las hipótesis de partida. Para la realización del trabajo empírico se
han seguido dos metodologías diferenciadas. En el capítulo 4, se ha seguido la
metodología que el Foro Económico Mundial utiliza en el Informe de
Competitividad Global y se ha aplicado a Cataluña. Tal y como se expondrá en
detalle en el Capítulo 2, entre las metodologías ampliamente reconocidas para
la medición de la competitividad de países se ha decidido utilizar la del Foro
Económico Mundial debido a que uno de sus índices, el Índice de
Competitividad de los Negocios está más enfocado en aspectos
microeconómicos de la competitividad (por ejemplo, las estrategias y
operaciones de las compañías y el entorno microeconómico de negocios en el
que operan), los cuales se consideran cada vez más relevantes, contempla
explícitamente el papel de los clusters en la competitividad e incluye un gran
número de países por lo que su utilización permite una visión más global de la
influencia de los clusters en la competitividad. Además, esta metodología ha
Capítulo 1. Introducción
23
sido utilizada con anterioridad para medir la competitividad de otras regiones
españolas (Ramos, 2001).
Una vez aplicada la metodología del Foro Económico Mundial a Cataluña y
obtenido su índice de competitividad, se comparará con el de España en su
conjunto y con el del resto de países incluidos en el Informe de Competitividad
Global del Foro Económico Mundial y se verificará si Cataluña, con un mayor
grado de desarrollo de los clusters que España, obtiene mejores resultados en
competitividad. También se analizará con qué variables se asocia o se
relaciona el estado de desarrollo de los clusters.
En el Capítulo 5 se analiza la influencia de los clusters en la competitividad
pero utilizando para medir la competitividad una metodología estadística
alternativa a la utilizada en el Capítulo anterior. La utilización de otros métodos
estadísticos permitirá:
- Profundizar en el análisis de las relaciones entre el estado de desarrollo de
los clusters y otras variables, aportando por tanto mayor flexibilidad.
- Clasificar a los países en grupos homogéneos, que facilitan la comparación.
- Verificar si existe relación de causalidad entre el estado de desarrollo de los
clusters y la competitividad de los países y regiones.
En primer lugar se estudian las relaciones entre el estado de desarrollo de los
clusters y otras variables de competitividad. Para facilitar el análisis de las
relaciones entre variables se va a realizar un análisis cluster. Este análisis es
una técnica de análisis estadístico multivariante que permite la partición de un
Capítulo 1. Introducción
24
conjunto de datos (en este caso correspondientes a distintos países) en
grupos de tal forma que los datos pertenecientes a un mismo grupo son muy
similares entre sí pero muy diferentes a los de los otros grupos. Este tipo de
análisis ha sido desarrollado por numerosos autores (Johnson, 1967; Jardine y
Sibson, 1968; Rohlf, 1970; Lerman, 1970; Benzecri, 1976).
En segundo lugar se obtienen nuevos indicadores de competitividad
utilizando las mismas variables del Foro Económico Mundial pero aplicando la
metodología del análisis factorial. El análisis factorial es una técnica estadística
multivariante que permite reducir el número de variables obteniendo nuevas
variables relacionadas llamadas factores que aporten prácticamente la misma
información que las variables iniciales pero que permitan un análisis más
sencillo. Estos indicadores se aplicarán a España, la Comunidad Autónoma de
Cataluña y al resto de países y se comprobará si el mayor desarrollo de los
clusters en Cataluña implica mejores resultados en competitividad según los
nuevos indicadores.
Por último, se analiza la causalidad en la relación entre clusters y
competitividad utilizando regresiones lineales. El modelo de regresión lineal se
utiliza para explicar el comportamiento de una variable denominada variable
dependiente o endógena (Y) a través de una o varias variables independientes
o explicativas (X). Estas metodologías han sido descritas de forma detallada
por numerosos autores (Guigou, 1977; Comrey, 1985; Bisquerra, 1989;
Cuadras, 1996; Hair et al., 1998).
Capítulo 1. Introducción
25
Finalmente, en la Parte IV, Capítulo 6, se detallarán las conclusiones de esta
tesis, tanto en lo referente al marco teórico como al estudio empírico.
Capítulo 1. Introducción
26
PARTE II
MARCO CONCEPTUAL
CAPÍTULO 2
LA IMPORTANCIA DE LA COMPETITIVIDAD Y
MODELOS DE MEDICIÓN
Capítulo 2. La importancia de la competitividad y modelos de medición
28
Capítulo 2. La importancia de la competitividad y modelos de medición
29
ÍNDICE
1. INTRODUCCIÓN.........................................................................................31
2. CONCEPTO DE COMPETITIVIDAD...........................................................34
2.1. Principales definiciones tradicionales............................................34
2.1.1. Definiciones que destacan factores
macroeconómicos............................................................37
2.1.2. Definiciones que destacan factores
macroeconómicos y microeconómicos............................39
2.2. Concepto de competitividad en la actualidad................................50
3. MODELOS EMPÍRICOS DE MEDICIÓN DE LA COMPETITIVIDAD..........51
3.1. Medición del Foro Económico Mundial.........................................52
3.1.1. El Índice de Competitividad Global.....................................53
3.1.2. El Índice de Competitividad de los Negocios......................65
3.2. Medición del International Institute
for Management Development.......................................................76
3.3. Utilidad de ambas mediciones.......................................................83
4. CONCLUSIONES.......................................................................................85
Capítulo 2. La importancia de la competitividad y modelos de medición
30
Capítulo 2. La importancia de la competitividad y modelos de medición
31
1. INTRODUCCIÓN
La palabra competitividad se ha convertido en un término genérico que se
aplica a una gran variedad de situaciones y ámbitos geográficos y que puede
adjetivar a países, mercados, productos o empresas (Rodríguez Carrasco,
2001). Esta tesis se centra en el concepto de competitividad aplicado a países y
regiones. Pese a que se han realizado numerosos esfuerzos para su
conceptualización, todavía no existe un acuerdo generalizado sobre qué es
realmente la competitividad ni sobre los procesos o metodologías para su
medición en un país o región.
El interés existente respecto a las diversas cuestiones relacionadas con la
competitividad ha sido creciente y más pronunciado, tanto en lo privado como
en organismos públicos, en las dos últimas décadas; de hecho, se han creado
numerosos organismos públicos y privados que tienen como objetivo
fundamental realizar estudios relacionados con la competitividad.
Entre los organismos públicos se pueden destacar dos: el Competitiveness
Policy Council y el Consejo Europeo de Competitividad. El Competitiveness
Policy Council se creó en Estados Unidos en 1991 como Comité
independiente para asesorar al Presidente y al Congreso sobre las políticas
apropiadas para favorecer la competitividad. En el año 2002, se creó el Consejo
Europeo de Competitividad como respuesta a la necesidad percibida por la
Comisión Europea de contar con una política más coherente y coordinada de
los asuntos de competitividad de la Unión Europea.
Capítulo 2. La importancia de la competitividad y modelos de medición
32
Entre las organizaciones de tipo privado que se han creado con el principal
objetivo de estudiar qué es la competitividad destaca el Foro Económico
Mundial (World Economic Forum, WEF), The Competitiveness Institute y el
Institute for Strategy and Competitiveness. El Foro Económico Mundial es una
organización independiente sin ánimo de lucro formada por un equipo
internacional bajo el impulso de la Comisión Europea y múltiples empresas,
tales como ABB, Airbus, Bayer, Credit Suissse, Ford Motor, Google, Grupo
Santander y Motorola. Aunque su origen se remonta a 1971, cuando se creó en
Ginebra con el nombre de European Management Forum, fue en 1987 cuando
tomó su denominación actual y se transformó, tratando de ampliar su visión y
proporcionar una plataforma para la resolución de conflictos internacionales,
comprometiendo a líderes políticos y empresariales para que colaborasen en
diversas iniciativas relacionadas, entre otras cuestiones, con la salud,
educación, desarrollo, energía o competitividad.
The Competitiveness Institute se creó en Barcelona en 1998 y agrupa a 1.700
miembros del entorno académico y empresarial de más de 98 países. Entre sus
miembros se encuentran universidades, empresas y organismos públicos, como
Agencias de Desarrollo o Cámaras de Comercio. Promueve reuniones anuales
e intercambio de las mejores prácticas con el objeto de crear y difundir más
conocimiento sobre el tema de la competitividad y los clusters.
El Institute for Strategy and Competitiveness pertenece a la Universidad de
Harvard y se centra en: la competitividad de naciones, regiones y ciudades; el
estudio de los clusters y, en temas de competencia y su influencia sobre la
Capítulo 2. La importancia de la competitividad y modelos de medición
33
estrategia de las empresas. Esta organización realiza numerosos estudios y
proyectos relacionados con la competitividad tanto en Estados Unidos como en
otros países, por ejemplo: el Cluster Mapping Project que identifica y analiza los
clusters existentes en Estados Unidos; el Informe de Competitividad de Japón,
que analiza la situación y evolución competitiva en dicho país y el desarrollo del
Índice de Competitividad de los Negocios, en colaboración con el Foro
Económico Mundial, que analiza la competitividad de las principales economías
mundiales con un enfoque microeconómico y que se incluye en el Global
Competitiveness Report.
El interés que ha generado el concepto de competitividad ha implicado la
publicación de numerosos trabajos tanto por parte de diversos autores (Scott,
1985; Argandoña, 1988; Cuervo, 1993; Boltho, 1996; O´Mahony y Van Ark,
2003; Porter, 2004; Trichet, 2008) como de organismos públicos y privados y
diversas definiciones que han ido evolucionando desde las iniciales que
consideraban únicamente factores macroeconómicos hasta un concepto de
competitividad más completo que incluye tanto factores macroeconómicos
como microeconómicos.
En definitiva, aunque la competitividad es un concepto maduro, no existe un
acuerdo conceptual ni metodológico; de hecho, se han generado algunas
opiniones críticas respecto a la aplicación del término competitividad a regiones
o países (Krugman, 1996).
Capítulo 2. La importancia de la competitividad y modelos de medición
34
En este capítulo se analizará el marco teórico sobre la competitividad, para lo
que se revisarán y clasificarán las aportaciones más significativas, tanto en
términos conceptuales como metodológicos, con el objeto de poder definir y
delimitar el concepto más adecuado utilizable como referencia en este estudio.
2. CONCEPTO DE COMPETITIVIDAD
2.1. Principales definiciones tradicionales
Los esfuerzos por definir y acotar el término competitividad han sido
numerosos y las definiciones aportadas varían sustancialmente entre ellas.
En el cuadro 2.1. se muestra un resumen de algunas de las definiciones más
relevantes que se han realizado desde 1985, fecha a partir de la cual se
desarrollan numerosas publicaciones:
Cuadro 2.1.
Definiciones de Competitividad
AÑO AUTOR DEFINICIÓN 1985 Scott Es la capacidad de un país para producir y distribuir bienes y
servicios en la economía internacional en competencia con los bienes y servicios producidos en otros países, de forma que se gane una calidad de vida creciente.
1988 Argandoña Representa, a corto plazo, la capacidad de crear, producir y distribuir bienes y servicios en el mercado internacional, en condiciones favorables para los factores nacionales. A largo plazo, la competitividad exige el aumento de aquella capacidad de crear, producir y vender bienes y servicios en mejores condiciones que los demás.
1988 Calleja Es la capacidad de producir y comercializar bienes y servicios en los mercados internacionales en competencia con otros países, de forma que proporcione cotas crecientes de empleo y bienestar.
1988 Canals Es la capacidad de un país para producir y vender bienes en los mercados internacionales manteniendo o aumentando sus cuotas de exportación.
1988 De la Dehesa La competitividad depende de factores macroeconómicos, como la estabilidad política, económica y social, el control de la inflación y el déficit público, pero también de factores microeconómicos como la diferenciación de productos, las economías de escala, la innovación o el desarrollo tecnológico.
1988 Fernández La competitividad requiere un marco macroeconómico estable, pero depende de los precios y costes de producción internos.
Capítulo 2. La importancia de la competitividad y modelos de medición
35
1988 Mochón y Pajuelo
La competitividad tiene una perspectiva macroeconómica, basada en el índice de precios y el tipo de cambio y una perspectiva microeconómica, condicionada por la productividad, la capacidad de elaborar estrategias eficientes o la capacidad organizativa.
1990 Porter La competitividad está determinada por la productividad con que una nación, región o cluster1 utiliza sus recursos humanos, de capital y naturales.
1992 Tyson Es la habilidad de producir bienes y servicios que cumplan los requisitos de la competencia internacional.
1993 Cuervo Es la capacidad para producir bienes y servicios para un mercado abierto y cada vez más exigente, y al mismo tiempo, crear valor; esto es, obtener una rentabilidad de los capitales invertidos igual o superior a su coste de oportunidad.
1995 Amin y Tomaney La competitividad depende de la habilidad para sostener cambios en los factores que aumenten el crecimiento de la productividad (tecnología, recursos humanos, y otros.) y también la estructura de la economía y cómo la política busca darle forma.
1996 Boltho Representa el tipo de cambio real que en conjunción con las políticas nacionales apropiadas aseguran el equilibrio interno y externo.
1996 Ciampi La competitividad no es un juego de suma cero, en el que la mejora de competitividad en un país se consigue a expensas de otro. Al contrario, las mejoras de competitividad y eficiencia en diferentes países pueden y deben ser integradas y reforzarse mutuamente.
1997 Storper Es la habilidad de una economía (urbana) para atraer y mantener empresas con cuotas de mercado estables o crecientes en una actividad al tiempo que se mantienen o se mejora la calidad de vida de los que participan en ello.
1998 Departamento de Comercio e Industria, Reino Unido
Es la habilidad para producir los bienes y servicios de la calidad adecuada, al precio adecuado, en el tiempo adecuado.
1999 Comisión Europea
Es la habilidad para producir bienes y servicios que pasen el examen de los mercados internacionales, manteniendo al mismo tiempo rentas altas y sostenibles, o, más generalmente, la habilidad de las regiones para generar rentas y cifras de empleo relativamente altos mientras están expuestos a la competencia externa.
2003 O´Mahony y Van Ark
La competitividad es el incremento sostenido de la renta real y la calidad de vida de las regiones y naciones, y la existencia de trabajo para todos los que desean encontrar empleo. La base de la mejora de la calidad de vida está sobre todo, en la productividad, ya que ésta es clave para sostener la generación de empleo y lograr la eliminación de la pobreza.
2004 Banco de España El concepto de competitividad aparece vinculado al de productividad y depende de un amplio conjunto de factores radicados tanto en los aspectos macroeconómicos como microeconómicos.
2004 Gardiner et al. Las fuentes de competitividad están formadas por factores diversos, como las instituciones, las infraestructuras y el capital humano, la inversión extranjera, el desarrollo de las pymes y el desarrollo tecnológico. Todo ello conduce a unas. cifras de empleo y productividad que determinan el producto regional bruto y la calidad de vida
1 Aunque en el Capítulo 3 se desarrolla de forma más completa el concepto de cluster se puede afirmar que los clusters son concentraciones geográficas de empresas interconectadas, proveedores especializados, proveedores de servicios, empresas de industrias relacionadas e instituciones asociadas (como universidades, agencias de estándares o asociaciones de comercio) que compiten pero también cooperan en un campo determinado.
Capítulo 2. La importancia de la competitividad y modelos de medición
36
2005 Hernández El análisis de la competitividad implica indicadores de precio, como los tipos de cambio e indicadores estructurales, como las cuotas de mercado de las exportaciones
2005 Nadal La competitividad se puede analizar desde el punto de vista de su saldo exterior, de sus flujos de comercio, del tipo de cambio real, de la productividad y de las inversiones directas
2006 Sala y Torres La competitividad no se refiere únicamente a los precios, sino que incorpora aspectos estructurales. Entre los factores más determinantes para la competitividad se encuentra la innovación
2006 Simmie La definición operativa usual de competitividad es la cuota de mercado de un determinado sector o industria
2007 International Institute for Management Development
La competitividad está basada en la habilidad de una nación para crear y mantener un entorno que proporcione mayor valor a las empresas y más prosperidad a los ciudadanos
2008 Foro Económico Mundial
La competitividad nacional está determinada por el conjunto de instituciones, factores y políticas que determinan la productividad. El entorno macroeconómico estable es condición necesaria para la competitividad, pero no suficiente
2008 Trichet La competitividad en un sentido amplio se puede entender como la habilidad de los países para mejorar en una economía internacional cada vez más integrada y para embarcarse en un camino sostenido de alto crecimiento del output que mejore el bienestar de las personas
Fuente: Elaboración propia.
Aunque no existe una única definición totalmente válida ni puede hablarse de
un conjunto comúnmente acordado de elementos que afecten a la
competitividad, las aportaciones existentes se pueden dividir en dos grupos
según la importancia que se da a los factores que, en opinión de los autores,
influyen en la competitividad. Desde este punto de vista, las definiciones se
pueden clasificar en:
a) Definiciones de competitividad en las que los factores macroeconómicos
son los más importantes
b) Definiciones de competitividad en las que se incluyen tanto factores
macroeconómicos como microeconómicos.
Capítulo 2. La importancia de la competitividad y modelos de medición
37
En los próximos subapartados se van a exponer las principales teorías que
existen dentro de cada grupo.
2.1.1. Definiciones que destacan factores macroeconómicos
La noción tradicional de competitividad se ha equiparado a la cuota que tenía
un país en el mercado internacional. Esta definición está muy ligada a aspectos
de tipo puramente macroeconómico, como las exportaciones.
Autores como J. Canals (1988) y L.D. Tyson (1992) identifican la
competitividad con factores como el volumen de exportaciones, el tipo de
cambio real (Boltho, 1996) o la cuota de mercado o participación en un
determinado sector o industria (Simmie, 2006).
Dentro del grupo de autores que defienden nociones de competitividad de tipo
macroeconómico, algunos incluyen referencias a aspectos como el bienestar y
la renta (Scott, 1985; Calleja, 1988; Storper, 1997) lo que permite que la
competitividad de las regiones o países no sólo se base en su cuota de
participación en los mercados internacionales, sino también en el bienestar de
sus ciudadanos ya que valoran las cifras de renta y empleo de las áreas
geográficas analizadas. En este sentido, J.C. Trichet (2008), Presidente del
Banco Central Europeo, ha llegado a afirmar que la competitividad está
relacionada con la estabilidad macroeconómica, valora los factores
institucionales que contribuyen al potencial de crecimiento a largo plazo y
Capítulo 2. La importancia de la competitividad y modelos de medición
38
considera que el principal objetivo de la competitividad es mejorar el bienestar
de las personas.
Este tipo de enfoque de la competitividad basado sobre todo en factores
macroeconómicos tiene la ventaja de ser fácilmente cuantificable y comparable,
pero ha sido criticado por algunos autores. En este sentido autores como A.
Calleja o M. Porter realizan aportaciones alternativas.
A. Calleja (1988) desestima el concepto tradicional de competitividad
relacionado con precios, dado que éste puede estar influido por la diferencia del
ritmo de variación del índice de precios nacionales y extranjeros o por las
distorsiones que sufren los precios, lo que hace que el concepto de
competitividad pierda su valor en la asignación eficiente de recursos y creación
de bienestar, dado que al estar influido por las variaciones en precios, que no
siempre están ligadas a la economía real subyacente, puede estar dando una
información inadecuada sobre la verdadera situación del país.
Por otro lado, M. Porter (1990) señala que variables que se han propuesto
para medir la competitividad, como el tipo de cambio, el tipo de interés o el
déficit presupuestario, no han resultado adecuadas en algunos países que han
disfrutado de un elevado bienestar a pesar de datos poco favorables en las
variables utilizadas en la medición de la competitividad. Para esta aportación
Capítulo 2. La importancia de la competitividad y modelos de medición
39
realizó un estudio en el que analizó la evolución de ocho naciones2 en tres
períodos (1971, 1978 y 1985). Países como Japón, que tenía un déficit
presupuestario, Corea e Italia que tenían altos tipos de interés o Alemania y
Suiza que sufrieron apreciaciones de sus monedas eran considerados países
que habían avanzado mucho en su bienestar en estos períodos. Por lo tanto, en
opinión del autor, los factores macroeconómicos no son los únicos importantes
para determinar la competitividad de un país y su influencia sobre el bienestar
del mismo. Tanto A. Calleja como M. Porter coinciden en que una definición
más completa de competitividad debe incorporar, además de variables
macroeconómicas, también variables de tipo microeconómico.
A partir de ese momento es cuando se empiezan a realizar más aportaciones
de diversos autores y organismos públicos y privados que incluían en sus
definiciones de competitividad tanto factores macroeconómicos como
microeconómicos.
2.1.2. Definiciones que destacan factores macroeconómicos y
microeconómicos
Desde finales de la década de los ochenta gran parte de los autores e
instituciones públicas y privadas siguen un enfoque más completo de la
competitividad, en el que admiten la influencia de factores macroeconómicos y
microeconómicos. En ocasiones esta diferenciación se realiza de forma
2 El estudio incluye Japón, Italia, Corea, Alemania, Suiza, Suecia, Estados Unidos y Reino Unido.
Capítulo 2. La importancia de la competitividad y modelos de medición
40
explícita (Bueno, 1987, De la Dehesa, 1988; Fernández, 1988; Mochón y
Pajuelo, 1988, Foro Económico Mundial, 2006) pero en otros casos no se
distinguen expresamente estos dos tipos de factores y ambos están implícitos
en el concepto de competitividad (Porter, 1990; O´Mahony y Van Ark, 2003;
Internacional Institute for Management Development, 2008).
Dentro del primer grupo de autores, G. De la Dehesa (1988) incluye entre los
factores macroeconómicos que condicionan la competitividad el clima de
certidumbre y estabilidad política, económica y social, el control de la inflación y
el déficit público. Pero el autor menciona otros factores de tipo más
microeconómico que afectan también directamente a la competitividad, como
por ejemplo: la diferenciación de productos; las economías de escala; la
innovación o el desarrollo tecnológico. Según G. De la Dehesa todos estos
factores inciden en la productividad de las empresas y, por tanto, de la
economía asegurando la competitividad a largo plazo dado que garantiza que
las empresas operan de la forma más eficiente posible.
F. Mochón y A. Pajuelo (1988: 229) siguen esta diferenciación en su análisis
de la competitividad ya que la definen como “el indicador de la racionalidad y
eficiencia de un país, de una institución o de una empresa”. Desde la
perspectiva macroeconómica, los factores que inciden en la competitividad
serían el índice de precios, el tipo de cambio y la política de empleo; desde la
perspectiva microeconómica, los autores estudian los factores que influyen en
la eficiencia de una empresa, incluyendo la productividad, la adaptación al
entorno cambiante, la estrategia, la organización o la tecnología.
Capítulo 2. La importancia de la competitividad y modelos de medición
41
V. J. Fernández (1988) estima que la estabilidad en términos
macroeconómicos es una condición necesaria para que se den las condiciones
de competitividad, pero una vez dado este marco, el concepto de competitividad
tendría básicamente connotaciones microeconómicas es decir, los factores
macroeconómicos serían condición necesaria para la competitividad pero no
suficiente, ya que además haría falta conseguir unos costes de producción
internos eficientes. Es decir, la estabilidad en términos macroeconómicos no
garantizaría la competitividad de la economía si las empresas no son además
productivas.
A. Argandoña (1988) utiliza los dos tipos de factores para distinguir entre el
corto y largo plazo. Este autor considera que los factores de tipo
macroeconómico, como los costes de los factores productivos, la inflación, las
ayudas a la exportación o el tipo de cambio son más relevantes a corto plazo;
sin embargo, a largo plazo, la competitividad de un país dependerá de factores
microeconómicos, como por ejemplo la eficiencia en la gestión empresarial, la
diferenciación de productos o la calidad de los mismos.
Dentro de este grupo de autores que contemplan factores tanto
macroeconómicos como microeconómicos para definir la competitividad, la
productividad se considera uno de los factores microeconómicos a tener en
cuenta. B. Scott (1985:16) lo expresa claramente al afirmar que “si tomamos la
competitividad en términos presentes y futuros, y no simplemente como una
medida del pasado, los indicadores clave serían básicamente los mismos que
Capítulo 2. La importancia de la competitividad y modelos de medición
42
para una empresa: cuota de mercado; rentabilidad; rentas para los empleados;
empleo; productividad; costes unitarios tanto para el capital como para el
trabajo; inversión futura en nuevas tecnologías, equipo y formación”3.
Sin embargo otros autores y organismos consideran que la productividad no
es simplemente un factor más entre los muchos que influyen en la
competitividad, sino que se trata de uno de los factores más relevantes (Amin y
Tomaney, 1995; Ciampi, 1996; Departamento de comercio e Industria del
Reino Unido, 2002; O´Mahony y Van Ark, 2003; Porter, 2004; Foro Económico
Mundial, 2008).De hecho, el Departamento de Comercio e Industria del Reino
Unido (2002) va un paso más allá en cuanto a la relación entre competitividad y
productividad ya que equipara ambos conceptos. Para este organismo, los
factores que influyen en la mejora de la competitividad y productividad son los
mismos, por lo que determinan una serie de indicadores comunes que se
exponen en el cuadro 2.2.
3 Existen algunos ratios de rentabilidad y desempeño de empresas utilizados frecuentemente como indicativos de la productividad de las mismas (Datta, 1991; Hall y St. John, 1994), como por ejemplo el rendimiento del patrimonio o ROE (Return on Equity), el rendimiento de activos o ROA (Return on Assets) y el rendimiento de la inversión o ROI (Return on Investments). Sin embargo, no se desarrollan en este trabajo por referirse al desempeño de las empresas y ser difícilmente extrapolables a medidas de productividad y competitividad de países y regiones.
Capítulo 2. La importancia de la competitividad y modelos de medición
43
Cuadro 2.2.
Indicadores de productividad y competitividad
AREA INDICADORInversión gubernamentalInversión de empresasConexión a mercados digitalesComercio electrónicoPublicacionesGasto del Gobierno en I+DGasto de empresas en I+DGasto de las empresas en innovaciónPatentesProporción de empresas que innovanVentas de productos nuevos o mejoradosLicencias de las universidades, start-ups
Fuentes de información para la innovaciónPublicaciones conjuntas de universidad e industriaInternacionalización del I+DAlianzas tecnológicas entre compañíasAnalfabetismoHabilidades de nivel medio y altoAprendizaje continuadoHabilidades directivasAsimilación de TIC por las empresasRatios de entrada y salida de empresasEmpresas de crecimiento rápidoActitudes frente al riesgoCapital riesgoMercados paralelosMercados de accionesApertura comercial y a la inversión extranjeraPreciosDesempleoDiversidad de oportunidades de empleoRelaciones industrialesRegulación laboral
Mercado laboral
Inversión Capital Físico
Comercialización de la tecnología
Transferencia del conocimiento
Receptividad a ideas extranjeras
Tecnologías de la Información y la
Comunicación
Ciencia y Tecnología
Mercados Competitivos
Empresa
Financiación
Mercado de Productos
Habilidades
Innovación
Capital Humano
Espíritu emprendedor
Fuente: Adaptado del Departamento de Comercio e Industria del Reino Unido (2002).
Los indicadores se agrupan en cinco grandes áreas que son: la Inversión,
tanto por parte de empresas como gubernamental; la Innovación, que
contempla aspectos como las Tecnologías de la Información y la Comunicación,
el gasto en ciencia y tecnología, la comercialización de la tecnología, la
transferencia de conocimiento o la receptividad a ideas extranjeras; las
habilidades del capital humano; la Empresa, en términos de espíritu
emprendedor y financiación y, por último, los Mercados Competitivos, que
Capítulo 2. La importancia de la competitividad y modelos de medición
44
contempla tanto la competitividad del mercado de bienes como del mercado
laboral. Algunos de los indicadores son de tipo macroeconómico, como la
inversión gubernamental en capital físico o en I+D, los mercados de acciones, la
regulación laboral o el desempleo; sin embargo, la mayoría de los indicadores
están muy relacionados con la forma de operar de las empresas, su capacidad
de innovación, las habilidades del capital humano, e incluso, la actitud
empresarial frente a aspectos como el riesgo.
Esta tendencia a establecer una clara relación entre productividad y
competitividad se ha desarrollado posteriormente por varios autores. Entre
estos autores que consideran la productividad como íntimamente ligada a la
competitividad están M. O´Mahony y B. Van Ark (2003), que en un informe
realizado para la Comisión Europea afirman que la competitividad depende de
la capacidad para alcanzar y mantener un incremento sostenido de la renta real
y el bienestar de las regiones y naciones. Para estos autores la base de la
mejora de la calidad de vida está sobre todo en la productividad ya que el
output de una economía y, por tanto, el PIB per cápita depende por un lado de
la cantidad de trabajo y, por otro, de la productividad que tenga ese trabajo. Por
lo tanto, una vez alcanzado el pleno empleo, la productividad sería el único
camino para seguir mejorando el output.
S. Bravo y E. Gordo (2003) también consideran la productividad como uno de
los factores fundamentales en la competitividad de los países. Las autoras
distinguen entre los que llaman Enfoque Tradicional y el Enfoque Estructural.
Capítulo 2. La importancia de la competitividad y modelos de medición
45
Cuadro 2.3.
Fuente: Adaptado de Bravo y Gordo (2003:74).
El Enfoque Tradicional hace referencia a una definición de competitividad en
la que los factores que se incluyen son básicamente macroeconómicos. En este
enfoque, el Indicador de competitividad sería el saldo comercial y los factores
determinantes para el resultado de este saldo son el tipo de cambio nominal,
así como los costes, precios y rentabilidad relativa.
Según el Enfoque Tradicional la competitividad sería definible como la
capacidad de una economía para mantener o incrementar de manera sostenida
su presencia en los mercados mundiales, lo que implica una concepción de la
competitividad y el comercio internacional como un juego de suma cero. En este
juego el aumento de las cuotas de participación de un país se realiza a costa de
otros, lo cual podría promover políticas excesivamente proteccionistas o
ENFOQUE TRADICIONAL
ENFOQUE ESTRUCTURAL
- Saldo comercial. - Cuotas de exportación en los
mercados mundiales. - Penetración de las importaciones en
el mercado interno.
- Tipo de cambio nominal. - Costes, precios y rentabilidad
- PIB per cápita y productividad. - Dotación/utilización factores productivos: stocks de capital físico, tecnológico y humano.
- Capacidad de innovar. - Especialización productiva. - Eficiencia en el funcionamiento de
los mercados. - Características de la organización
empresarial.
Factores determinantes Indicadores de comportamiento (resultados)
Indicadores de competitividad
Capítulo 2. La importancia de la competitividad y modelos de medición
46
devaluaciones de los tipos de cambio con el objeto de conseguir mayores
exportaciones y evitar la entrada masiva de productos importados. Este tipo de
medidas pueden funcionar a corto plazo pero, en opinión de las autoras,
podrían tener efectos negativos a medio y largo plazo.
Ellas argumentan que el concepto más reciente de competitividad implica una
perspectiva de largo plazo que como puede observarse en el Cuadro 2.3.,
está vinculado a los factores condicionantes de la eficiencia productiva.
Para estas autoras bajo el Enfoque Estructural los indicadores de
competitividad serían el PIB per cápita y la productividad, lo que permite que
entre los factores determinantes de la misma tengan cabida aspectos de tipo
microeconómico, como las características de la organización empresarial o su
capacidad de innovar.
B. Gardiner et al. (2004) desarrollan un modelo piramidal de competitividad
regional. En este modelo, la competitividad regional se mide en términos de
Producto Regional Bruto, donde la productividad laboral y el empleo son los
factores determinantes en la misma. Como se observa en la Figura 2.1. las
fuentes de competitividad las determinan una serie de elementos relacionados
con el entorno económico, social e institucional así como con la actividad
empresarial. Todo ello genera unas cifras de empleo y productividad que son
los que determinan el Producto Regional Bruto al que los autores llaman la
competitividad resultante. Este Producto Regional Bruto es el que determina el
bienestar de la región y con ello el crecimiento económico de la misma. Por
Capítulo 2. La importancia de la competitividad y modelos de medición
47
tanto, los autores siguen una noción de competitividad en la que influyen tanto
factores macroeconómicos como microeconómicos y en la que la productividad
es uno de los factores más relevantes para favorecer a una región.
Figura 2.1.
Determinantes de la competitividad regional
Fuente: Adaptado de Gardiner et al. (2004).
M. Porter (2004) también considera que los conceptos de competitividad y
productividad están íntimamente ligados. Para él la competitividad está
determinada por la productividad con que una nación, región o cluster utiliza sus
recursos humanos, de capital y naturales. Considera que la productividad es el
valor de los bienes y servicios producidos por cada unidad de recursos
Capítulo 2. La importancia de la competitividad y modelos de medición
48
naturales, humanos y de capital, por lo que depende tanto del valor del producto
o servicio como de la eficiencia con que se producen. En consecuencia, para M.
Porter la productividad, como factor determinante de la competitividad, es la
que, en último término, determina la calidad de vida de una región o país y es
la fuente de prosperidad de esa área geográfica.
Para argumentar la importancia de la productividad para una nación, M. Porter
hace referencia a los conceptos de Prosperidad Heredada y Prosperidad
Creada. En el primer caso, la prosperidad se deriva de la venta de los recursos
naturales o territoriales heredados y, por tanto, es una prosperidad limitada ya
que los recursos en los que se basa son también limitados.
Frente a esto, la Prosperidad Creada deriva de la capacidad para crear
productos y servicios con valor añadido y para lograr esto son factores
fundamentales la productividad y la capacidad de innovación de las empresas.
En este modelo es donde la prosperidad puede ser ilimitada y las empresas se
convierten en los principales actores de la economía y, según el autor, en la
base fundamental de un crecimiento económico sostenible.
Los conceptos de Prosperidad Heredada y Prosperidad Creada de Porter
tienen semejanza con lo que M. Kitson et al. (2004) y el Banco de España
(2004) llaman la evolución del concepto de competitividad desde la ventaja
comparativa hasta la ventaja competitiva. La idea ricardiana de ventaja
comparativa asume que los países, mediante la utilización de los recursos de
que disponen, pueden beneficiarse del comercio incluso sin tener una ventaja
Capítulo 2. La importancia de la competitividad y modelos de medición
49
absoluta4. De esta forma, el comercio estaría reflejando simplemente la
diferencia en recursos (laborales, naturales y de capital)5. En esta misma línea,
el modelo de Herckscher y Ohlin argumenta que las ventajas comparativas
entre países surgen de las diferencias en las dotaciones de factores (Ohlin,
1933).
Frente a la idea de David Ricardo, M. Kitson et al. (2004) no consideran
suficiente la disponibilidad de recursos para explicar la posición competitiva de
un país; de hecho, los países pueden desarrollar y mejorar su ventaja
competitiva utilizando esos recursos de la forma más eficiente posible. Por
ejemplo, un mismo número de trabajadores puede ser mucho más eficiente que
otro si tienen mejor formación académica y profesional, disponen de recursos
tecnológicos más avanzados o cuentan con una mejor planificación. Por lo
tanto, desde este punto de vista lo importante no son los recursos que se
tengan, sino el uso que se haga de ellos.
El Banco de España (2004) también hace referencia expresa a esta evolución
del concepto de competitividad desde la ventaja comparativa a la ventaja
competitiva a la que consideran la capacidad de un país para añadir valor a sus
recursos integrando, de forma efectiva y eficiente, los factores productivos,
sociales e institucionales de que dispone y consiguiendo, de esta forma,
mantener su presencia en los mercados.
4 La idea de ventaja absoluta fue expuesta por Adam Smith en 1776 en su obra An Inquiry into the Nature and Causes of the Wealth of Nations, y consiste en la habilidad de un país frente a otro para producir más productos o servicios utilizando los mismos recursos. 5 El economista británico David Ricardo (1772-1823) fue el precursor de la idea de la ventaja comparativa. Por su gran repercusión en la teoría económica las ideas de David Ricardo han sido recogidas en diversas publicaciones, como Ricardo, D. (1973).
Capítulo 2. La importancia de la competitividad y modelos de medición
50
Como se puede observar, los autores que incorporan a la definición de
competitividad tanto factores macroeconómicos como microeconómicos son
cada vez más y han cobrado relevancia, así como los que consideran el
concepto de productividad como un factor fundamental para medir la
competitividad. Evidentemente, este tipo de definiciones proporcionan una
visión de la competitividad más completa e integradora que las que se basan
únicamente en uno o varios factores macroeconómicos y permiten analizar de
forma global los efectos que la competitividad puede tener sobre el crecimiento
y desarrollo de una región o país.
2.2. Concepto de competitividad en la actualidad
En definitiva, se observa que si bien no existe unanimidad en cuanto a qué es
la competitividad y qué aspectos la componen sí se puede afirmar que hay una
tendencia generalizada hacia un concepto cada vez más completo de
competitividad, en el que las definiciones y formulaciones de la competitividad
tienden a incluir tanto aspectos macroeconómicos como microeconómicos.
La noción tradicional de competitividad se equiparaba a la cuota de un país en
el mercado internacional y estaba ligada básicamente a aspectos de tipo
macroeconómico como las exportaciones o los tipos de cambio. Esta noción se
ha ido ampliando para incluir aspectos microeconómicos que influyen en la
eficiencia de las empresas, como la diferenciación de productos, la innovación,
la tecnología o la organización. La productividad es otro de los aspectos que
Capítulo 2. La importancia de la competitividad y modelos de medición
51
también se ha ido relacionado cada vez más estrechamente con la
competitividad.
3. MODELOS EMPÍRICOS DE MEDICIÓN DE LA COMPETITIVIDAD
Los autores que han analizado el concepto de competitividad no han aportado
generalmente modelos de medición, sino que han utilizado la propia definición
de competitividad como indicador de la misma. Por ejemplo, los autores que
siguen una definición puramente macroeconómica de la competitividad utilizan
como indicador de competitividad algunas variables, tales como el saldo de
exportaciones o la participación en un mercado o industria. Los autores que
siguen definiciones de competitividad en las que se incluyen tanto variables
microeconómicas como macroeconómicas utilizan indicadores como la
productividad o el PIB per Cápita. Los indicadores utilizados no son, sin
embargo, modelos de medición integrados y sistemáticos.
En la actualidad existen dos estudios muy reconocidos que sí proponen
modelos empíricos de medición de la competitividad: el Informe de
Competitividad Global (Global Competitiveness Report), publicado por el Foro
Económico Mundial (World Economic Forum) y el World Competitiveness
Yearbook, publicado por el International Institute for Management
Development (IMD). Ambos informes se publican con carácter anual y se basan
en encuestas realizadas a ejecutivos en todos los países incluidos en el análisis
Capítulo 2. La importancia de la competitividad y modelos de medición
52
y en datos publicados por diversas instituciones, como el Banco Mundial, el
Fondo Monetario Internacional o las Naciones Unidas6.
Aunque existen diferencias significativas entre ambos estudios en cuanto al
número de países incluidos, el peso de los datos publicados frente a las
respuestas de las encuestas, el número de variables contempladas y la
metodología general empleada, ambas instituciones coinciden al considerar que
la competitividad de los países depende de múltiples factores que deben ser
contemplados a la hora de evaluar la capacidad de dichos países para
mantener un crecimiento sostenido a medio y largo plazo.
Para exponer con más detalle estos modelos de medición resulta conveniente
analizar las metodologías utilizadas por ambas instituciones, el concepto de
competitividad que utilizan y los países y variables incluidos en la elaboración
de sus índices.
3.1. Mediciones del Foro Económico Mundial
El Foro Económico Mundial (2006) entiende la competitividad de una nación
como "el conjunto de factores, políticas e instituciones que determinan la
productividad. La mejora de la productividad, entendida como el mejor uso de
los factores y recursos disponibles, es lo que determina la rentabilidad de las
inversiones, que a su vez determina el crecimiento agregado de una
economía" (2006:xiii).
6 El Informe de Competitividad Global cubre más de 130 países y el World Competitiveness Yearbook incluye 55 países de todas las áreas geográficas.
Capítulo 2. La importancia de la competitividad y modelos de medición
53
El Foro Económico Mundial publica anualmente el Informe de Competitividad
Global (Global Competitiveness Report) en el que analiza la competitividad de
más de 130 países (el Anexo 1 muestra una relación de los países incluidos en
el estudio). Para su elaboración utilizan tanto datos publicados por instituciones
de reconocido prestigio (como el Fondo Monetario Internacional o el Banco
Mundial) como en encuestas realizadas a empresarios y líderes de opinión en
los respectivos países incluidos en el informe, lo que lo convierte en uno de los
trabajos más exhaustivos y relevantes en relación con el análisis de la
competitividad ya que en él se ofrece una visión consistente y sistemática de la
situación y de las perspectivas de los países analizados. Para realizar esas
perspectivas se calculan dos índices: el Índice de Competitividad Global (ICG) y
el Índice de Competitividad de los Negocios.
3.1.1. El Índice de Competitividad Global (ICG)
El Índice de Competitividad Global (ICG) selecciona 112 factores7 que
influyen en la competitividad de los países y los agrupan en nueve pilares.
Ninguno de ellos por sí solo puede asegurar la competitividad pero juntos dan
una visión completa e integrada de los aspectos críticos que, en opinión del
Foro Económico Mundial favorecen la misma. El Cuadro 2.4. muestra todas las
variables incluidas en el Índice agrupadas según el pilar al que pertenecen.
7 De las variables utilizadas en la elaboración del ICG, sólo 23 se obtienen a través de datos publicados, el resto proviene de la Encuesta Ejecutiva que el Foro Económico Mundial realiza a empresarios y líderes de opinión en cada uno de los países incluidos en el estudio.
Capítulo 2. La importancia de la competitividad y modelos de medición
54
Cuadro 2.4.
Composición del Índice de Competitividad Global
1º Pilar: INSTITUCIONES
A. Instituciones públicas.1. Derechos de propiedad.Derechos de propiedad.2. Ética y corrupción.Desviac ión de fondos públicos.Confianza pública en los políticos.3. Influencias.Independencia del poder judicial.Favoritismo en decisiones de funcionarios públicos.4. Ineficiencia gubernamental.Gasto público.Requisitos administrativos.5. Seguridad.Costes empresariales del terrorismo.Fiabilidad de los servicios policiales .Coste empresarial de la violencia.Crimen organizado.
B. Instituciones privadas.1. Ética empresarial.Comportamiento ético de las empresas.2. Responsabilidad.Eficacia de los Consejos de Administración.Protección de los intereses de acc ionistas minoritarios.Fortaleza de los estándares de auditoria y contabilidad.
2º Pilar: INFRAESTRUCTURAS.Calidad de las infraestructuras.Desarrollo de la infraestruc tura ferroviaria.Calidad de las infraes tructuras portuarias.Calidad de las infraes tructuras de transporte aéreo.Calidad del suministro eléctrico.Infraestructura de fax y teléfono.
3º Pilar: MACROECONOMÍA.Superávit/deficit gubernamental.Índice de ahorro nac ional.Inflación.Diferencial de tipos de interés.Deuda pública.Tipo de cambio efec tivo.
4º Pilar: SANIDAD Y EDUCACIÓN PRIMARIA.
A. Salud.Impacto de la malaria en los negocios .Impacto de la tuberculosis en los negocios.Impacto del SIDA en los negocios.Mortalidad infantil.Expectativas de vida.Prevalencia de la tuberculosis.Prevalencia de la malaria.Prevalencia del SIDA.
B. Educación primaria.Tasa de escolarizac ión en educación primaria.
Fuente: Adaptado del Foro Económico Mundial (2006).
Capítulo 2. La importancia de la competitividad y modelos de medición
55
Cuadro 2.4.
Composición del Índice de Competitividad Global 5º Pilar: EDUCACIÓN SUPERIOR Y FORMACIÓN.
A. Cantidad de educación.Tasa de escolarización en educación secundaria.Tasa de escolarización en educación superior.B. Calidad de la educación.Calidad del sistema educativo.Calidad de la enseñanza de ciencias y matemáticas.Calidad de las escuelas de negocios.C. Formación.Disponibilidad local de servicios especializados en investigación y formación. Medida de formación del staff.Calidad de las escuelas públicas.
6º Pilar: EFICIENCIA DEL MERCADO.
A. Mercado de bienes: Distorsiones, competitividad y dimensiones.1. Distorsiones.Coste de la política agrícola.Eficiencia del marco legal.Efecto de los impuestos.Número de procedimientos requeridos para empezar un negocio.Tiempo requerido para comenzar un negocio.2. Competitividad.Intensidad de la competencia local.Política antitrust.Importaciones.Barreras comerciales.Prevalencia de la propiedad extranjera.3. Dimensiones.PIB-exportaciones+importaciones.Exportaciones.B. Mercado laboral: Flexibilidad y eficiencia.1. Flexibilidad.Prácticas de contrataciones y despidos.Flexibilidad en la determinación de salarios.Cooperación en las relaciones empleador-empleado.2. Eficiencia.Profesionalidad de la gestión. Salario y productividad.Fuga de cerebros.Empleo de la mujer en el sector privado.3. Mercados financieros: Sofisticación y apertura.Sofisticación de los mercados financieros.Facilidad de acceso a los bancos.Disponibilidad de capital riesgo.Solidez de los bancos.Acceso a mercados de capitales.
Fuente: Adaptado del Foro Económico Mundial (2006).
Capítulo 2. La importancia de la competitividad y modelos de medición
56
Cuadro 2.4.
Composición del Índice de Competitividad Global
7º Pilar: PREPARACIÓN TECNOLÓGICA.Preparación tecnológica.absorción de tecnología por las empresas.Leyes relativas a TIC.Inversión extranjera directa y transferencia tecnológica.Teléfonos móviles.Usuarios de Internet.Ordenadores personales.
8º Pilar: SOFISTICACIÓN DE LOS NEGOCIOS.A. Redes e Industrias relacionadas.Cantidad de proveedores locales.Calidad de los proveedores locales.B. Sofisticación de las estrategias y operaciones de las empresas.Sofisticación de los procesos productivos.Sofisticación del marketing.Control local de la distribución internacional. Delegación de autoridad.Naturaleza de la ventaja competitiva.Presencia global en la cadena de valor.
9º Pilar: INNOVACIÓN.Calidad de las instituciones de investigación. Gasto empresarial en innovación y desarrollo.Colaboración en investigación universidad e industria.Tecnología avanzada proporcionada por el Gobierno.Disponibilidad de científicos e ingenieros .Patentes.Protección de la propiedad intelectual.Capacidad de innovación.
Fuente: Adaptado del Foro Económico Mundial (2006).
Capítulo 2. La importancia de la competitividad y modelos de medición
57
Cada uno de los pilares del Índice de Competitividad Global trata de reflejar los
principales factores que influyen en la competitividad de un país, en concreto:
1º Pilar. Instituciones.
El Foro Económico Mundial (2006: 6) entiende por instituciones “el sistema de
reglas que determina los incentivos y define la forma en la que los agentes
económicos interactúan con la economía. El marco institucional tiene una gran
importancia en la competitividad y el crecimiento. Juega un papel central en la
forma en que la sociedad distribuye los beneficios, soporta los costes del
desarrollo de estrategias y políticas, y tiene relación con las decisiones de
inversión y con la organización de la producción”.
Se trata de evaluar la transparencia y eficiencia del sector público en su
relación con los negocios, considerando aspectos que permiten la actuación
eficaz de las empresas, como la regulación de los derechos de propiedad, el
favoritismo en decisiones de funcionarios públicos o la seguridad. La valoración
de estos factores se obtiene mediante los resultados obtenidos en la Encuesta
Ejecutiva de Opinión en las preguntas relativas a este pilar.
El pilar de Instituciones no sólo hace referencia a las instituciones de carácter
público sino también a las privadas, para recoger aspectos tan relevantes como
la ética o la responsabilidad social corporativa en los que las empresas, como
actoras principales del mundo de los negocios, juegan un papel fundamental.
Capítulo 2. La importancia de la competitividad y modelos de medición
58
2º Pilar. Infraestructuras.
Este segundo pilar se centra en tres componentes: energía, transporte y
servicios de telecomunicaciones. Su disponibilidad reduce los costes
operacionales de los negocios e incrementa la eficiencia y productividad
general. La valoración de estos factores se obtiene mediante los resultados
obtenidos en la Encuesta Ejecutiva de Opinión referidos a la calidad de las
infraestructuras. En dicha encuesta se pregunta a empresarios y líderes de
opinión cómo valoran las infraestructuras de su país.
3º Pilar. Macroeconomía.
El pilar de Macroeconomía agrupa un número de distintas variables que
afectan a la estabilidad macroeconómica de los países, tales como el
déficit/superávit gubernamental, el índice de ahorro nacional, la deuda pública,
los tipos de cambio, los tipos de interés o la tasa de variación de la inflación.
Todos los valores de las variables incluidas en este pilar están basadas en
datos publicados por el Fondo Monetario Internacional y, por tanto, no
provienen de la Encuesta Ejecutiva.
El Foro Económico Mundial considera que la inclusión de un pilar dedicado a
la macroeconomía en el Índice de Competitividad Global está avalada por el
amplio reconocimiento internacional de la importancia de la estabilidad
macroeconómica en la consecución de un crecimiento económico sostenido
(Fisher, 1993; Acemoglu et al. 2003).
Capítulo 2. La importancia de la competitividad y modelos de medición
59
4º Pilar. Sanidad y Educación Primaria.
El cuarto pilar abarca fundamentalmente variables relativas a la salud y a la
prevalencia de determinadas enfermedades en los distintos países e incluye
una variable que indica la tasa de escolarización de la población. Estos son
aspectos muy básicos en los que los países desarrollados obtienen buenos
resultados pero no ocurre lo mismo en países menos desarrollados según el
Índice de Competitividad. La falta de salud y de educación básica de la fuerza
laboral en países menos desarrollados afecta directamente a su competitividad
e implica importantes costes sociales ya que limita las posibilidades de los
ciudadanos para participar en las actividades de la sociedad civil y en la vida
profesional.
5º Pilar. Educación Superior y Formación
Este pilar tiene en cuenta no sólo las tasas de escolarización en educación
secundaria y superior sino también la calidad del sistema educativo en general
y la formación especializada. El Índice de Competitividad Global trata de
recoger con estas variables la cualificación de la fuerza laboral de un país y su
capacidad para adaptarse rápidamente a un entorno cambiante lo que, en
opinión del Foro Económico Mundial, repercute en la productividad de cada
trabajador y en la competitividad del país. Los datos correspondientes a estas
variables se obtienen a través de la Encuesta Ejecutiva y de fuentes como el
Banco Mundial o la UNESCO.
Capítulo 2. La importancia de la competitividad y modelos de medición
60
6º Pilar. Eficiencia de mercado.
El sexto pilar evalúa la eficiencia de los mercados de bienes, laboral y
financiero.
En el caso del mercado de bienes, el Foro Económico Mundial considera que
mantener una tasa adecuada de competencia en bienes y servicios evitando
monopolios y tratar de minimizar las trabas administrativas y distorsiones del
mercado son los aspectos principales para asegurar que las transacciones se
realizan en tiempos razonables, a precios competitivos y en igualdad de
oportunidades, mejorando por tanto la eficiencia del mercado.
Para los mercados laborales la eficiencia se mide en aspectos como: la
profesionalidad en la gestión; la tasa de empleo de la mujer en el sector
privado; la fuga de cerebros; la flexibilidad en cuanto a contrataciones y
despidos y determinación de salarios o la colaboración entre trabajadores y
empresas.
Finalmente, la eficiencia en los mercados financieros asegura que el capital
está disponible tanto en el sistema bancario como de mercado de capitales o
capital riesgo y que los mercados financieros son sólidos y sofisticados. Para
ello mide aspectos como: solidez de la banca; acceso a la bolsa local; facilidad
de acceso a préstamos o sofisticación de los mercados financieros.
Capítulo 2. La importancia de la competitividad y modelos de medición
61
Los datos correspondientes a estas variables proceden de la Encuesta
ejecutiva y de fuentes como el Banco Mundial, el Fondo Monetario Internacional
o Naciones Unidas.
7º Pilar. Preparación Tecnológica.
En este pilar se mide la disponibilidad de Tecnologías de la Información y la
Comunicación (TIC) en un país, así como la capacidad de absorber tecnología
ya sea de origen local o extranjero.
La influencia de la preparación tecnológica, entendida tanto en lo referente a
la disponibilidad de recursos como a la capacidad de aprovechamiento de los
mismos, en la productividad y la competitividad ha sido estudiada y reconocida
por numerosos autores (Krueger, 1993; Baldwin et al., 1995; Doms et al., 1997;
Scarpetta et al., 2002; Dorgan y Dowdy, 2004; Porter y Stern, 2004). Estos
autores han demostrado empíricamente cómo las exportaciones de productos
de alta tecnología mejoran la competitividad de los países, cómo el uso de la
tecnología en la educación aumenta el rendimiento de las personas y, por tanto,
incide en la productividad del país, o cómo las fábricas más intensivas en
tecnología obtienen mejores resultados. En consecuencia, existen evidencias
de que las diferencias tecnológicas explican una parte relevante de las
variaciones en productividad de los distintos países, sobre todo en los últimos
años en los que el uso de las TIC se ha extendido de forma considerable
internacionalmente.
Capítulo 2. La importancia de la competitividad y modelos de medición
62
Los datos necesarios para este pilar se han obtenido a través de la Encuesta
Ejecutiva y de la International Telecommunication Union.
8º Pilar. Sofisticación de los Negocios.
El octavo pilar valora la sofisticación en los negocios de las compañías de una
economía, en términos de los procesos de producción que realizan (si son
intensivos en trabajo o en tecnología), de las técnicas de marketing que utilizan
(si son básicas o emplean herramientas muy complejas), o del tipo de ventaja
competitiva que persiguen (si es debida al uso de recursos naturales
disponibles o si responde a la aportación de productos y servicios muy
diferenciados).
También se intenta reflejar en este pilar la existencia de clusters ya que como
argumenta el Foro Económico Mundial (2006:11): “la experiencia ha
demostrado que el impulso a la concentración de empresas así como de
suministradores y proveedores de servicios activos en el mismo sector
(clustering) puede mejorar significativamente el rendimiento de una empresa. La
proximidad geográfica favorece la cooperación horizontal y vertical entre
empresas, que a su vez mejora la productividad corporativa”.
9º Pilar. Innovación.
Este pilar valora aspectos relacionados con la innovación tanto desde el
punto de vista gubernamental (por ejemplo, la protección de la propiedad
intelectual o las inversiones del gobierno en tecnologías avanzadas) como
desde el punto de vista de las empresas donde se analiza la colaboración entre
Capítulo 2. La importancia de la competitividad y modelos de medición
63
empresas e instituciones de investigación o la calidad de las instituciones de
investigación científicas. En este sentido, se trata de valorar si se desarrolla un
entorno en el que se promueve la innovación.
El Foro Económico Mundial considera que este pilar es especialmente
importante para aquellos países que hayan alcanzado la frontera de la alta
tecnología. Mientras que los países menos avanzados todavía pueden mejorar
su productividad realizando mejoras incrementales en otras áreas más básicas
como pueden ser las de salud, educación primaria o infraestructuras, para
países más desarrollados la innovación se convierte en uno de los principales
motores del crecimiento y competitividad futura.
Como se ha comentado con anterioridad, el Índice de Competitividad Global
tiene en cuenta que no todos los factores afectan por igual a los distintos
países. Su efecto varía en función, entre otras cosas, del grado de desarrollo
del país. Por ejemplo, aspectos que pueden contribuir a la mejora de la
productividad de un país poco desarrollado, como el desarrollo de
infraestructuras básicas o la contención del impacto de determinadas
enfermedades, no son suficientes para fomentar un desarrollo en países muy
desarrollados. Dadas estas diferencias, el Foro Económico Mundial clasifica a
los países en tres grupos de desarrollo en función del PIB per cápita ajustado
según el poder de compra y, a cada uno de los grupos, se le atribuyen
diferentes pesos a los pilares anteriormente mencionados:
Capítulo 2. La importancia de la competitividad y modelos de medición
64
- Los países incluidos en el Grupo 1, los menos desarrollados, compiten
principalmente basándose en una fuerza laboral primaria no cualificada y en
recursos naturales. Para este grupo de países es especialmente importante
contar con un marco macroeconómico estable (pilar 1), un buen
funcionamiento de las instituciones públicas y privadas (pilar 2),
infraestructuras adecuadas (pilar 3) y salud (pilar 4), por lo que estos son los
pilares que reciben un mayor peso. Algunos de los países de este grupo son
Angola, Chad, Etiopía, Egipto, India, Marruecos, Nicaragua, Nepal, Paraguay
o Vietnam.
- Los países pertenecientes al grupo intermedio de desarrollo, el Grupo 2,
compiten desarrollando procesos de producción más eficientes e
incrementando la calidad de los productos. Para estos países los aspectos
más relevantes son la educación superior y formación (pilar 5), la eficiencia de
los mercados (pilar 6) y la preparación tecnológica (pilar 7) por lo que estos
tres pilares son los que reciben un mayor peso. Dentro de este grupo se
encuentran países como Argentina, Brasil, Costa Rica, Lituania, Latvia,
Malasia, Polonia, Rumania o Sudáfrica.
- Por último, el Foro Económico Mundial considera que los países que
pertenecen al Grupo 3, los de mayor desarrollo, deben competir también a
través de la innovación (pilar 9) para producir bienes nuevos y diferentes
usando los procesos de producción más sofisticados (pilar 8). Por ello estos
pilares tienen un mayor peso para los países pertenecientes a este grupo que
para el resto de países. Aquí son destacables países como Suecia, Suiza,
Capítulo 2. La importancia de la competitividad y modelos de medición
65
Dinamarca, Alemania, Francia, Singapur, Reino Unido, Estados Unidos o
España.
El Cuadro 2.5. muestra el criterio de división de los países en grupos y las
ponderaciones que se les dan a los distintos pilares en cada uno de los grupos.
Cuadro 2.5.
Clasificación de países y peso de los pilares
Grupos PIB per Cápita* Pilares 1 a 4 Pilares 5 a 7 Pilares 8 y 9 Grupo 1 Menos de 3.000 $ 50% 40% 10%Grupo 2 Entre 3.000 y 17.000 $ 40% 50% 10%Grupo 3 Más de 17.000 $ 30% 40% 30%
Peso de cada pilar
* Igualdad de poder de compra (purchasing power parity, PPP)
Fuente: Adaptado del Foro Económico Mundial (2006)
El Foro Económico Mundial reconoce las diferencias entre países y las
incorpora a su Índice de Competitividad Global, lo que permite disponer de un
índice mucho más adaptado a las condiciones específicas de los países dado
que si bien todos los pilares son importantes para la competitividad y los países
deben tratar de tener valoraciones positivas en todos ellos, la importancia de
cada pilar y de las variables que contiene es diferente según el grado de
desarrollo de los países.
3.1.2. El Índice de Competitividad de los Negocios
El Índice de Competitividad de los Negocios (Business Competitiveness Index,
o BCI) es el segundo de los índices de competitividad que contempla el Informe
de Competitividad Global del Foro Económico Mundial.
Capítulo 2. La importancia de la competitividad y modelos de medición
66
Este índice ha sido desarrollado por el Institute for Strategy and
Competitiveness de la Harvard Business School. Coincide con el Índice de
Competitividad Global en la hipótesis de que la competitividad y la riqueza que
pueda crear un país tienen su base en la productividad con la que utiliza sus
recursos humanos, de capital y naturales para producir bienes y servicios; sin
embargo, aunque ambos índices consideran que en la competitividad influyen
tanto aspectos macroeconómicos como microeconómicos en el enfoque del BCI
se pone más énfasis en aspectos de tipo microeconómico y atribuye un mayor
peso a las empresas como creadoras de riqueza en una economía.
Según este enfoque es necesario mantener unas condiciones adecuadas en
términos macroeconómicos e institucionales pero, en realidad, son las
condiciones microeconómicas las que transforman en prosperidad las
oportunidades creadas por el contexto macroeconómico, político, legal y social,
así como por los recursos naturales y la localización. Es decir, una buena
localización geográfica, así como la disponibilidad de abundantes recursos
naturales pueden ser una fuente de riqueza pero para asegurar que a medio y
largo plazo un país sea competitivo no basta con ello; es necesario que se den
unas condiciones de estabilidad económicas, políticas y sociales pero, sobre
todo, se necesitan empresas sofisticadas que puedan competir en un entorno
microeconómico adecuado.
Capítulo 2. La importancia de la competitividad y modelos de medición
67
Figura 2.2.
Determinantes de la Competitividad
Fuente: Foro Económico Mundial (2006: 53).
Tal y como se aprecia en la Figura 2.2, el contexto macroeconómico, político,
legal y social del país constituyen un marco de referencia y es una condición
necesaria para la competitividad pero no suficiente: es necesario considerar
además la capacidad microeconómica de la economía que está determinada
por la sofisticación de las operaciones y estrategias de las empresas y la
calidad del entorno de negocios. Se explica a continuación a qué se refiere
cada uno de estos aspectos:
a) Sofisticación de las operaciones y estrategias de las empresas.
Según el Índice de Competitividad de los Negocios la competitividad de las
compañías depende de la sofisticación de sus procesos productivos y de su
Sofisticación de las operaciones y estrategias de las empresas
Calidad del entorno microeconómico de negocios
Contexto macroeconómico, político, legal y social
Capacidad microeconómica
Sofisticación de las operaciones y estrategias de las empresas
Calidad del entorno microeconómico de negocios
Contexto macroeconómico, político, legal y social
Capacidad microeconómica
Capítulo 2. La importancia de la competitividad y modelos de medición
68
capacidad para seguir estrategias que impliquen posicionamientos diferentes y
formas innovadoras de crear productos y servicios.
Algunas de las variables que determinan este grado de sofisticación son: la
profesionalidad de la gestión; la búsqueda de ventajas competitivas basadas
en la calidad; la inversión empresarial en investigación y desarrollo o su
capacidad de innovación. Este tipo de variables reflejan empresas que no
buscan competir de manera básica, beneficiándose únicamente de recursos a
bajo coste (por ejemplo materias primas o mano de obra) sino que tratan de
competir aportando productos y servicios de mayor valor añadido.
b) Calidad del entorno microeconómico de negocios.
Según el Foro Económico Mundial, el entorno en el que compiten las
empresas afecta de forma significativa a sus capacidades y a las opciones
estratégicas que tienen.
El Ìndice de Competitividad de los Negocios utiliza para valorar el entorno de
negocios el Modelo del Diamante de Porter (2004) que relaciona el entorno
microeconómico de negocios con: las condiciones de los factores, el contexto
para la estrategia y rivalidad de las empresas, la calidad de la demanda y la
presencia de empresas relacionadas y de apoyo (véase figura 2.3)
Capítulo 2. La importancia de la competitividad y modelos de medición
69
Figura 2.3.
El modelo del Diamante
Fuente: Adaptado de Porter (2004).
De forma breve, se describen a continuación cada uno de los vértices del
diamante:
1. Condiciones de los factores.
Se refiere a los recursos básicos para la operativa de las empresas: grado de
formación y habilidades de la fuerza laboral, comunicaciones, infraestructura
física y administrativa, sofisticación de los mercados de capitales, disponibilidad
y competitividad de la financiación, acceso a capital riesgo y condiciones para el
desarrollo y adecuada asimilación de los avances científicos y tecnológicos.
Contexto de Estrategiay Rivalidad
de Empresas
Contexto de Estrategiay Rivalidad
de Empresas
Condiciones delos Factores
Condiciones de los Factores
Condiciones de la Demanda
Condiciones de la Demanda
Industrias de Apoyo y
Relacionadas
Industrias de Apoyo y
Relacionadas
Contexto de Estrategiay Rivalidad
de Empresas
Contexto de Estrategiay Rivalidad
de Empresas
Condiciones delos Factores
Condiciones de los Factores
Condiciones de la Demanda
Condiciones de la Demanda
Industrias de Apoyo y
Relacionadas
Industrias de Apoyo y
Relacionadas
Capítulo 2. La importancia de la competitividad y modelos de medición
70
2. Condiciones de la demanda
Según los autores del índice la importancia de este aspecto crece a medida
que progresa la economía. La sofisticación de los clientes locales ejerce presión
sobre las compañías locales para que produzcan bienes y servicios superiores
y hacen que estén más preparadas para atender las necesidades futuras, dado
que están más acostumbradas a satisfacer una demanda exigente y cambiante.
El papel de los gobiernos también se deja sentir aquí. A través de las
regulaciones en áreas como energía, seguridad o impacto medioambiental
influyen sobre las características de los productos y servicios y sobre las
condiciones para su producción, influyendo por tanto en la demanda final.
3. Industrias de apoyo y relacionadas
Junto a la existencia de proveedores los autores del Índice también
consideran que el acceso a empresas e instituciones que proporcionen
formación especializada, educación, información, investigación o apoyo técnico
es relevante para la mejora del entorno de negocios; además, consideran
beneficioso el hecho de que estas empresas e instituciones estén agrupadas
formando clusters8.
Aunque en el capítulo 3 se analizará más detenidamente el concepto de
cluster y se profundizará en las ventajas que se atribuyen a los mismos, se
8 La definición de clusters que utiliza el Foro Económico Mundial en el contexto del Índice de Competitividad de los Negocios es la de agrupaciones geográficas de empresas, proveedores e instituciones relacionadas en un campo determinado, que están unidas por externalidades y complementariedades de varios tipos (por ejemplo, el cluster del cine en Hollywood o el de tecnología en Silicon Valley).
Capítulo 2. La importancia de la competitividad y modelos de medición
71
puede destacar brevemente que el Índice de Competitividad de los Negocios
considera que hay una relación entre la existencia de clusters y las tasas de
productividad, eficiencia e innovación, dado que los clusters implican ciertos
beneficios para las empresas que operan en ellos, por ejemplo: un acceso más
eficiente a inputs especializados, servicios, empleados, información,
instituciones y bienes públicos; hay más facilidad de coordinación y transacción
entre compañías; mayor rapidez en la difusión de las mejores prácticas;
constante comparación del desempeño de cada empresa lo que supone más
incentivo para mejorar respecto a los competidores locales y mayores
posibilidades para percibir oportunidades de innovación dada la presencia de
múltiples proveedores e instituciones para cooperar en la creación de
conocimiento.
4. Contexto de estrategia y rivalidad de empresas.
Hay varios factores que influyen en este contexto:
Apertura de los mercados, que incluye aspectos como las barreras
al comercio exterior, las tarifas o los costes administrativos de
creación de empresas.
Regulación gubernamental, especialmente en lo referente a los
mercados de trabajo, capital y productos, así como a subvenciones
que puedan distorsionar la competencia en condiciones de igualdad
Incentivos e impuestos corporativos, sobre todo en lo que afecte a
derechos de propiedad y tecnología, ya que inciden directamente en
la innovación
Capítulo 2. La importancia de la competitividad y modelos de medición
72
Competencia, entendida como el grado de rivalidad en los
mercados que se ve afectado fuertemente por las políticas de
privatizaciones
De todo lo anterior se deduce que las autoridades públicas tienen un
papel importante para garantizar que se den las condiciones necesarias de
competencia que aporten una sana rivalidad a los mercados ya que ellas
son las que a través de regulaciones, impuestos, tarifas o incentivos
pueden condicionar este contexto. No obstante, en el Índice de
Competitividad de los Negocios el papel central lo tienen las empresas ya
que la riqueza se genera en el ámbito microeconómico, debido a la
habilidad de las empresas para generar de modo eficiente productos y
servicios de alto valor añadido. Las autoridades deben actuar sólo para
que las empresas puedan operar en condiciones de máxima competencia
y eficiencia.
Según el Modelo del Diamante casi todo es importante para la competitividad
y todas las dimensiones del entorno de negocios deben ser mejoradas. La
coexistencia de todos estos factores crea un contexto idóneo de competitividad
microeconómico que permite que las empresas alcancen altas cotas de
productividad, impulsando con ello el crecimiento económico sostenido del país.
Teniendo en cuenta todas estas cuestiones en el Índice de Competitividad de
los Negocios se valoran las siguientes variables (cuadro 2.6).
Capítulo 2. La importancia de la competitividad y modelos de medición
73
Cuadro 2.6.
Composición del Índice de Competitividad de los Negocios
I. ESTRATEGIAS Y OPERACIONES DE LAS COMPAÑIASAmplitud de los mercados internacionalesCapacidad de innovaciónGasto empresarial en I+DControl de la distribución internacional Grado de orientación al clienteMedida de compensación por incentivosMedida del marketingMedida de exportacionesMedida de formación del personalNaturaleza de la ventaja competitivaLicencias de tecnología extranjeraSofisticación de los procesos productivosConfianza en la gestión profesionalPresencia completa de la cadena de valorVoluntad de delegar autoridad
II. ENTORNO MICROECONÓMICO DE NEGOCIOS
A. CONDICIONES DE LOS FACTORES1. Infrastructuras fïsicas
Calidad de las infraestructurasDesarrollo de la infraestructura ferroviariaCalidad de las infraestructuras portuariasCalidad de las infraestructuras de transporte aéreoCalidad de la infraestructura de teléfonos/faxCalidad del suministro eléctricoUsuarios de internet (hard data )Teléfonos móviles (hard data )
2. Infrastructuras administrativasConfianza en los servicios policialesIndependencia del poder judicial Eficiencia del marco legalImpacto de pagos ilegales en las políticas de gobiernoCentralización de la política económicaLeyes relativas a TI 3. Recursos humanosCalidad del sistema educativoCalidad de la enseñanza de ciencias y matemáticasCalidad de las escuelas de negociosCooperación en las relaciones empleador-empleado
4. Infraestructura tecnológicaDisponibilidad de científicos e ingenieros Calidad de las instituciones de investigación científica Colaboración para investigación entre universidades y empresas Patentes USA (hard data)
5. Mercados financierosSofisticación de los mercados financierosFácil acceso a préstamosAcceso a la bolsa localDisponibilidad de capital riesgo
Fuente: Adaptado del Foro Económico Mundial (2006).
Capítulo 2. La importancia de la competitividad y modelos de medición
74
Cuadro 2.6.
Composición del Índice de Competitividad de los Negocios
B. CONDICIONES DE DEMANDASofisticación de los compradoresObtención del gobierno de productos de tecnología avanzada Presencia de estándares regulación Exigencia de las normativas medio ambientales
C. INDUSTRIAS DE APOYO Y RELACIONADASCalidad de los proveedores localesCantidad de proveedores localesDisponibilidad local de equipos de procesamientoDisponibilidad local de servicios de investigación y formación
D. CONTEXTO DE ESTRATEGIA Y RIVALIDAD DE LAS EMPRESAS1. Incentivos
Favoritismo en decisiones de funcionarios públicosEficacia de la gestión corporativaProtección de la propiedad intelectualDerechos de propiedad
2. CompetitividadIntensidad de la competencia localEfectividad de la política antimonopolioBarreras arancelariasDominio de mercado
Fuente: Adaptado del Foro Económico Mundial (2006).
El peso de cada variable no se distribuye de forma homogénea sino que se
realiza un procedimiento en dos fases. En primer lugar, se dividen los países en
tres grupos atendiendo a sus cifras de PIB per cápita ajustado por el poder de
compra (véase cuadro 2.7) ya que en el Índice de Competitividad de los
Negocios se considera muy importante tener en cuenta el diferente grado de
desarrollo existente entre los países dado que los retos competitivos a los que
se enfrentan varían.
Capítulo 2. La importancia de la competitividad y modelos de medición
75
Cuadro 2.7.
Clasificación de países
Fuente: Adaptado del Foro Económico Mundial (2006).
En segundo lugar, una vez agrupados los países se estiman los coeficientes
del modelo (el peso que se atribuye a cada variable) mediante regresiones
bivariables realizadas para cada uno de los tres grupos, tomando como
variable dependiente el PIB per cápita ajustado por el poder de compra y como
variable independiente cada una de las variables indicadas en el cuadro 2.6.
Por tanto, cada variable tendrá un peso distinto en el cómputo final del índice y
además ese peso será diferente para cada uno de los tres grupos de países.
Por ejemplo, la variable Leyes relativas a las tecnologías de información tiene
un coeficiente de 0,312 para países del Grupo 1 (como Angola), de 0,360 para
países del Grupo 2 (como Panamá), y de 0,452 para países como España, que
se encuentran en el Grupo 3.
Gracias a este índice se puede medir la competitividad de los países
utilizando tanto variables macroeconómicas como microeconómicas pero
centrándose en los aspectos microeconómicos de la competitividad. Al igual
que el Índice de Competitividad Global, el Índice de Competitividad de los
Negocios tiene en cuenta el grado de desarrollo de los países pero, además,
utiliza métodos estadísticos para calcular el peso de cada una de las variables
Grupo 1 Menor de 4.000 $Grupo 2 De 4.000 a 17.000$Grupo 3 Mayor de 17.000S
PIB per Cápita PPP
Capítulo 2. La importancia de la competitividad y modelos de medición
76
en el cómputo total del índice, en lugar de la mera intuición, por lo que se
consigue una mayor objetividad.
3.2. Medición de la competitividad del International Institute for
Management Development (IMD)
El IMD publica desde 1989 el Anuario de Competitividad Mundial (World
Competitiveness Yearbook) en el que analiza y posiciona en un ranking la
habilidad de los países para crear y mantener un entorno que favorezca la
competitividad de las empresas.
El informe analiza la posición competitiva de 55 países (véase Anexo 2) a
través de datos publicados por organismos internacionales como el Fondo
Monetario Internacional, el Banco Mundial o Naciones Unidas y de una
Encuesta Ejecutiva realizada a empresarios en cada uno de los países. En el
año 2007 obtuvieron 3.700 respuestas.
El Anuario de Competitividad Mundial del IMD analiza más de 300 variables,
aunque sólo 284 se utilizan en la elaboración del ranking de competitividad
(véase cuadro 2.8). El resto de las variables se presentan como información
adicional para utilizarse como referencia. El modelo del IMD divide los factores
de competitividad en cuatro grupos y cada uno de ellos en cinco subgrupos.
De las 284 variables utilizadas en la elaboración del ranking de competitividad
del IMD, 127 corresponden a datos publicados por las instituciones antes
indicadas y las 157 restantes provienen de la Encuesta Ejecutiva.
Capítulo 2. La importancia de la competitividad y modelos de medición
77
Cuadro 2.8.
Composición del Anuario de Competitividad Mundial
1.1. Economía Doméstica. 1.3.Inversiones internacionales.Tamaño. Inversiones. Producto Interior Bruto (PIB). Flujos de inversión directa al exterior.Producto Interior Bruto ajustado por el poder de compra (PPP).
Flujos de inversión en mercados de valores extranjeros.
Consumo de los hogares.Crecimiento de los flujos de inversión en mercados de valores extranjeros.
Gasto público. Entrada de flujos de inversión directa.Formación bruta de capital. Entrada de inversión en mercados de capitales.
Tasa de ahorro .Crecimiento de la entrada de inversión en mercados de capitales.
Diversificación de la economía. Balanza de flujos de inversión.
CrecimientoPosición neta de inversiones en mercados de capitales.
Crecimiento del PIB. Amenaza por la recolocación de producción.Crecimiento del PIB real per cápita. Amenaza por la recolocación de I+D.Crecimiento del consumo de los hogares. Amenaza por la recolocación de servicios.Crecimiento del gasto público. Finanzas.Crecimiento de la formación bruta de capital. Portfolio de activos de inversión.Crecimiento de la tasa de ahorro. Portfolio de pasivos de inversión.Resistencia de la economía a ciclos. 1.4. Empleo.Riqueza. Empleo.PIB per cápita. Crecimiento del empleo.PIB per cápita PPP. Empleo por sector.Consumo de los hogares per cápita. Empleo en el sector público.Gasto público per cápita. Tasa de desempleo.Formación bruta de capital per cápita. Desempleo a largo plazo.Tasa de ahorro per cápita. Desempleo en jóvenes.Previsiones. 1.5. Precios.Previsión de crecimiento del PIB real. Inflación.Previsión de inflación. Indice de coste de vida.Previsión de desempleo. Alquiler de vivienda.Previsión de balanza por cuenta corriente. Alquiler de oficina.1.2.Comercio Internacional.Balanza cuenta corriente.Balanza comercial.Balanza servicios comerciales.Exportaciones de bienes. Crecimiento de las exportaciones de bienes.Exportaciones de servicios comerciales.Porcentaje de exportaciones por sector económico.Importaciones de bienes y servicios comerciales.Porcentaje de importaciones por sector económico.Ratio de comercio/PIB.Exportaciones/Importaciones.Turismo.Tipos de cambio.
1. Desempeño Económico.
Fuente: Adaptado del International Institute for Management Development (2007)
Capítulo 2. La importancia de la competitividad y modelos de medición
78
Cuadro 2.8. (Cont.)
Composición del Anuario de Competitividad Mundial
2. Eficiencia Gubernamental.2.1. Finanzas Públicas. 2.4. Legislación de los negocios.Déficit/Superávit público. Apertura.Deuda del Gobierno. Autoridades de aduanas.Crecimiento de la deuda del Gobierno. Proteccionismo.Deuda nacional del Gobierno central. Contratos del sector público.Deuda extranjera del Gobierno central. Transacciones internacionales.Pagos de interés. Inversores extranjeros.Gestión de las finanzas públicas. Mercados de capitales.Reservas totales. Incentivos de inversión.Gasto general del Gobierno. Competencia y regulaciones.2.2. Política fiscal. Subsidios del Gobierno.Recaudación total de impuestos. Subsidios. Recaudación de impuesto de la renta. Propiedad gubernamental de empresas.Recaudación de impuestos de sociedades. Legislación sobre competencia.Recaudación de impuestos indirectos. Legislación sobre productos y servicios.Recaudación de impuestos sobre la propiedad y capital. Controles de precios.Contribuciones a la Seguridad Social. Economía sumergida.Tasa de impuesto personal. Intensidad de las regulaciones.Tasa de impuestos corporativa. Facilidad para hacer negocios.Tasa de impuestos al consumo. Creación de empresas.Ratio de contribución del empleado a la Seguridad Social. Días para empezar una empresa.Ratio de contribución del empleador a la Seguridad Social. Regulación laboral.Impuestos personales reales. Regulación laboral.Impuestos corporativos reales. Legislación del desempleo.Evasión fiscal. Leyes de inmigración.2.3. Marco Institucional. 2.5. Marco social.Banco Central. Justicia.Tipos interés corto plazo. Seguridad y propiedad privada.Coste de capital. Cohesión social.Diferencial de tipos de interés. Distribución de la renta.Rating de crédito del país. Discriminación.Política del banco central. Mujeeres en Parlamento.Estabilidad de tipo de cambio. Mujeres en posiciones relevantes.Eficiencia estatal. Ratio de renta por sexo.Consistencia de la política gubernamental. Acoso.Marco legal y regulatorio.Adaptabilidad de la política del Gobierno.Decisiones gubernamentales.Partidos políticos.Transparencia.Servicios públicos.Burocracia.Corrupción y sobornos.
Fuente: Adaptado del International Institute for Management Development (2007)
Capítulo 2. La importancia de la competitividad y modelos de medición
79
Cuadro 2.8. (Cont.)
Composición del Anuario de Competitividad Mundial
3. Eficiencia de los Negocios.3.1. Productividad y Eficiencia. 3.3. Finanzas.Productividad general. Eficiencia del sector bancario.Crecimiento de la productividad. Activos del sector bancario.Productividad del trabajo. Crédito.Crecimiento de la productividad del trabajo. Tarjetas en circulación.Productividad de la agricultura. Transacciones de tarjetas.Productividad e la industria. Riesgo de inversión.Productividad de los servicios. Capital riesgo.Grandes corporaciones. Disponibilidad servicios financieros.Mediana y pequeña empresa. Oficinas bancarias.Productividad de las empresas. Regulación bancaria.3.2. Mercado laboral. Riesgo del sistema financiero.Costes. Eficiencia del mercado de capitales.Niveles de retribución. Mercado de capitales.
Coste laboral unitario en el sector de producción. Capitalización del mercado de valores.Retribución en servicios profesionales. Valor negociado en mercado de capitales.Remuneración de directivos. Empresas nacionales cotizadas.Relaciones. Indice del mercado de valores.Jornada laboral. Derechos de los accionistas.Relaciones laborales. Transparencia de las instituciones financieras.Motivación de trabajadores. Gestión Financiera.Conflictos industriales. Flujo de caja.Formación. Deuda corporativa.Disponibilidad/Habilidades. Factoring.Fuerza laboral. 3.4. Prácticas de gestión.Crecimiento de la fuerza laboral. Adaptabilidad de empresas.Empleo tiempo parcial. Etica.Fuerza laboral femenina. Credibilidad de directivos.Fuerza laboral extranjera. Eficiencia supervisora de los Consejos.Fuerza laboral cualificada. Prácticas de auditoría y contabilidad.Habilidades financieras. Valor para el accionista.Capacidad de atraer y retener talento. Satisfacción de clientes.Fuga de talento. Actividad emprendedora.Trabajadores cualificados extranjeros. Responsabilidad social.
Experiencia internacional. Salud, seguridad y preocupación medioambiental.Competencia de los directivos. 3.5. Actitudes y valores.
Actitudes hacia la globalización.Imagen en el exterior.Cultura nacional.Flexibilidad y adaptabilidad.Necesidad de reformas económicas y sociales.Sistemas de valoración.Valores corporativos.
Fuente: Adaptado del International Institute for Management Development (2007)
Capítulo 2. La importancia de la competitividad y modelos de medición
80
Cuadro 2.8. (Cont.)
Composición del Anuario de Competitividad Mundial
4. Infraestructura.4.1. Infraestructura básica. 4.3. Infraestructura científica.Territorio. Gasto total en I+D.Territorio agrícola. Gasto e las empresas en I+D.Urbanización. Personal en I+D.Población. Personal en I+D en empresas.Población menor de 15 años. Investigación básica.Población mayor de 65 años. Licenciaturas en ciencias.Ratio de dependencia. Artículos científicos.Carreteras. Énfasis de las escuelas en ciencias.Ferrocarril. Interés de la juventud en ciencias.Transporte aéreo. Premios Nobel.Calidad del transporte aéreo. Patentes.Infraestructura de distribución. Patentes extranjeras.Transporte de agua. Derechos de propiedad intelectual.Mantenimiento y desarrollo. Investigación científica.Infraestructura energética. 4.4. Salud y Medioambiente.Provisión futura de energía. Gasto en salud.Producción energética. Gasto público en salud.Consumo energético. Infraestructura sanitaria.Intensidad energética. Expectativas de vida.Coste de electricidad para clientes industriales. Expectativas de vida saludable.4.2. Infraestructura tecnológica. Mortalidad infantil.Inversión en telecomunicaciones. Asistencia médica.Líneas fijas de telefonía. Población urbana.Coste llamadas internacionales. Índice de desarrollo humano.Teléfonos móviles. Problemas de salud.Costes de telefonía móvil. Ratio de reciclado de papel y cartón.Tecnología de las comunicaciones. Plantas de tratamientos de aguas residuales.Ordenadores en uso. Emisiones de dióxido de carbono.Usuarios de Internet. Energías renovables.Costes de Internet. Huella ecológica.Suscriptores de banda ancha. Desarrollo sostenible.Costes de banda ancha. Problemas de contaminación.Habilidades de tecnologías de la información. Leyes medioambientales.Cooperación tecnológica. Calidad de vida.Inversiones de los sectores público y privado. 4.5. Educación.Desarrollo y aplicación tecnológica. Gasto público en educación.Fondos para desarrollo tecnológico. Ratio alumno-profesor (educación primaria).Regulación tecnológica. Ratio alumno-profesor (educación secundaria).Exportaciones de alta tecnología. Tasa de escolarización secundaria.Seguridad internet. Educación superior.
Valoración educativa.Sistema educativo.Analfabetismo.Educación económica.Educación literaria.Educación en finanzas.Idiomas.Ingenieros cualificados.Transferencia de conocimientos.
Fuente: Adaptado del International Institute for Management Development (2007)
Capítulo 2. La importancia de la competitividad y modelos de medición
81
En el primer grupo de variables relacionadas con el desempeño económico,
se evalúa la Economía Doméstica en términos macroeconómicos teniendo en
cuenta aspectos como el tamaño de la economía, el crecimiento, la riqueza y
las previsiones; se analizan el comercio y las inversiones internacionales (tanto
los flujos de entrada como de salida) y variables relativas al empleo (por
ejemplo crecimiento del empleo, tasa de desempleo, empleo por sector) y a los
precios (por ejemplo inflación o índice de coste de vida).
Existe un segundo grupo de variables relacionadas con la Eficiencia
Gubernamental, en las que se analiza si las políticas del Gobierno están
dirigidas a mejorar la competitividad. En este grupo se incluyen: variables
relativas a las finanzas públicas (deuda del gobierno, reservas totales, déficit
/superávit público, gasto general del Gobierno); a la Política Fiscal (recaudación
total de impuestos, evasión fiscal, contribuciones a la seguridad social); al
Marco Institucional (con aspectos relacionados con el Banco Central y
Eficiencia Estatal); a la Legislación de los Negocios y a las facilidades o
dificultades que supone la regulación gubernamental para la apertura y
funcionamiento de los negocios (proteccionismo, incentivos de inversión o
controles de precios) y;, por último, se contemplan aspectos del Marco Social
(por ejemplo, seguridad y propiedad privada, discriminación o acoso, cohesión
social, ratio de renta por sexo).
El tercer grupo, el relativo a la Eficiencia de los Negocios, mide el grado con el
que el entorno nacional impulsa a las empresas a actuar de forma innovadora,
responsable y rentable, en concreto se mide: la productividad de las empresas
Capítulo 2. La importancia de la competitividad y modelos de medición
82
(crecimiento de la productividad, productividad en los distintos sectores);
aspectos relativos al funcionamiento del mercado laboral (como los costes y la
disponibilidad de la fuerza laboral, así como las relaciones sindicales); la
eficiencia del sector financiero, tanto del mercado de capitales como del sector
bancario, y algunos aspectos de tipo más cualitativo tales como las prácticas de
gestión y las actitudes y valores.
En un cuarto grupo, el de la Infraestructura, se valora el grado en el que los
recursos básicos, tecnológicos, científicos y humanos cumplen las necesidades
de los negocios y se incluyen variables relativas a: las infraestructuras básicas
(como los transportes y la energía); la infraestructura tecnológica o científica
(como líneas fijas de telefonía, usuarios de Internet o costes de banda ancha);
también se tienen en cuenta aspectos relativos a la salud y el medioambiente
(como la infraestructura sanitaria, la mortalidad infantil o las leyes
medioambientales) y por último la educación (como el gasto público en
educación o la tasa de analfabetismo).
El IMD considera que estas variables incluyen todos los aspectos tanto
macroeconómicos como microeconómicos que inciden de alguna manera en la
competitividad de los países. Una vez obtenidos los valores para cada variable,
la metodología que utiliza el World Competitiveness Yearbook para calcular la
competitividad de cada país es distribuir el peso de forma homogénea entre los
cuatro grupos y los 20 subgrupos. Es decir, el peso de cada uno de los grupos
es un 25% y el peso de cada subgrupo es del 5% en el ranking global,
independientemente del número de variables que se incluya en cada uno.
Capítulo 2. La importancia de la competitividad y modelos de medición
83
Tampoco se pondera por el tamaño o el grado de desarrollo del país, es decir,
se sigue la misma metodología para calcular en índice de competitividad de
todos los países.
Finalmente el informe proporciona un ranking para todos los países en cada
uno de los grupos y subgrupos e información detallada para cada país en
cuanto a desempeño general, posición y evolución en los rankings en los
últimos cinco años, fortalezas y debilidades en cada uno de los grupos, datos
básicos y principales retos. Por tanto, la principal aportación de este índice es
que valora la competitividad contemplando un número muy elevado de
variables, tanto macroeconómicas como microeconómicas, cuyos valores se
obtienen tanto de fuentes publicadas de reconocido prestigio como de opiniones
de empresarios. Además el índice es de relativa sencillez de cálculo, al tener
todos los grupos de variables la misma ponderación y al no diferenciar según el
grado de desarrollo de los países.
3.3. Utilidad de ambas mediciones
Tanto el Informe de Competitividad Global del Foro Económico Mundial
como el modelo de competitividad del International Institute for Management
Development están desarrolladas por instituciones de prestigio y aportan
metodologías de medición de la competitividad muy completas y bien
argumentadas, además, ambos estudios toman como base datos publicados y
encuestas realizadas a empresarios de todos los países representados; sin
Capítulo 2. La importancia de la competitividad y modelos de medición
84
embargo, tanto en el alcance como en la metodología presentan diferencias
significativas, lo que hace que su utilidad sea diferente:
1. El modelo del Foro Económico Mundial cubre un número mucho mayor
de economías (más de 130 frente a 55 del IMD), pero contempla un
número menor de variables en la composición de sus índices (un máximo
de 112 en el Índice de Competitividad Global frente a 200 del IMD).
2. El Foro Económico Mundial presenta dos índices, el Índice de
competitividad Global y el Índice de Competitividad de los Negocios. El
primero de ellos tiene un enfoque más parecido al World
Competitiveness Yearbook del IMD, ya que en ambos se tienen en
cuenta factores tanto macroeconómicos como microeconómicos que
afectan a la competitividad; sin embargo, el Índice de Competitividad de
los Negocios, tiene un planteamiento diferente ya que está más
enfocado hacia los aspectos que afectan al entorno microeconómico de
negocios en el que operan las empresas.
3. El índice del IMD aplica la misma metodología a todos los países
incluidos en el estudio, independientemente de su grado de desarrollo;
por el contrario, el Foro Económico Mundial considera que los factores
que afectan a la competitividad de un país varían en función del grado de
desarrollo del mismo y asigna pesos diferentes a cada variable según el
desarrollo económico del país en cuestión.
Capítulo 2. La importancia de la competitividad y modelos de medición
85
Parece que la metodología del Foro Económico Mundial es más adecuada que
la del IMD para su utilización en la parte empírica de esta tesis, debido
principalmente a las siguientes razones:
- uno de sus índices, el Índice de Competitividad de los Negocios, está más
enfocado en aspectos microeconómicos de la competitividad, los cuales se
consideran cada vez más relevantes para la competitividad de los países,
- contempla explícitamente el papel de los clusters en la competitividad a través
del entorno microeconómico de negocios,
- incluye un número muy superior de países.
Estas cuestiones hacen que su utilización encaje mejor con el concepto
amplio e integrador de competitividad que se va a utilizar en esta tesis y que
permita una visión más exhaustiva de la influencia de los clusters en la
competitividad.
4. CONCLUSIONES
Con respecto a lograr una clara definición para acotar el término
competitividad, a pesar de los numerosos esfuerzos que se han realizado no
se puede concluir que exista una definición generalmente aceptada, ni que los
factores que influyen sobre la competitividad sean los mismos para los
diferentes autores y organismos mencionados en este capítulo. No obstante,
sí se observa que existe una evolución del concepto desde nociones basadas
esencialmente en aspectos macroeconómicos a otras en las que los aspectos
microeconómicos cobran cada vez más importancia y en las que se destaca el
Capítulo 2. La importancia de la competitividad y modelos de medición
86
papel que las empresas desempeñan como impulsoras de la competitividad
de los países. También es conveniente resaltar la tendencia de muchos
autores (Amin y Tomaney, 1995; Ciampi, 1996; Departamento de Industria y
Trabajo del Reino Unido, 2002; O´Mahony y Van Ark, 2003; Porter, 2004; Foro
Económico Mundial, 2008) a relacionar, en ocasiones muy estrechamente, la
competitividad con la productividad lo que permite interrelacionar más
claramente la competitividad con aspectos relacionados con el ámbito
empresarial.
En relación a cómo medir la competitividad, aunque tampoco existe una
única metodología unánimemente aceptada sí se pueden destacar los índices
realizados anualmente por el Foro Económico Mundial y el International
Institute for Management Development que son reconocidos
internacionalmente. Ambos informes elaboran sus índices según datos
publicados por instituciones internacionales y otros obtenidos directamente
por estas entidades y a los que aplican análisis muy completos, lo que
proporciona una visión razonada y exhaustiva de los factores importantes en
la medición de la competitividad, así como datos relevantes de cada uno de
los países analizados. No obstante, dados los objetivos establecidos en esta
investigación la metodología del Foro Económico Mundial y, en concreto, el
Índice de Competitividad de los Negocios, se considera más adecuada que la
del IMD para su utilización en la parte empírica de esta tesis ya que se centra
en aspectos microeconómicos, contempla expresamente el papel de los
clusters e incluye un número muy superior de países en el análisis, por lo que
Capítulo 2. La importancia de la competitividad y modelos de medición
87
posibilita un análisis más completo para conocer en qué medida los clusters
pueden influir en la competitividad de los países.
Capítulo 2. La importancia de la competitividad y modelos de medición
88
CAPITULO 3
LOS CLUSTERS COMO INSTRUMENTO DE
FOMENTO DE LA COMPETITIVIDAD
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
90
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
91
ÍNDICE
1. INTRODUCCIÓN.........................................................................................93
2. CONCEPTO DE CLUSTER....................................................................... .95
2.1. Orígenes del concepto: los distritos industriales............................95
2.2. Delimitación y clasificación del cluster...........................................99
2.2.1. Principales definiciones.......................................................99
2.2.2. Delimitación de clusters....................................................101
2.2.3. Intentos de clasificación de los clusters............................109
2.2.4. Conclusiones.....................................................................115
3. IDENTIFICACIÓN DE LOS CLUSTERS Y SU ANÁLISIS.........................116
3.1. El Cluster Mapping Project del Institute for
Strategy and Competitiveness....................................................124
3.2. El Mapa de Clusters del Departamento de Comercio
e Industria del Reino Unido........................................................127
3.3. Los sistemas productivos locales del Departamento de
Trabajo e Industria de Cataluña..................................................131
3.4. Los sistemas productivos locales de la Comunidad
Autónoma del País Vasco………………………………………….136
3.5. El proyecto de Van der Linde.......................................................138
3.6. El análisis del distrito de la cerámica en Castellón…………….…140
3.7. El análisis del cluster de la electrónica de consumo
en Cataluña................................................................................143
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
92
3.8. Conclusiones................................................................................148
4. VENTAJAS DE LOS CLUSTERS..............................................................149
4.1. Ventajas de aglomeración........................................................... 150
4.2. Ventajas de difusión del conocimiento.........................................152
5. LOS CLUSTERS COMO INSTRUMENTO PARA MEJORAR LA
COMPETITIVIDAD...................................................................................156
5.1. Análisis econométricos con evidencia directa..............................158
5.2. Trabajos con evidencia indirecta..................................................160
5.3. Trabajos sobre la relación explícita entre clusters y
competitividad...............................................................................161
5.4. Conclusiones................................................................................164
6. CONCLUSIONES......................................................................................165
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
93
1. INTRODUCCIÓN.
La palabra cluster hace referencia a un grupo de objetos o entidades del
mismo tipo que crecen o se mantienen juntas1. Su traslado a la esfera
económica para referirse a un conjunto de empresas agrupadas ha dado lugar a
una abundante literatura que ha tratado de delimitar su concepto y establecer
las consecuencias de dicha agrupación. Aunque aparentemente se trata de un
concepto sencillo existen importantes divergencias en cuanto a la definición y el
alcance del término cluster.
Los esfuerzos por identificar agrupaciones de empresas que puedan
considerarse clusters se han realizado siguiendo enfoques muy diferentes, lo
que no ha contribuido a lograr un acuerdo conceptual o metodológico unánime y
aunque existen clusters generalmente reconocidos, como el de empresas
tecnológicas en Sillicon Valley o el de las empresas de cine en Hollywood, los
autores no mantienen un criterio común de identificación.
El concepto de cluster ha suscitado un gran interés en numerosos autores
(Clapham, 1920; Pigou, 1925; Young, 1928; Czamanski, 1974; Becattini, 1987
y 1990; Scott, 1988; Brusco, 1989; Gobbo, 1989; Porter, 1990; Nuti, 1992;
Bellandi y Russo, 1994; Herce et al. 1996, Tomás y Such 1997; Cooke, 1998;
Roelandt y Den Hertog, 1999; Roelandt y Den Hertog, 1999; Soler, 2000; Van
den Berg et al, 2001; Trullén, 2002; Cooke y Huggins, 2003; Ketels, 2003;
1 Según el Diccionario Collins de Inglés.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
94
Martin y Sunley, 2003; Asheim y Gertler, 2005; Belussi, 2006; Soler i Marco,
2008; Boix, 2008; Molina, 2008) y en organismos e instituciones públicas y
privadas (Vinnova2, Institute for Strategy and Competitiveness en Estados
Unidos, Departamento de Industria y Comercio de Reino Unido, el
Departamento de Trabajo e Industria de la Generalitat de Cataluña, el European
Network for Social and European Research, el World Economic Forum) lo que
se ha reflejado en numerosos artículos, estudios y proyectos relacionados con
los clusters. En el presente capítulo se analizarán las aportaciones que, por su
relación con el objetivo del presente estudio, se consideran más interesantes.
El interés que han despertado en el ámbito económico los clusters está muy
relacionado con los supuestos beneficios que tienen para las empresas que
operan en ellos y para las regiones o países que los impulsan y promueven y,
en concreto, a su pretendida influencia sobre el desarrollo económico y la
competitividad.
En este capítulo se tratará de clarificar el concepto de cluster, su origen, sus
límites y su utilidad. Para ello, se analizarán algunas de las principales
aportaciones tanto teóricas como empíricas que se han desarrollado. Una vez
estudiadas las diferentes teorías y aportaciones respecto a este concepto se
revisarán los principales esfuerzos realizados hasta el momento, tanto por
parte de autores o de instituciones privadas como por parte de algunas
2 Vinnova es la agencia de innovación del gobierno sueco, y su proyecto de identificación de
clusters que ha conducido a la publicación por O. Solvell et al, del libro The Cluster Initiative
Greenbook (2003), que recoge más de 250 esfuerzos de este tipo en diferentes países.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
95
organizaciones gubernamentales (como en el caso del Reino Unido), o
regionales (como la realizada en España por la comunidad Autónoma de
Cataluña) para la identificación de clusters.
Por último, se expondrán las principales teorías sobre las ventajas de los
clusters y, en concreto, sobre su influencia en la competitividad de países y
regiones.
2. CONCEPTO DE CLUSTER
2.1. Orígenes del concepto: los distritos industriales
Alfred Marshall (1961), con sus trabajos en 1890 sobre los distritos
industriales, fue el precursor del concepto de cluster al introducir la idea de las
economías externas generadas por la agrupación de productores. Este autor
estableció que en ciertos sectores manufactureros se pueden lograr ventajas
de producción a gran escala si se reúnen en un mismo lugar gran cantidad de
pequeños productores y se subdivide el proceso de fabricación en varias fases
de forma que, cada una de ellas, puedan ser realizadas con la máxima
eficiencia en un pequeño establecimiento. Esta presencia en un mismo territorio
de gran cantidad de pequeños establecimientos especializados en la ejecución
de una fase particular del proceso productivo genera, además de las ventajas
de escala en producción, la realización de inversiones y facilita el
adiestramiento de la mano de obra especializada y la circulación más rápida de
las ideas. A estas agrupaciones de pequeñas empresas es a lo que este autor
denominó distrito industrial.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
96
Este concepto de los distritos industriales es el precursor de los cluster en
cuanto que se refiere a la agrupación de empresas que realizan un mismo tipo
de actividad y aunque ambos conceptos se utilizan en ocasiones
indistintamente, los distritos industriales constituyen un tipo de clusters que
cuentan con unas características muy específicas.
Con posterioridad a Marshall numerosos autores fueron profundizando y
delimitando el concepto de distritos industriales (Clapham, 1920; Pigou, 1925;
Young, 1928; Becattini, 1987 y 1990; Brusco, 1989; Gobbo, 1989; Pyke,
Becattini y Senberger, 1990; Nuti, 1992; Bellandi, y Russo, 1994; Becattini et
al., 2001; Belussi, 2006, Puig et al. 2008).
Una de las aportaciones más interesantes es la de G. Becattini (1990: 38)
que define los distritos industriales italianos como:
“Entidad socio-territorial caracterizada por la presencia activa de una
comunidad de personas y una población de empresas en un área
limitada natural e históricamente. En el distrito, a diferencia de otros
entornos, comunidad y empresas tienden a fusionarse. El hecho de que
haya una actividad dominante diferencia a los distritos de las “regiones
económicas” genéricas. La auto-inclusión y el proceso progresivo de
división del trabajo, junto con la realización de especialización
productiva, genera un excedente creciente de productos que no pueden
ser vendidos en el distrito”.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
97
En esta definición de distrito industrial además de los conceptos de división
de trabajo y especialización Becattini incluye un aspecto territorial, ya que
circunscribe el distrito industrial a un área limitada natural e históricamente. Este
aspecto territorial también se desarrolla en el trabajo de Pyke, Becattini y
Senberger (1990) los cuales describen los distritos industriales como sistemas
definidos geográficamente y caracterizados por un gran número de empresas
activas en diferentes fases de la producción de un producto homogéneo. Para
estos autores también hay otras características significativas de los distritos
industriales, en concreto, que una gran parte de estas empresas son pequeñas
o muy pequeñas y que entre ellas hay importantes conexiones culturales y
sociales, como por ejemplo un sentimiento comunitario y prácticas de
cooperación empresarial.
Por otro lado, el concepto marshalliano de los distritos industriales también fue
sintetizado por F. Belussi (2006) de la siguiente forma:
a) El distrito industrial de Marshall es una localización específica en la que se
produce un tipo de especialización productiva.
b) El distrito está caracterizado por una alta densidad de pequeñas y
medianas empresas.
c) Las empresas cooperan a lo largo de la cadena de valor ya que existe una
división del trabajo extendida entre las compañías de manera que cada una de
ellas sólo realiza una parte de la cadena de valor.
d) Generalmente el distrito obtiene liderazgo en una industria específica.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
98
e) Un distrito industrial se desarrollará si existe en un área una gran variedad
de productores similares que facilita la intercomunicación de ideas y la
creatividad.
La terminología que se ha utilizado para referirse a las concentraciones
localizadas de actividad especializada definidas en un primer momento como
distritos industriales han ido variando a lo largo del tiempo. Algunas de estas
nuevas denominaciones son cluster (Czamanski, 1974; Porter, 1990); nuevos
espacios industriales (Scott, 1988); sistemas locales y regionales de innovación
(Cooke 1998; Asheim y Gertler, 2005); sistemas de producción local (Crouch et
al., 2001) o networks (Noteboom, 2006).
El término cluster se utilizó por primera vez en el trabajo de S. Czamanski
(1974) sobre clustering (agrupación) industrial pero es a partir de los trabajos
que hace sobre ese tema M. Porter en los años 90 cuando el término cluster
obtiene una mayor difusión. Este autor relaciona claramente la existencia de los
clusters con la competitividad y, de hecho, considera los clusters como un factor
determinante de la ventaja competitiva de las naciones y las regiones. A partir
de ese momento se desarrolla un gran interés en analizar esta relación, lo cual
se pone de manifiesto en los diversos trabajos y estudios que sobre clusters se
han desarrollado en las dos últimas décadas y que se analizarán en el resto de
este capítulo.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
99
2.2. Definiciones, delimitación y clasificación del cluster
2.2.1. Principales definiciones.
Las definiciones que los autores proponen para el término cluster varían
ampliamente desde las más genéricas que resaltan sólo alguna de las
características de los clusters tales como la proximidad geográfica o la
especialización (Swann y Prevezer, 1998; Maskell, 2001; Crouch y Farell,
2001), hasta aquellas que añaden otros elementos como el tipo de empresas o
las relaciones que se producen entre ellas (Porter, 1998; Roelandt y Den
Hertog, 1999; Van den Berg et al, 2001; Cooke y Huggins, 2003).
Según F. Belussi (2006) de las diversas definiciones existentes se pueden
destacar las siguientes:
Cuadro 3.1.
Principales definiciones de cluster
AÑO AUTOR DEFINICIÓN 1997 Rosenfeld Un cluster se utiliza simplemente para representar
concentraciones de empresas que son capaces de generar sinergias por su proximidad geográfica e interdependencia, incluso aunque su escala de empleo no sea importante.
1998 Feser Los clusters económicos no son sólo instituciones e industrias relacionadas y de apoyo, sino instituciones e industrias de apoyo que son más competitivas en virtud de sus relaciones.
1998 Porter Los clusters son concentraciones geográficas de empresas interconectadas, proveedores especializados, proveedores de servicios, empresas de industrias relacionadas e instituciones asociadas (como universidades, agencias de estándares o asociaciones de comercio) en un campo determinado que compiten pero también cooperan. Los clusters, o masas críticas de éxito competitivo inusual en determinadas áreas de negocio, son una característica clave de prácticamente cualquier economía nacional, regional, estatal e incluso metropolitana, especialmente en los países más desarrollados.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
100
1998 Swann y Prevezer Los clusters se definen como un grupo de empresas en una industria basadas en un área geográfica determinada.
1999 Roelandt y Den Hertog
Los clusters se pueden caracterizar como networks de productores de empresas fuertemente interdependientes (incluyendo proveedores especializados), ligadas unas a otras en una cadena de producción que añade valor.
2001 Maskell El término cluster se usa en la literatura de forma sinónima a aglomeración o localización industrial, mientras que el término distrito industrial se aplica a menudo cuando se quiere poner énfasis en los valores y normas compartidos por empresas localizadas juntas.
2001 Crouch y Farell El concepto más general de cluster sugiere una tendencia de empresas en tipos parecidos de negocio a localizarse juntas, aunque sin tener una presencia particularmente importante en el área.
2001 Van den Berg et al El término popular cluster está más relacionado con la dimensión local o regional de networks. La mayoría de las definiciones comparten la noción de clusters como networks localizados de organizaciones especializadas, cuyos procesos de producción están ligados por el intercambio de bienes, servicio y/o conocimiento.
2003 Cooke y Huggins Los clusters son empresas próximas geográficamente con relaciones verticales y horizontales, que incluyen una infraestructura de apoyo localizada y una visión compartida del crecimiento del negocio, basada en la cooperación y la competencia en un área de mercado específica.
Fuente: Adaptado de Belussi (2006).
Como se desprende de las definiciones hasta el 2003 se puede considerar
que existe la idea básica común de que los clusters están formados por un
número de empresas agrupadas. No obstante, se puede observar que existen
ciertas diferencias en cuanto a otros aspectos tales como: la dimensión
geográfica (desde una ciudad hasta una nación); las relaciones que existen
entre las empresas pertenecientes al cluster (si son de colaboración o de
competencia); el tipo de empresas que los forman (si incluye instituciones o no,
o si se limita a empresas de un determinado tamaño), e incluso, al objetivo de
las mismas.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
101
En definitiva, se puede afirmar que no existía un acuerdo generalizado en
cuanto a la definición y características de los clusters. Ante esta situación varios
autores han intentado en los últimos años acotar y clarificar el concepto de
cluster (Bottazzi, Dosi y Fagiolo, 2002; Ketels, 2003; Navarro, 2003; Timpano,
2004; Paniccia, 2006). A continuación se expondrán las principales
aportaciones que han aparecido desde el año 2003 para intentar homogeneizar
la definición y ciertas características asociadas a los clusters.
2.2.2. Delimitación de clusters.
Las definiciones del concepto de cluster existentes en la literatura sobre las
características de estas agrupaciones comparten la idea básica de que un
cluster es un número de empresas agrupadas, sin embargo, hay divergencias
en aspectos tales como: los límites espaciales; el tipo de relación entre
empresas o sectores y las organizaciones e instituciones tomados en
consideración.
M. Navarro (2003) hace una clasificación de los aspectos que en su opinión
contribuyen a delimitar el concepto de cluster. Además de los límites
espaciales, el tipo de relación entre empresas o sectores y las organizaciones e
instituciones tomados en consideración, el autor señala el tipo de flujos que se
produce entre las empresas del cluster3.
Conviene analizar las teorías que los principales autores han aportado
respecto a estos aspectos, para lo cual se seguirá la clasificación de Navarro
(2003):
3 Este último aspecto no se ha incluido en este apartado por considerar que no es objeto del presente estudio.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
102
a) Límites espaciales.
En la discusión sobre los límites espaciales o la dimensión geográfica de los
clusters hay dos tendencias claramente diferenciadas: algunos autores
argumentan que con el fenómeno de la globalización, la localización es
irrelevante en la actividad económica ya que cada vez es más sencillo trasladar
actividades a otros países (O´Brien, 1992; Cairncross, 1997 y Gray, 1998).
Dentro de esta tendencia y con un análisis empírico se puede destacar la
aportación de A. Zuchella (2003), que señala cómo los distritos industriales
italianos se han visto afectados por el fenómeno de la globalización y han
trasladado algunas de sus actividades, especialmente en el área de producción,
a países de bajo coste (por ejemplo, Rumania).
Frente a esta posición, otros autores consideran que el efecto es el contrario:
la globalización promueve las características distintivas de las economías
regionales y son éstas y no las economías nacionales las fuentes de creación
de riqueza y comercio mundial. Las aglomeraciones económicas se dan en los
países para cualquier grado de desarrollo y son una fuente fundamental de
crecimiento. (Ohmae, 1995; Espínola, 1996; Krugman, 1997; Storper, 1997;
Porter, 2000; Scott, 1998; Swann y Prevezer, 1998; Fujita et al., 2000; Cooke y
Huggins, 2003).
Precisamente P. Krugman ya en su obra Increasing Returns and Economic
Geography de 1991 resaltó la importancia de la dimensión geográfica de la
economía y afirmaba que la característica más significativa de la geografía de la
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
103
actividad económica era la concentración y que la producción está
increíblemente concentrada en el espacio. Por ejemplo, en Estados Unidos se
comprobó que 380 clusters suponían el 57% del empleo, el 61% del output y el
78% de las exportaciones del país.
J. Cortright (2006) va un paso más allá y argumenta que la proximidad
geográfica no sólo constituye una característica esencial de los clusters sino
que es lo que posibilita la obtención de ventajas. De hecho este autor entiende
los clusters industriales como grupos de empresas y actores económicos e
instituciones relacionados que se localizan cerca unos de otros y considera que,
precisamente, obtienen ventajas productivas de su mutua proximidad y
conexiones.
Aunque la tendencia general es reconocer la existencia de un componente
geográfico en la definición de cluster lo que no queda tan claro es la dimensión
geográfica exacta en la que deben circunscribirse los mismos.
El profesor M. Porter, en 1998, intentó aportar una visión intermedia a esta
cuestión. Para él la proximidad geográfica es importante pero tiene una
dimensión amplia (desde una ciudad, hasta una nación o incluso a un conjunto
de países vecinos) siempre y cuando sea adecuada para garantizar una
interacción eficiente y un flujo de bienes, servicios, ideas y habilidades dentro
del cluster.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
104
Esta visión tan amplia geográficamente hace que ciertos autores (Martin y
Sunley, 2003; Ashein y otros 2006; Belussi, 2006; Malmberg y Power 2006;
Simmie, 2006) le atribuyan a Porter la confusión existente en cuanto a la
dimensión geográfica de los clusters.
F. Timpano (2004) mantiene una postura parecida a la de Porter. El autor
hace una reflexión sobre la evolución de la dimensión geográfica de los clusters
y afirma que un cluster no tiene por que estar adscrito a una dimensión
territorial específica ya que si el énfasis está en la interdependencia entre
empresas, o en sus interacciones innovadoras, un cluster podría estar
diseminado por un país entero, incluso, por varios países.
En definitiva, con respecto a los límites espaciales la tendencia es a incluir el
componente de proximidad en la definición de cluster aunque existe cierta
imprecisión en cuanto a la dimensión geográfica exacta en la que debe
circunscribirse un cluster.
b) Tipo de relación entre empresas o sectores.
En cuanto al segundo de los parámetros, el tipo de relación entre empresas e
instituciones en el cluster, la mayoría de los autores señalan que para que
pueda hablarse de clusters no basta con la mera proximidad geográfica de las
empresas, sino que debe existir algún tipo de relación entre ellas (Rosenfeld,
1997; Porter, 1998; Roelandt y Den Hertog, 1999; Cooke y Huggins, 2003). En
muchas ocasiones, el tipo de relaciones que deben producirse entre las
empresas del cluster quedan sin concretar aunque en líneas generales, según
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
105
P. Raines (2000) y M. Navarro (2003) estas relaciones pueden dividirse en dos
grupos: relaciones de competencia y relaciones de cooperación.
En un intento de clarificación del tipo de relaciones que se dan entre
empresas de un cluster P. Raines (2000) distingue entre clusters basados en
competencias y clusters de cadena de valor. Los primeros se referirían a
actividades equivalentes y, por tanto, prevalecerían las relaciones de
competencia y los últimos incluirían relaciones de líneas productivas o las
llamadas filiére francesas, que incluyen las relaciones proveedor-usuario y por
tanto de colaboración.
En esta misma línea se manifiesta M. Navarro (2003) el cual habla de clusters
verticales y horizontales. Los clusters verticales se refieren a agrupaciones de
empresas ligadas en cadenas de compras y ventas, mientras que los
horizontales serían agrupaciones de empresas de productos complementarios o
que emplean input, instituciones o tecnologías especializadas similares. Según
esta clasificación, las empresas de un cluster horizontal competirían entre sí,
mientras que en los clusters verticales primarían las relaciones de
colaboración.
Aunque algunos autores (Bergman y Feser, 1999; Meyer-Stamer, 2001) se
muestran escépticos en cuanto a la posibilidad de que se produzcan relaciones
de colaboración o señalan las dificultades para que se realicen debido a que
suelen primar las relaciones de competencia, son numerosos los autores que
hablan de la necesidad de que existan tanto relaciones de cooperación como de
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
106
competencia entre las empresas de un cluster (Piore y Sabel, 1984; Porter,
1998b; Cooke y Huggins, 2003; Malmberg y Power, 2006). Un claro ejemplo de
esta postura es la de Porter (1998b) el cual considera que es fundamental
tener en cuenta las relaciones de colaboración existentes entre las empresas y
sus proveedores y con las instituciones de apoyo y relacionadas. No obstante,
el autor también destaca las relaciones de competencia porque las considera
uno de los factores determinantes para que se produzca una de las ventajas del
cluster, las mayores tasas de innovación; es más, llega a argumentar que una
competencia más intensa hace que las empresas se vean más forzadas a
innovar.
Una vez que se habían tratado las posibles relaciones existentes, algunos
autores han realizado diversas aportaciones sobre cómo pueden ser las
mismas. T.J.A. Roelandt y P. den Hertog (1999) en su definición de cluster
hablan de empresas ligadas unas a otras en una cadena de producción que
añade valor. También A.R. Hoen (1999) considera el vínculo de la cadena de
producción como una de las posibilidades de relación, lo que el autor llama
vínculos productivos. Es decir, cada empresa realiza una parte de la cadena de
valor y colabora con otras empresas que realizan otras partes de esa cadena.
Además de colaborar en la cadena de producción las empresas pueden
colaborar en el proceso de difusión de innovaciones ya sean de nuevas
tecnologías o de productos innovadores.
En cuanto al tipo de cooperación que puede existir entre las empresas de un
cluster P. Maskell (2001) y P. Cooke y R. Huggins (2003) añaden algo más que
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
107
la mera colaboración y hablan de aspectos como visión, valores y normas
compartidas, lo que refleja una cierta conciencia de pertenecer al cluster y se
asemeja, como señalaba G. Becattini (1990), a los distritos industriales
italianos, en los que una de sus características era su sentimiento de
comunidad.
En definitiva, se puede decir que en los clusters suelen existir tanto relaciones
de cooperación como de competencia aunque estos tipos de relaciones varían
en cuanto a su intensidad en función del tipo de clusters del que se trate.
c) Organizaciones e instituciones tomados en consideración
El tercer ámbito de discusión respecto a la delimitación de los clusters se
refiere al tipo de empresas que cabría incluir en el cluster. Sobre este aspecto
no hay posiciones excesivamente encontradas sino que las diferencias
existentes se producen por un problema de indefinición en cuanto a dos
variables: una referente a la naturaleza de las empresas y otra sobre el tamaño
de las mismas.
En lo que respecta a la naturaleza de las empresas en general los autores e
instituciones como por ejemplo S. Brusco (1989), E.J. Feser (1998), M. Porter
(1998b), D.M. DeCarolis y D.L. Deeds (1999) y la OCDE (1999) incluyen a
instituciones relacionadas como parte integrante del cluster4. Estas instituciones
pueden incluir centros de investigación, agencias de política industrial,
instituciones académicas y asociaciones profesionales y empresariales. En
4 Porter menciona expresamente algunas de estas instituciones, como las universidades, agencias de estándares o asociaciones de comercio, en su definición de cluster.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
108
cada cluster el papel de estas instituciones puede ser más o menos fuerte, por
ejemplo, N. Henry et al.(1996) señalan como en los distritos industriales
italianos las universidades no han tenido un papel relevante pero esto ha ido
alterándose con el tiempo. En el caso del cluster de la electrónica de consumo
en Cataluña, por ejemplo, las instituciones de apoyo y centros educativos
juegan un papel importante para las empresas del cluster (Ballarín y Blázquez,
2003) tal y como se describirá en el apartado 3.5 de este capítulo.
En cuanto al tamaño de las empresas que componen el cluster, lo que se
plantea es si los clusters deben limitarse a pequeñas y medianas empresas o
también si las de gran tamaño pueden ser parte integrante del cluster. F. Pyke,
G. Becattini y W. Senberger (1990), en su definición de los distritos industriales
italianos, mencionaban expresamente que el tamaño de la mayoría de las
empresas era pequeño o muy pequeño; sin embargo, la evidencia no siempre
apoya esta idea en la definición de clusters. En algunos clusters bien conocidos,
como es el caso de Hollywood en la industria del cine o Silicon Valley en
tecnología, dentro del cluster hay pequeñas empresas y otras de gran tamaño
sin que distorsione la eficacia del cluster, tal y como han demostrado diferentes
estudios de identificación de clusters como los proyectos de M. Porter (2003)
en el Cluster Mapping Project o J.M. Hernández, J. Fontrodona y A. Pezzi
(2005) en el Mapa de los sistemas productivos catalanes, que han comprobado
que en ellos conviven grandes y pequeñas empresas sin problemas.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
109
d) Conclusión.
Lo que se aprecia al analizar la literatura existente en torno a la delimitación
de clusters es, por un lado, una falta de límites claros del concepto y, por otra,
discrepancias entre autores cuando se trata precisamente de centrar o definir
esos límites. Sin embargo, sí se pueden extraer algunas características que son
generalmente aceptadas como son: la inclusión de una dimensión geográfica y
una necesidad de un grado de proximidad entre empresas del cluster, aunque
no esté definida de modo preciso; la existencia de relaciones tanto de
cooperación como de competencia y la posibilidad de que en el cluster
coexistan distintos tipos de empresas e instituciones de tamaño diferente.
También puede afirmarse que, si bien los distritos industriales son los
precursores de los clusters y ambos términos se utilizan indistintamente en
numerosas ocasiones, los clusters constituyen un concepto más amplio en el
que caben agrupaciones de empresas del tipo de los distritos industriales, pero
también de otras características.
2.2.3. Intentos de clasificación de los clusters.
La gran diferencia que existe entre los distintos clusters en términos de
tamaño, origen, organización, funcionamiento, etc., hace que algunos autores
(Malmberg y Power, 2003; Martín y Sunley, 2003; Asheim, 2006) se pregunten
si realmente los clusters pueden encajarse en una misma definición o teoría.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
110
Para responder a esto autores como G. Bottazzi, G. Dosi y G. Fagiolo
(2002), C. Ketels (2003), M. Porter (2003) e I. Paniccia (2006) han realizado
propuestas de clasificación de los clusters según distintos factores.
G. Bottazzi, G. Dosi y G. Fagiolo (2002) hacen una clasificación de los
distintos tipos de cluster o agrupaciones industriales según el tipo de ventaja
que aportan y los dividen en cinco grupos:
a) Diversificados horizontalmente. En este caso pequeñas empresas
fabrican productos de sectores tradicionales, como cerámica, joyería
o textil. Un buen ejemplo de este tipo son los distritos italianos.
b) Desintegrados verticalmente. Serían una variante de los distritos
italianos, con división de trabajo en cadenas de aprovisionamiento
locales, con vínculos locales input-output e intercambio de
conocimientos entre usuarios y fabricantes.
c) Jerárquicos. En este caso existe con un centro oligopolístico
conectado a redes de subcontratación. Un ejemplo de este tipo de
cluster serían lo que se da en los equipos de transporte.
d) Con complementariedad de conocimientos, de tipo científico o de
ingeniería. Un buen caso de este tipo de cluster son los de
biotecnología de Silicon Valley
e) Por último, agrupaciones espaciales que han dejado de funcionar
como clusters y en las que, por tanto, ya no se dan ventajas
específicas derivadas de la aglomeración
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
111
Por su parte, C. Ketels (2003) afirma que hay una primera clasificación obvia
que puede realizarse en función del tipo de producto o servicio que
proporcionan. En este sentido, se puede hablar de clusters en el sector de
automoción, textil, servicios financieros, telecomunicaciones, etc. Esta es una
distinción muy genérica pero, como señala el autor, dentro de cada una de
estas áreas se pueden clasificar los clusters en función de aspectos como: su
especialización dentro de la cadena de valor de la industria; el segmento
específico de clientes al que van dirigidos sus productos o servicios y, su
enfoque en determinadas áreas geográficas.
Para defender esta postura C. Ketels (2003) realiza un análisis empírico de
clusters del sector del calzado y cómo se especializan de forma diferente en
distintos países. El cluster del calzado en el norte de Italia está enfocado en el
diseño y la marca, generando una producción de alto valor y en el que los
salarios son altos. Frente a esto, los clusters de calzado como el de Timisoara,
en Rumania, funcionan como un desarrollo posterior del italiano y se centran
en la producción de calzado de rango medio-bajo. Por último, analiza los
clusters de Asia, China y Vietnam que están enfocados en producción a gran
escala de calzado de gama baja para los mercados europeo y estadounidense.
Por tanto, la clasificación de clusters en función del producto o servicio que
proporciona, aunque pueda parecer muy genérica en principio, puede acotarse
según la especialización del cluster.
M. Porter (2003) propone seguir el criterio de concentración geográfica y
ámbito de competencia lo que permite distinguir:
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
112
a) Clusters locales. Estos clusters proporcionan productos y servicios
únicamente a los mercados locales y suelen estar distribuidos
geográficamente en proporción a la población, es decir, suelen
localizarse donde hay mayor concentración de población. Este tipo de
clusters compite sólo de forma limitada con otras regiones. Ejemplos
de estos tipos de cluster son casi todos los relativos a los servicios
públicos, los relacionados con la sanidad y algunos aspectos de la
construcción, por ejemplo, la fabricación de cemento.
b) Clusters dependientes de recursos naturales. En este caso, las
empresas se encuentran localizadas allí donde están los recursos
naturales, pero el ámbito de competencia de estos clusters no se
restringe localmente. De este tipo de clusters se pueden destacar
los clusters de uranio o el de azúcar.
c) Clusters abiertos a la competencia (traded). Este tipo de clusters
vende productos y servicios a distintas regiones y/o países, no
dependen de los recursos naturales y basan su localización en
consideraciones de tipo competitivo. Algunos ejemplos de estos
clusters serían los de montaje de automóviles, fabricación de motores
de aviones, tecnología en Silicon Valley o producción de películas en
Hollywood.
Finalmente, I. Paniccia (2006) realiza una clasificación muy precisa de los
tipos de clusters en función de su estructura y de las relaciones que existan
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
113
entre las empresas que los forman. Esta autora distingue seis tipos de clusters
o agrupaciones5:
a) Distritos industriales semicanónicos, caracterizados por una
estructura fragmentada de pequeñas empresas, con relaciones
estrechas de colaboración, sentimiento de pertenencia a la
comunidad y división del trabajo. Este tipo deriva de tradiciones
manufactureras y se da sobre todo en los distritos clásicos italianos,
como Prato.
b) Distritos industriales diversificados o urbanos. Estos son una variante
de los anteriores, con la diferencia de que las empresas tienen un
tamaño medio superior, la división del trabajo no es tan acentuada y
la localización urbana proporciona también servicios empresariales.
Un ejemplo de este tipo de agrupación sería el distrito audiovisual de
Praga.
c) Plataformas satélites o aglomeraciones radiales (hub and spoke), que
incluyen un número limitado de pequeñas empresas que actúan como
subcontratas de grandes empresas y que pueden estar situadas en la
misma zona o no. Predomina, por tanto, un patrón horizontal ya que
se trata de empresas que se encuentran en la misma fase de la
cadena de valor. Puede darse la colaboración entre estas empresas
aunque no existe evidencia de ello. Algunos ejemplos de esta
tipología pueden encontrarse en el sur de Italia, o en regiones de
Eslovaquia especializadas en el sector textil.
5 La autora utiliza indistintamente los términos aglomeración geográfica, distrito industrial y cluster.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
114
d) Áreas co-localizadas, en las que se encuentran empresas
especializadas en actividades similares que producen para el
mercado final. La mayoría de ellas tienen una limitada inversión, no
suelen tener sus propias marcas y las relaciones horizontales son
escasas. Ejemplos de esta tipología se pueden encontrar, por
ejemplo en el procesamiento de madera de Mures, o en la
fabricación de calzado en Banat y Crisana, todas ellas en Rumanía.
e) Aglomeraciones o distritos industriales concentrados o integrados,
caracterizados por dos grupos de empresas que interactúan entre sí.
Por un lado, están las grandes empresas integradas verticalmente,
generalmente líderes tecnológicas y de mercado; por otro, pequeñas
empresas especializadas que proporcionan componentes o servicios
a las primeras. Estas empresas especializadas se integran en una
industria mecánica fuertemente desarrollada y, aunque podrían
clasificarse como distritos canónicos, suponen una evolución de los
mismos. En este tipo de aglomeraciones es frecuente la
interdependencia y las interacciones, incluyendo aspectos de I+D+i y
también la existencia de instituciones económicas. Ejemplos de esta
tipología se encuentran en Italia, en las regiones de Mirandola, con la
industria biomédica; Montebelluna, con la del calzado y Sassuolo,
con la cerámica.
f) Aglomeraciones basadas en tecnología o ciencia. Constituyen una
variante de la anterior pero en estas la especialización se concentra
en el área tecnológica o científica. En este tipo de agrupaciones
coexisten empresas grandes y pequeñas, la organización del trabajo
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
115
es en forma de red y en ellas se localizan numerosas instituciones
científicas y de conocimiento, como universidades y centros de
investigación públicos y privados. Generalmente también se da una
alta presencia de empresas de capital riesgo. La cooperación existe
tanto entre las empresas principales y sus proveedores como con las
instituciones mencionadas. Este tipo de aglomeraciones se da tanto
en el sector de fabricación como en el de servicios, algunos ejemplos
serían el cluster aeroespacial de Toulouse (Francia) o Silicon Valley
en Estados Unidos.
Pese a estas aportaciones, en la práctica, se puede afirmar, como ya
indicaban M. Martin y P. Sunley (2003) que no existe una única forma para
clasificar los clusters y que lo más habitual es que algunos clusters encajen en
varias de estas categorías sin que ello perjudique su eficacia.
2.2.4. Conclusiones.
A pesar de las dificultades expuestas en cuanto a definición, delimitación y
clasificación de los clusters tanto la comunidad académica como numerosas
instituciones han emprendido proyectos para tratar de identificar y medir los
clusters existentes. Dadas las numerosas ventajas que supuestamente se
derivan de la existencia de clusters tanto para las empresas que los integran
como para las regiones en las que se promueve su formación y desarrollo
(menores costes de transacción, disponibilidad de mano de obra e inputs
especializados, mejor acceso a los mercados, mejor difusión del conocimiento,
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
116
etc.) diversos autores e instituciones consideraron fundamental superar las
discrepancias existentes en temas de definición, delimitación y clasificación y
desarrollar una visión más práctica que permitiera identificar y medir los
mismos.
3. IDENTIFICACIÓN DE LOS CLUSTERS Y SU ANÁLISIS
Además de las clásicas referencias de clusters, como Silicon Valley o
Hollywood, existen otras evidencias de la existencia de clusters en distintas
regiones y países (industria aeroespacial en Toulouse, Francia; calzado en
Montebelluna, Italia; informática en Bangalore, India; cerámica en Castellón y
juguete en Alicante, España; etc.). Los esfuerzos realizados para identificar,
describir y analizar los clusters han seguido enfoques diferentes, lo que ha
provocado una gran variedad de análisis aislados, que no han podido dar una
visión metodológicamente común, sistemática y comparable de identificación y
descripción de clusters.
Diversos autores6 han analizado los distintos enfoques existentes para
identificar, describir y analizar clusters. Entre estas aportaciones se puede
destacar la de R. Martín y P. Sunley (2003) que muestran cómo las
metodologías en la identificación y análisis de clusters varían en función del
concepto de cluster que se maneje el cual se puede clasificar desde el más
sencillo al más complejo en: co-localización; co-localización y proximidad
tecnológica; tablas input-output y complementariedades; co-localización y
6 Roelandt y DenHertog, 1998; Bergman y Feser, 1999; Hoen, 1999; Martin y Sunley, 2003; Navarro, 2003
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
117
desempeño superior; externalidades marshallianas; redes (networks) de
empresas; colaboración explícita y difusión formal del conocimiento.
Cuadro 3.2.
Diferentes enfoques en la identificación y medición de clusters
Fuente: Martín y Sunley (2003: 20).
Tal y como se en expone el cuadro 3.2., el concepto más superficial de cluster
sería la mera co-localización, en el que no hay evidencia de ningún tipo de
relación; posteriormente se va pasando a conceptos en los que esta relación
entre las empresas del cluster se hace más evidente, ya sea de tipo tecnológico
(co-localización y proximidad tecnológica), por realización de actividades
complementarias (tablas input-output y complementariedades) o por evidencia
de desempeño superior de las empresas que operan en el cluster (co-
localización y desempeño superior). Conceptos más elaborados de cluster son
los que se basan en externalidades de tipo marshalliano que se han descrito
con anterioridad (externalidades marshallianas), aquellos formados por redes
de empresas interconectadas por relaciones de cooperación o competencia
Co - localización
Co - localización y proximidad tecnológica
Tablas input - output y complementariedades
Co - localización y desempeño superior
Externalidades Marshalianas
Networks de empresas
Colaboración explícita
Difusión informal de conocimiento
Superficial
Profunda
Top-down
Bottom-up
Fácil de medir (cuantitativo)
Difícil de medir (cualitativo)
Evidencia indirecta
Evidencia directa
Concepto de cluster
Profundidad conceptual
Metodología empírica
Facilidad de medición
Soporte empírico
Co - localización
Co - localización y proximidad tecnológica
Tablas input - output y complementariedades
Co - localización y desempeño superior
Externalidades Marshalianas
Networks de empresas
Colaboración explícita
Superficial
Profunda
Top-down
Bottom-up
Fácil de medir (cuantitativo)
Difícil de medir (cualitativo)
Evidencia indirecta
Evidencia directa
Concepto de cluster
Profundidad conceptual
Metodología empírica
Facilidad de medición
Soporte empírico
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
118
(networks de empresas) o los que se basan en relaciones de colaboración
explícita entre las empresas que lo integran (colaboración explícita). El
concepto de cluster que se basa en una relación más profunda entre empresas
es el de difusión informal de conocimiento entre las empresas que lo integran.
La metodología de identificación y medición de clusters es diferente según el
concepto de cluster que se maneje: cuanto más superficial sea el concepto de
cluster que se utilice, más fácil será el proceso de identificación y medición.
Para este tipo de definición de cluster, con poca profundidad conceptual, es
más factible utilizar una metodología de arriba a abajo (top-down) que se
refiere a aquellas que utilizan datos cuantitativos agregados para el cluster o
grupo de empresas (output, valor añadido o empleo). Para las definiciones de
cluster de mayor profundidad conceptual se utilizan metodologías de abajo a
arriba (bottom-up), que estudian en detalle las relaciones existentes entre las
empresas pertenecientes al cluster e incluyen, por tanto, información de tipo
cualitativo y mucho más detallada (tipo de recursos que comparten, iniciativas
conjuntas o mecanismos de difusión de información entre las empresas).
Según la Comisión Europea (2003) y R. Martín y P. Sunley (2003) el enfoque
de arriba a abajo (top-down) sólo puede sugerir la existencia y localización de
posibles clusters. La visión que proporcionan de los clusters es superficial ya
que no dan información sobre temas como los vínculos existentes entre las
empresas, las redes sociales o la difusión del conocimiento dentro del cluster.
Este tipo de metodologías suelen utilizarse para análisis de sectores pero no
son las más apropiadas para medir actividades intersectoriales y clusters que
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
119
tengan estas características. Pese a estos inconvenientes, la OCDE (2001)
admite la bondad del uso de estas metodologías como base de análisis de
clusters o para concienciar de la existencia y desarrollo de clusters. Ejemplos
de este tipo de trabajos son los realizados por Larrea (2000) en la identificación
de los distritos industriales en la Comunidad Autónoma del País Vasco; el
Departamento de Comercio e Industria del Reino Unido, DTI (2001); el Institute
for Strategy and Competitiveness (2003); Boix y Galletto (2004); el Centre for
Strategy and Competitiveness 7(2007); o Gestrelius y Sandström (2008).
Frente a esto, los análisis basados en clusters individuales ofrecen un estudio
mucho más profundo de la dinámica y organización de los clusters, pero no
suelen proporcionar información de forma agregada y su actualización
constante requiere un gran esfuerzo. Se pueden englobar en este tipo de
trabajos los realizados por: L. F. Signorini (1994) en los distritos italianos de
Prato y Bielsa; el de U. Staber (1997) en el distrito textil de Reutlingen en
Alemania; el de C. Camisón y J. Molina (1998) en el distrito de la cerámica de
Castellón; el de N. Dayasindhu (2002) en el cluster del software en India; el de
E. Ballarín y M. L. Blázquez (2003) en el cluster de la electrónica de consumo
en Cataluña; el de A. Kuchiki y M. Tsufi (2005) en los clusters del automóvil en
Shanghai, China, y de tecnologías de la información en Okinawa, Japón; el de
F.J. Ferraro y J.A. Aznar (2008) en el cluster agroindustrial de Almería; el de V.
Budi (2008) también sobre el distrito de la cerámica de Castellón o el de M.J.
Santa María y J.A. Ybarra (2008) en el cluster del juguete en Alicante. También
se puede encuadrar en este grupo el trabajo de Competitiveness.com (2008),
7 El Centre for Strategy and Competitiveness gestiona la iniciativa European Cluster Observatory, financiada por Europe Innova, y que identifica clusters en 32 países europeos basándose en datos cuantitativos de empleo regional.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
120
que analiza 25 clusters de diferentes sectores en Europa, estudiando en detalle
en cada uno de ellos aspectos como su capacidad de innovación, el impacto
de las políticas de cluster, los vínculos formales e informales entre las empresas
integrantes del cluster o la movilidad de recursos entre las mismas.
C. Ketels et al. (2006) combinan ambos enfoques en un estudio sobre los
clusters de innovación en los 10 países que se adhirieron a la Unión Europea
en 2004. En un primer lugar, realizan un análisis de arriba a abajo (top-down)
para identificar los clusters en los nuevos países miembros y, en un segundo
paso, seleccionan aquellos clusters más representativos estadísticamente y
realizan un estudio de abajo a arriba (bottom-up), utilizando técnicas
cualitativas y analizando en detalle las debilidades y fortalezas de los clusters
seleccionados.
En la misma línea establecida por R. Martin y P. Sunley (2003) pero más
completa M. Navarro en su obra Análisis y políticas de clusters: teoría y
realidad, también de 2003 realiza una clasificación de los tipos de identificación
y medición de clusters en micro, meso y mega en función, en este caso, del tipo
de datos utilizados y el ámbito del análisis.
El análisis micro se refiere al estudio de los vínculos entre empresas y se
enfoca a temas estratégicos de las empresas. Este tipo de análisis suele
realizarse en base a datos cualitativos y entrevistas realizadas a las empresas
del cluster y se asemejaría a lo que R. Martin y P. Sunley (2003) describen
como el enfoque de abajo a arriba (bottom-up) comentado anteriormente.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
121
El análisis meso estudia las vinculaciones intra e intersectoriales. Este tipo de
estudios utiliza los datos sectoriales cuantitativos existentes. Este es el método
más utilizado ya que los datos suelen estar disponibles y los resultados
obtenidos son comparables en términos regionales, nacionales e
internacionales. Los datos que suelen utilizarse en este tipo de análisis para
identificar clusters son las exportaciones y los coeficientes de localización de
empleo pertenecientes a un determinado sector de actividad, dado que se
considera que una concentración de empleo o exportaciones de estas
características en un área determinada es indicativa de la existencia de
numerosas empresas que se dedican a la misma actividad. Una vez
identificados los clusters a través de estos datos, en ocasiones, se suele
profundizar en las relaciones que existen dentro de ellos utilizando tablas input-
output o entrevistas. Ejemplos de este tipo de trabajos serían los de F. Celada
(1988), I. Caravaca et al. (2000), M. Larrea (2000) o J. M. Hernández, J.
Fontrodona y A. Pezzi (2005).
Finalmente el análisis mega estudia las vinculaciones entre grandes conjuntos
de industrias y, por tanto, la especialización de regiones y países en
determinadas áreas de actividad. Este tipo de análisis se realiza en base a
datos cuantitativos sectoriales y nacionales y se asemeja a los análisis de
arriba a abajo (top-down) descritos por R. Martin y P. Sunley en su obra
Deconstructing clusters: chaotic concept or policy panacea de 2003.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
122
A pesar de la dificultad que supone la falta de un enfoque metodológicamente
común, sistemático y comparable de identificación y medición de clusters, se
han realizado múltiples trabajos tanto por la comunidad académica internacional
(Reve y Jakobsen, 2001; Isaksen y Hauge, 20028; Yamawaki, 2002; Solvell,
Lindqvist y Ketels, 2003; Van der Linde, 2003) como por organismos públicos y
privados (Vinnova en Suecia, Institute for Strategy and Competitiveness en
Estados Unidos, Departamento de Industria y Comercio de Reino Unido, el
Departamento de Trabajo e Industria de la Generalitat de Cataluña, el European
Network for Social and European Research y The Competitiveness Institute9,
entre otros)
En el caso de España según V. Soler i Marco (2008) es a partir de la
publicación del artículo de Becattini de 1979 sobre distritos industriales en el
primer número de la Revista Económica de Catalunya en 1986 cuando se
empiezan a generar trabajos relativos a los clusters existentes en España.
Entre ellos se pueden destacar los de A. Vázquez Barquero (1987), F. Celada
(1988), M. T. Costa (1988), J.A. Ybarra (1991), J. Conejos et al. (1997), J.A.
Tomás y J. Such (1997), J.J. de Lucio (1998), C. Camisón y J. Molina (1998),
M. J. Aranguren (1999), I. Caravaca et al. (2000), E. Climent (2000), M. Larrea
(2000), V. Soler (2000), A. Bibiloni y J. Pons (2001), J.M. Giner y M.J. Santa
María (2002), J. Trullén (2002), J. Azua (2003), M.J. Santa María et al. (2004),
J.M. Hernández, J. Fontrodona y A. Pezzi (2005), R. Boix (2008) y F.J. Molina
8 Este proyecto recopila información sobre diversos estudios de clusters llevados a cabo en Europa e incorpora los resultados de la encuesta del European Network for social and Economic Research, ENSR, sobre clusters. En ella se recoge información sobre 34 clusters de 17 países de Europa que se clasifican en función de tamaño, naturaleza, interacciones, actividades, evolución y políticas públicas. 9 The Competitiveness Institute lleva a cabo el proyecto Cluster Initiative Database, que proporciona información sobre más de 170 iniciativas de clusters.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
123
(2008). Estos estudios aportan análisis interesantes sobre algunos de los
clusters existentes en España y, en ocasiones, se realizan comparaciones con
los clusters de otros países, como Italia.
Con el objeto de entender mejor cada una de las metodologías y resultados
para identificación y análisis de clusters a continuación se describen la
metodología y resultados de siete trabajos de identificación y análisis de
clusters que constituyen ejemplos de las diferentes metodologías expuestas en
este apartado y el tipo de información que pueden aportar. Los trabajos
propuestos son: el Cluster Mapping Project del Institute for Strategy and
Competitiveness y el Mapa de clusters del Departamento de Comercio e
Industria del Reino Unido como ejemplos de enfoques de arriba a abajo (top-
down) o análisis mega; los sistemas productivos locales del Departamento de
Trabajo e Industria de la Generalitat de Cataluña y el trabajo de Larrea de 2000
sobre los sistemas productivos locales en el País Vasco como ejemplos de
análisis meso; finalmente, como ejemplos de metodologías de abajo a arriba
(bottom-up) o micro se proponen el Trabajo de Van der Linde de 2003 (como
aplicación a muchos clusters) y los trabajos sobre el cluster de la electrónica de
consumo de Cataluña (Ballarín y Blázquez, 2003) y el distrito de la cerámica en
Castellón (Budí, 2008) como ejemplos de este tipo de metodología micro
aplicadas a un solo cluster.
Aunque existen estudios interesantes en cada una de las metodologías
explicadas se han escogido estos trabajos entre todos los consultados por los
siguientes motivos:
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
124
- se ha comprobado que son rigurosos y sistemáticos,
- se considera que exponen de forma clara y concisa la metodología utilizada y
los resultados obtenidos,
- se trata de trabajos con ámbitos territoriales muy diferentes (internacional en el
trabajo de Van der Linde, nacional en los trabajos sobre Estados Unidos y
Reino Unido, regional en los trabajos sobre Cataluña y País Vasco y local en los
estudios sobre el cluster de la electrónica de consumo y el distrito de la
cerámica), lo que proporciona una visión muy completa de la dimensión
geográfica de la identificación y análisis de clusters.
Se exponen a continuación los siete trabajos comenzando por los trabajos
mega, a continuación meso y finalmente los tres trabajos bottom-up. De estos
tres últimos trabajos se expondrá en primer lugar el realizado por Van der Linde,
ya que es más general al aplicarse a muchos clusters, y se dejarán en último
lugar los realizados en el cluster de la electrónica de consumo en Cataluña y el
distrito de la cerámica de Castellón por ser más específicos.
3.1. El Cluster Mapping Project del Institute for Strategy and
Competitiveness.
El Institute for Strategy and Competitiveness de Harvard Business School
lleva a cabo desde el año 2003 uno de los proyectos más exhaustivos de
identificación de clusters y de análisis de las implicaciones de su existencia en
Estados Unidos.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
125
El proyecto de Cluster Mapping parte del datos de empleo regional en cada
uno de los sectores de actividad e intenta identificar áreas en las que existe una
mayor concentración de empleo en un determinado sector. Para ello utiliza un
coficiente, denominado coeficiente de localización (location quotient, LQ) que se
define como:
Donde
Eij es el empleo de la región i en el sector j
Ej es el empleo nacional en el sector j
Ei es el empleo regional
E es el empleo nacional
Según los datos de empleo que obtuvieron las industrias se dividieron en:
a) Locales, en las que el empleo se distribuye de forma proporcional a la
población en todas las regiones. Estas industrias proporcionan bienes y
servicios a las poblaciones o regiones en las que se encuentran y rara
vez compiten con otras regiones. Ejemplos de este tipo de industrias
serían los servicios públicos o los de salud.
b) Dependientes de los recursos, son industrias en las que el empleo se
localiza allí donde se encuentran los recursos naturales y sí compiten
con otras regional e internacionalmente. Ejemplos de este tipo de
industrias serían las del azúcar o la extracción de minerales.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
126
c) Abiertas a la competencia (traded). Estas industrias son las que
venden productos y servicios a otras regiones e incluso a otros países y
se concentran en una u otra zona dependiendo de consideraciones
competitivas. Ejemplos de este tipo de industrias pueden ser las de
fabricación de motores de aviones o la industria cinematográfica.
Una vez identificadas las industrias en Estados Unidos y agrupadas en
función de estos criterios en locales, dependientes de recursos y abiertas a la
competencia, los autores tomaron las industrias abiertas a la competencia y
buscaron entre ellas datos de correlación de empleo con el objetivo de
identificar posibles clusters10. Una vez identificados esos vínculos se procedió,
de forma pragmática, a agrupar las industrias en clusters. Este proceso permitió
la identicación de más de 40 clusters abiertos a la competencia (traded) en
Estados Unidos que, a su vez, se dividían en subclusters.
Este ejercicio es un ejemplo claro de cómo aplicar una metodología de arriba-
abajo (top-down) para la identificación de clusters. El estudio no sólo da una
visión clara de los clusters existentes en cada zona, sino que el análisis de la
actividad en cada uno de ellos ha permitido establecer conclusiones en cuanto
a las diferencias existentes en salarios, productividad e innovación. Los
resultados muestran que los salarios medios en los clusters superan a los de
resto de industrias en un 40% de media y los resultados en cuanto a número
de patentes y productividad son también superiores en los clusters identificados
que en el resto de industrias. Por ejemplo, según los datos aportados por este
10 Por ejemplo, si el empleo en la industria de equipos de defensa se asocia casi siempre con el de electrónica, esto proporciona una clara indicación de la existencia de vínculos.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
127
proyecto, los cluster comerciales obtuvieron una media de productividad relativa
de 144, frente a 79 de las industrias locales y 140 de las dependientes de
recursos. En cuanto a las patentes por 1.000 empleados, las industrias
comerciales tenían 211 frente a 13 de las industrias locales y 70 de las
industrias dependientes de los recursos11.
3.2. El mapa de clusters del Departamento de Comercio e Industria del
Reino Unido.
El Departamento de Comercio e Industria (DTI) del Reino Unido llevó a cabo
en 2001 un importante proyecto de identificación de los clusters existentes en el
país. La metodología utilizada fue de arriba a abajo (top-down), es decir,
tomaron datos agregados nacionalmente y fueron deduciendo la existencia de
clusters a través de dos medidas: el coeficiente de localización (location
quotient, LQ) que se define tal y como se ha expuesto en el apartado 3.1. y la
tasa de empleo total en una industria medido en porcentaje del empleo regional.
Aquellas industrias que en términos regionales tuvieran un coeficiente LQ
superior a 1,25 y que, además, empleasen a más del 0,2% de la fuerza laboral
regional eran susceptibles de ser consideradas clusters regionales ya que el
Departamento de Comercio e Industria consideraba que estos datos indicaban
una concentración anormal de empleo en una determinada industria y zona
geográfica.
11 Porter (2003:558).
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
128
Una vez identificados estos posibles clusters, se estudiaban las relaciones
comerciales entre las distintas industrias, utilizando estos análisis de relaciones,
se agrupaban industrias interrelacionadas y se definían los clusters. Para
corroborar la identificación realizada, el DTI llevó a cabo entrevistas personales
con agencias e instituciones regionales.
El proyecto identificó 145 clusters en todo el territorio nacional (véase la
Figura 3.1.) que se clasificaron en función de varios criterios:
a) Estado de desarrollo, distinguiendo entre; maduro, establecido y
embriónico. Los clusters maduros serían los que ya estaban
completos y en los que la entrada de nuevas empresas o instituciones
era considerada difícil o poco atractiva. Los clusters establecidos eran
aquellos que estaban en funcionamiento o podían estarlo y en los que
había potencial para la entrada de nuevas empresas o instituciones.
Finalmente, los clusters en estado embriónico eran los que todavía
tenían un tamaño pequeño.
b) Profundidad, basándose en la mezcla y rango de industrias presentes
en el cluster. Se consideraban clusters profundos los que estaban
formados por un número considerable de componentes, incluidas
instituciones.
c) Dinámica de empleo, creciente o no, según estimaciones de
crecimiento de empleo en el cluster.
d) Importancia; internacional, nacional o regional. Los clusters
considerados de importancia internacional se referían a industrias
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
129
competitivas internacionalmente, mientras que los nacionales se
referían a industrias grandes pero que sólo competían en el mercado
nacional y los de importancia regional estaban formados por
industrias concentradas localmente.
El resultado proporcionaba una visión bastante completa de la dispersión o
concentración de clusters por regiones en el Reino Unido, así como la fortaleza
e importancia de cada uno de ellos. Se identificaron los clusters competitivos
internacionalmente, que eran de mayor profundidad, tenían una progresión de
empleo creciente y estaban más establecidos; este tipo de clusters se
localizaban en Londres y la zona sureste del país e incluían clusters de
finanzas, servicios empresariales, textil, viajes, publicidad y música, siendo el
más fuerte de ellos el de servicios financieros de Londres.
A partir de este estudio de identificación de clusters, se han generado otras
iniciativas de análisis más pormenorizado de algunos de los clusters
identificados, lo que permite disponer de una herramienta que mejore el
conocimiento de estas agrupaciones y las implicaciones de cada una de sus
características. Por ejemplo, se han analizado cuáles de los clusters
clasificados como competitivos internacionalmente tienen una mayor cuota de
mercado en las exportaciones internacionales; o los tipos de relaciones
existentes entre algunos de los clusters identificados y las ventajas asociadas a
las mismas.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
130
Figura 3.1.
Mapa de clusters en Reino Unido
Fuente: DTI (2001:21)
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
131
3.3. Los sistemas productivos locales del Departamento de Trabajo e
Industria de Cataluña
Este proyecto de identificación de los sistemas productivos locales
industriales12 fue publicado, en 2005, por J.M. Hernández, J. Fontrodona y A.
Pezzi, del Departamento de Trabajo e Industria de la Generalitat de Cataluña.
El trabajo de la Generalitat se centró en los sistemas productivos locales
abiertos a la competencia (o traded clusters, según M. Porter), ya que según
demostró Porter este tipo de clusters son los que tienen una mayor importancia
estratégica para una economía dada su influencia en la productividad e
innovación (Porter, 2003). 13
El estudio permitió al gobierno catalán identificar los principales clusters de la
región y conocer sus actividades, origen y evolución, tamaño, facturación y
ocupación. También se obtuvo una valiosa información en cuanto a los
principales agentes que forman parte de cada sistema, incluyendo tanto
empresas como instituciones.
Para delimitar los sistemas productivos locales los autores identificaron las
aglomeraciones de empresas y comprobaron si además de competir,
colaboraban entre ellas. Por otro lado, analizaron la presencia de
externalidades en el territorio en el que estaban situadas y si su competencia 12 M.T. Costa i Campí relaciona este concepto directamente con los clusters al escribir en el prólogo de este trabajo de Hernández et al. (2005:6) que “…se decidió realizar un trabajo que identificase los sistemas productivos locales (o distritos industriales o clústeres) de la industria catalana”. 13 Porter (2003:558) demostró que aunque los traded clusters representaban sólo el 32% de la ocupación en Estados Unidos, frente al 68% de los clusters locales, los primeros destacaban en cuanto a salarios medios (44.956$ frente a 28.288$), productividad medida como ventas por empleado (144,1 frente a 79,3) y número de patentes por 10.000 empleados (21,7 frente a 1,3).
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
132
era local o global. Una vez realizadas estas cuestiones fueron seleccionadas
aquellas que competían globalmente ya que eran las que obedecían con
claridad a la categoría de clusters abiertos a la competencia (traded).
Además de la identificación y localización geográfica realizada, los clusters se
clasificaron según su tamaño, en función del número de establecimientos que
los formaban y del número de trabajadores que había en el total del cluster.
El resultado fue la identificación y análisis de 42 sistemas productivos locales,
agrupados en 11 sectores que suponen el 39% de la facturación, el 36% de los
trabajadores y el 26% de los establecimientos existentes en Cataluña, lo que da
una idea de lo que se podría denominar el grado de “clusterización” catalán en
el año 2005.
En la Figura 3.2. se muestra la localización de algunos de los principales
clusters identificados en el estudio.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
133
Figura 3.2.
Localización de los Sistemas Productivos Locales Catalanes
Fuente: Hernández Gascón, J.M., Fontrodona, J. y Pezzi, A. (2005:36).
También se estudiaron las relaciones entre los clusters abiertos a la
competencia identificados. La figura 3.3. muestra las relaciones que se
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
134
identificaron entre los clusters de productos cárnicos, aceites y grasas,
productores de vino y cava y embotelladores de aguas minerales. Como puede
observarse, algunos de estos sistemas productivos locales comparten
proveedores (como es el caso de las industrias de agricultura, ganadería y
pesca), acceden a los mismos canales de distribución y reciben apoyo de las
mismas instituciones, centros logísticos, laboratorios, centros de formación y
asociaciones.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
135
Figura 3.3.
Relaciones entre los Sistemas Productivos Locales Catalanes
Fuente: Hernández Gascón, J.M., Fontrodona, J. y Pezzi, A. (2005:37).
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
136
3.4. Los sistemas productivos locales de la Comunidad Autónoma del País
Vasco.
Este estudio de Larrea (2000) analizó los sistemas productivos locales del
País Vasco y estudió las economías de localización que se producían en ellos,
entendiéndolas como uno de los principales factores de competitividad de los
sistemas productivos locales. Para ello se partió de quince unidades territoriales
definidas por el Gobierno Vasco en 1990 (Beasain-Zumarraga, Gran Bilbao,
Mungia, Encartaciones, Arratia, San Sebastian, Durango, Eibar, Guernica-
Lumo, Laguardia, Llodio, Mondragón-Bergara, Tolosa, Vitoria y Zarauz-
Azpeitia), y se siguió un doble procedimiento: en primer lugar, se analizó la
especialización o no de cada sistema productivo local en un determinado
proceso productivo y, en segundo lugar, se valoró la fuerza de la estructura de
proveedores del principal proceso productivo en cada unidad territorial.
Para llevar a cabo la primera parte del análisis, consistente en determinar el
nivel de especialización en determinados procesos productivos en cada unidad
territorial, se analiza el empleo y el número de establecimientos de la siguiente
manera:
Xit = (EMPi/EMPtot)*100
Yit = (ESTi/ESTtot)*100
Donde
X es el peso en términos de empleo
Y es el peso en términos de número de establecimientos
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
137
i es el sector industrial
t es el año
EMP es el empleo
EST es el número de establecimientos
Tot es el total industrial
Para la segunda parte del análisis, consistente en detectar economías de
localización en forma de cercanía de proveedores, se calcula el porcentaje de
compras que realiza cada sector en cada uno de los orígenes analizados de la
siguiente forma:
Ui = (CPAiot/CAPit)*100
Donde
U es el peso de cada origen en las compras realizadas por cada sector
CPA es el importe de las compras
i es el sector
o es el origen
t es el año
Para el análisis de los datos de compras se utilizaron tablas input-output ..A
continuación se elaboraron unos baremos con la clasificación de las economías
de localización en tres grupos (fuertes, medias o débiles), en función del pero
de las compras realizadas en el entorno analizado: si más del 60% de las
compras se realizaban en el entorno analizado, las economías de localización
se consideraban fuertes. Si el porcentaje era inferior al 40% se consideraban
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
138
débiles. En todos los demás casos, las economías de localización se
consideraban medias.
Aplicando estos dos procedimientos en cada una de las 15 zonas analizadas,
se identificaron cuatro sistemas productivos locales (Mungia, Arratia, Durango y
Eibar) con una especialización clara en el sector del metal y que además
presentaban economías de localización. También se identificaron los sistemas
productivos locales que teniendo tasas altas de especialización en algún sector
productivo, no presentaban economías de localización y viceversa.
3.5. El Proyecto de Van der Linde.
Basándose en que la mayoría de los estudios realizados hasta ese momento
se centraban en un país o región y seguían diferentes metodologías, C. Van der
Linde (2002) trató precisamente de realizar un estudio sistemático sobre los
clusters existentes en todo el mundo. El proyecto comenzó en 2002 y se sigue
manteniendo en la actualidad.
El objetivo del meta-estudio no es sólo identificar y conocer los clusters
existentes sino poder realizar análisis comparativos en cuanto a diversos
aspectos. Para ello se recoge información sobre 120 variables para cada
cluster, que el autor agrupa en los siguientes bloques:
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
139
a) Descripción y características generales
b) Localización y límites geográficos, incluyendo también información
sobre el grado de desarrollo regional
c) Indicadores de competitividad , tales como el volumen de producción
y exportaciones del cluster
d) Condiciones de competitividad del cluster, basándose en el Modelo
del diamante de M. Porter donde se consideran las condiciones de
los factores, de la demanda, la situación de las industrias
relacionadas y el contexto de estrategia y rivalidad
e) Evolución del cluster, indicando la fecha de aparición y de declive del
mismo.
Se trata de un enfoque de abajo a arriba (bottom-up) ya que la información no
se recoge en términos agregados sino directamente del cluster y es en su
mayoría de tipo cualitativo. Los últimos datos publicados en 2006 comprendían
información sobre 833 clusters de 49 países14.
Se clasificaron los clusters en función de su grado de competitividad y en
cada uno de ellos se analizó qué aspecto era el determinante de dicha
competitividad: las condiciones de los factores, la demanda, la situación de las
industrias relacionadas o las condiciones de estrategia y rivalidad de las
empresas. Ello permitió comprobar que en el grupo de clusters más
competitivos los cuatro factores de competitividad estaban equilibrados, es
decir, todos contribuían a la competitividad del cluster. Sin embargo, los cluster
14 Entre ellos, 6 referentes a España, cinco de los cuales se encuentran en Cataluña.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
140
basados únicamente en uno de los factores tenían tasas de competitividad
menores. Esto supone una información valiosa ya que indica algunos de los
supuestos necesarios para que los clusters desarrollen su potencial competitivo.
Este estudio proporciona una interesante base para analizar aspectos
cualitativos tales como qué factores influyen en la competitividad de un cluster
o qué condiciones de los clusters están relacionadas entre sí. Por ejemplo, se
puede comprobar si la edad de un cluster guarda relación con su tamaño, si las
condiciones de los factores son el aspecto más relevante para su
competitividad, o si esto varía en términos geográficos o por tipo de industria.
3.6. El análisis del distrito de la cerámica en Castellón.
El trabajo del distrito de la cerámica de Castellón de V. Budí (2008) trata de
mostrar algunas de sus características, su dinámica productiva y su posición
competitiva, así como un análisis de sus perspectivas futuras. Se trata, por
tanto, de una análisis en su mayor parte cualitativo, micro, de abajo a arriba
(bottom-up) y referido a un solo distrito industrial.
Con anterioridad al trabajo de V. Budí (2008) diversos autores habían estudiado
el distrito de la cerámica en Castellón, en su mayor parte desde un punto de
vista más cuantitativo, enfocado en la identificación y delimitación del distrito
industrial (Ybarra, 1991; Tomás y Such, 1997; Soler, 2000). También C.
Camisón y J. Molina (1998) estudiaron este distrito en un trabajo empírico
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
141
enfocado en las ventajas competitivas que consiguen las empresas
pertenecientes al distrito como consecuencia de los recursos compartidos.
V. Budí (2008) analiza en su trabajo la estructura productiva de la industria
cerámica, distinguiendo entre los siguientes actores:
a) Fabricantes de baldosas, pavimentos y revestimientos cerámicos. Dentro
de ellas existen empresas grandes y de ciclo completo, que realizan
todas las fases del proceso productivo, y otras más pequeñas dedicadas
a la fabricación de piezas especiales con métodos más artesanales.
b) Fabricantes de fritas, esmaltes y colores cerámicos. Se trata de un
grupo reducido de empresas, de gran tamaño y que cuentan con
presencia internacional. Juegan un papel fundamental en el distrito, ya
que aportan la mayor parte de la actividad de I+D+i de la producción
cerámica.
c) Industrias extractivas. La materia prima utilizada en la industria cerámica
es la arcilla roja o blanca, obtenida de minas situadas en el propio
distrito, de zonas limítrofes, o de otras zonas. Tal y como señala el
autor, la existencia de minas de arcilla en el distrito fue una de los
principales motivos de su localización, así como una importante ventaja
competitiva. En la actualidad se están produciendo casos de
colaboración entre empresas fabricantes de azulejos para instalar
conjuntamente empresas de tratamiento de arcilla, debido a la magnitud
de las inversiones requeridas y al elevado consumo energético.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
142
d) Empresas de maquinaria. La maquinaria que se utiliza es en su mayor
parte importada de Italia, y en el distrito de Castellón existen sobre todo
empresas que se dedican a la adaptación e instalación de dichas
máquinas. Sin embargo, aunque es evidente la dependencia exterior en
cuanto a la fabricación de maquinaria, en el distrito sí existen empresas
con excelentes conocimientos en tecnologías de procesos.
e) Industria auxiliar e instituciones de apoyo. Existen numerosas industrias
auxiliares, como las de fabricación de embalajes, transporte
especializado o instalación de expositores, así como instituciones
educativas, tecnológicas y diferentes asociaciones que dan apoyo al
distrito y que cuentan con representación política y social.
El autor analiza seguidamente la posición competitiva de cada uno de los
grupos de empresas descritos y, en relación con las tendencias generales que
se están produciendo en el sector de la cerámica a nivel internacional, propone
una serie de recomendaciones entre las que pueden destacarse las siguientes:
a) Aumento de la especialización y reducción del número de referencias o
modelos ofrecidos.
b) Mayor control del proceso de distribución y comercialización.
c) Búsqueda de nuevos usos para el azulejo en el hogar y de mejoras en su
colocación, para aumentar la rotación del producto.
d) Consolidación de la actividad de I+D+i dentro del distrito, potenciando
acuerdos de colaboración entre empresas e instituciones del sector.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
143
e) Creación de grupos empresariales de mayor tamaño dentro del distrito
como forma de optimización de recursos.
3.7. El análisis del cluster de la electrónica de consumo en Cataluña.
El trabajo realizado por E. Ballarín y M. L. Blázquez (2003) sobre el cluster de
la electrónica de consumo es un ejemplo de análisis micro, de abajo a arriba
(bottom-up) y referido a un solo cluster.
El análisis se realizó basándose principalmente en datos de tipo cualitativo,
recogidos en entrevistas realizadas a las principales empresas e instituciones
que formaban parte del cluster. El trabajo permitió entender en profundidad el
funcionamiento del cluster y las relaciones de colaboración y competencia
existentes entre las empresas e instituciones que lo formaban (véase la figura
3.4).
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
144
Figura 3.4.
El cluster de la electrónica de consumo en Cataluña
Fuente: Ballarín, E. y Blázquez, M.L (2003: 8 ).
En la figura anterior se aprecia como en el cluster catalán de electrónica de
consumo concurren diferentes fabricantes competidores pero también
empresas presentes a lo largo de toda la cadena de valor, desde los
proveedores de materiales de fabricación, hasta las empresas comerciales, así
como las instituciones de apoyo (centros educativos y empresas especializadas
en el área de ingeniería) que tienen un importante papel en este cluster. Si
bien las relaciones entre empresas del mismo grupo (por ejemplo entre
fabricantes) son de competencia, las relaciones que se dan entre empresas de
diferentes grupos son de colaboración.
Fabricantes• Sharp• Sony• Samsung• Tecnimagen• HP• Others
Fabricantes• Sharp• Sony• Samsung• Tecnimagen• HP• Others
Proveedoresestandar• Electromecánica• Electronica• Tubos
Proveedoresestandar• Electromecánica• Electronica• Tubos
Proveedoresespecializados• Metal• Plastico• Impresión• Packaging
Proveedoresespecializados• Metal• Plastico• Impresión• Packaging
Operadores logísticos
Operadores logísticos
• Cadenas comerciales
• Hipermercados• Retail
• Cadenas comerciales
• Hipermercados• Retail
ExportaciónExportación
Instituciones de apoyo• LGAI• Aniel• Secartys
Instituciones de apoyo• LGAI• Aniel• Secartys
Centroseducativos• UPC• URLL
Centroseducativos• UPC• URLL
Empresas ingeniería
Empresas ingeniería
Fabricantes• Sharp• Sony• Samsung• Tecnimagen• HP• Others
Fabricantes• Sharp• Sony• Samsung• Tecnimagen• HP• Others
Proveedoresestandar• Electromecánica• Electronica• Tubos
Proveedoresestandar• Electromecánica• Electronica• Tubos
Proveedoresespecializados• Metal• Plastico• Impresión• Packaging
Proveedoresespecializados• Metal• Plastico• Impresión• Packaging
Operadores logísticos
Operadores logísticos
• Cadenas comerciales
• Hipermercados• Retail
• Cadenas comerciales
• Hipermercados• Retail
ExportaciónExportación
Instituciones de apoyo• LGAI• Aniel• Secartys
Instituciones de apoyo• LGAI• Aniel• Secartys
Centroseducativos• UPC• URLL
Centroseducativos• UPC• URLL
Empresas ingeniería
Empresas ingeniería
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
145
El cluster de electrónica de consumo de Cataluña está integrado, por tanto,
por un conjunto de fabricantes, los proveedores que le dan apoyo (con los que
tiene relaciones comerciales y de colaboración) y por un grupo de instituciones
y empresas que dan apoyo tanto a los fabricantes como a los proveedores y
que también mantienen con ellos relaciones de colaboración.
Se describen a continuación las principales empresas e instituciones del
cluster.
a) Fabricantes
La mayoría de empresas fabricantes se trata de grandes multinacionales
que destinan una parte importante de su producción al mercado internacional.
La producción se centra en artículos de audio, vídeo, ordenadores personales
e impresoras.
Varios de los grandes fabricantes son empresas japonesas y coreanas, como
Sony, Sharp o Samsung.
b) Proveedores
Hay dos tipos de proveedores en el cluster: los que proporcionan productos
estándar y los proveedores especializados. Los primeros proporcionan
productos como tubos y muchos son multinacionales con delegaciones
comerciales en Barcelona. La mayoría también atienden a otros mercados
además de la electrónica de consumo.
Los proveedores especializados incluyen los plásticos, metales y circuitos
impresos. En las áreas de plástico y metal los proveedores son, en su
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
146
mayoría, empresas familiares aunque también participan grandes
multinacionales (por ejemplo, British Steel). Los proveedores de plásticos,
metal y circuitos impresos no sólo atienden la demanda de los fabricantes de
electrónica de consumo, sino también de empresas pertenecientes a otros
clusters cercanos, como el del automóvil. La posibilidad de atender la
demanda de diversos clusters ha impulsado el desarrollo de esta industria
auxiliar dentro del área.
c) Instituciones auxiliares y de apoyo
Entre las instituciones auxiliares y de apoyo se incluyen las empresas y
asociaciones que proporcionan un servicio tanto a los fabricantes como a los
proveedores del cluster.
- Laboratorio General de Ensayos e Investigación (LGAI)
Es el laboratorio general de ensayos e investigación y sus principales
funciones son:
Realizar tests y análisis de materiales y productos industriales,
proporcionando además las certificaciones oficiales.
Cooperar en la formación de personal técnico, mediante la
organización de cursos y seminarios.
Realizar estudios e investigaciones en cooperación con los centros
educativos que participan en el cluster.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
147
- Asociación Nacional de Industrias Electrónicas (ANIEL)
Tiene como misión promover los intereses de las empresas afiliadas y
promover el desarrollo de la industria electrónica, actuando como
intermediaria con la Administración. En su papel de intermediaria puede
realizar funciones como solicitar subvenciones, mejores condiciones
fiscales o facilitar trámites.
- Asociación Catalana de Moldes y Matrices (ASCAMM)
Proporciona formación, asesoramiento y certificaciones con el objeto de
mejorar la competitividad de las empresas procesadoras de plástico y
metal. La asociación también lleva a cabo numerosas investigaciones en
el Centro Tecnológico que ha creado.
- Otras instituciones asociadas
Estas otras instituciones también desarrollan una misión importante de
apoyo al cluster. Por un lado, la Universidad Ramón Llull y la Universidad
Politécnica de Cataluña tienen licenciaturas en las áreas de Ingeniería y
Telecomunicaciones y mantienen relaciones fluidas con las empresas del
cluster que se traducen en numerosas ofertas de trabajo en prácticas; es
más, la Universidad Ramón Llull cuenta con un centro de transferencia
tecnológica donde pueden realizarse determinados proyectos de interés
para las empresas del cluster a petición de éstas.
Por otro lado, la televisión local, TV3, ha jugado un doble papel en el
sector de la electrónica de consumo: catalizadora de nuevas tecnologías
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
148
y usuaria de las mismas. Como catalizadora colaboró con los
fabricantes para el desarrollo de nuevos estándares (por ejemplo, trabajó
con Hitachi y Pioneer en la introducción del dolby surround). Como
usuaria, al mantener relaciones de colaboración con diversas empresas
del cluster, ha podido estar al tanto de los avances que se han realizado
y ha ido incorporando los últimos desarrollos en electrónica.
3.8. Conclusiones
En definitiva, como se ha podido comprobar en este apartado, se han llevado
a cabo, tanto por organismos públicos como privados y por múltiples autores,
iniciativas interesantes de identificación y análisis de clusters en distintos países
y regiones.
Se puede afirmar que la comparación de los resultados de los distintos
trabajos es complicada ya que los métodos de identificación y análisis de
clusters que se han utilizado han sido muy diversos. Sin embargo, los
resultados obtenidos en los estudios mostrados arrojan luz sobre la
identificación, localización, características y funcionamiento de los clusters en
distintos países y constituyen una base interesante para posteriores análisis en
más profundidad sobre las ventajas o implicaciones de los clusters.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
149
4. VENTAJAS DE LOS CLUSTERS
Pese a las diversas dificultades existentes en cuanto a delimitación, definición
e identificación de clusters se les atribuyen múltiples ventajas tanto a las
empresas que operan en ellos como a las regiones que los fomentan y
promueven. Algunos autores han llegado incluso a considerar a los clusters
responsables del crecimiento económico de determinadas regiones (por
ejemplo, Norton, 2001; Bresnahan y Gambardella, 2004).
R.D. Norton (2001), afirma que el liderazgo global de Estados Unidos en la
llamada Nueva Economía se derivaba de la existencia de clusters grandes y
dinámicos o concentraciones que promovían la innovación y el espíritu
emprendedor.
Con este mismo espíritu T. Bresnahan y A. Gambardella argumentan en su
obra Building high-tech clusters: Silicon Valley and beyond del año 2004:
“los clusters de alta tecnología, como Silicon Valley, han recibido una
enorme atención de estudiosos y de los poderes públicos. El crecimiento
económico nacional puede ser impulsado por el desarrollo de clusters como
ése. El boom de los años 80 y 90 en Estados Unidos se debió en gran parte al
crecimiento de industrias de Tecnologías de la Información en unos cuantos
clusters regionales” (2004:1).
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
150
Con el objetivo de determinar claramente cuáles pueden ser las ventajas que
conllevan los clusters se pueden agrupar las aportaciones realizadas por
diversos autores en torno a dos tipos de ventajas: las ventajas de aglomeración
y las de difusión del conocimiento.
Cuadro 3.3.
Ventajas de los Clusters
Ventajas de Aglomeración Ventajas de Difusión del conocimiento
Existencia de mano de obra especializada Intercambio de mejores prácticas
Existencia de inputs especializados Aprendizaje
Existencia de servicios de apoyo especializados Participación en redes locales
Disponibilidad de proveedores localesFacilidad de percepción de oportunidades de innovación y desarrollo tecnológico
Existencia de infraestructuras de comunicación y transporte
Imitación
Consecuencias Consecuencias
Menores costes de transacción Mayores niveles de innovación y desarrollo tecnológico
Mayor productividad y eficiencia Mejores prácticas y mayor eficiencia
Autores Autores
Krugman, 1991; Porter, 1998; Gordon y McCann, 2000; Basant, 2002; Belussi, 2006; Gertler y Wolfe, 2006
Lundvall 1992; Porter, 1998; Gordon y McCann, 2000; Maskell, 2001; Swann, 2001; Storper y Venables 2004; Belussi, 2006; Gertler y Wolfe, 2006; Galetto, 2008; López, Más y Molina, 2008; Banco Mundial, 2009.
Fuente: Elaboración propia.
4.1. Ventajas de aglomeración.
Se refieren a las ventajas que se generan, respecto a una mayor eficiencia y
menores costes de transacción, como consecuencia de la presencia de un
elevado número de empresas en un determinado lugar geográfico.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
151
El hecho de que se concentren varias empresas de un determinado sector en
un área geográfica posibilita las interacciones entre ellas y con otras empresas
proveedoras o auxiliares que también se establecen en ese lugar atraídas por
dicha concentración de negocio en su área de actividad. Los autores P.
Krugman (1991), M. Porter (1998b), I. Gordon y P. McCann (2000), R. Basant
(2002), F. Belussi (2006), M. Gertler y D.A. Wolfe (2006) mencionan como
algunos ejemplos de este tipo de ventajas las siguientes:
a) La existencia de mano de obra inputs y servicios de apoyo
especializados que están disponibles y fácilmente accesibles para
todas las empresas del cluster.
b) La disponibilidad de proveedores locales. La interacción con los
proveedores locales puede dar lugar a mejoras de productividad y
calidad. I. Gordon y P. McCann (2000) argumentan que se facilitan las
relaciones de subcontratación estilo Toyota, en las que la estrecha
colaboración con los proveedores permite, entre otras cosas, la
producción bajo pedido (just in time) generándose mayores eficiencias
y ahorros de coste por la eliminación de la necesidad de mantener
existencias.
c) Mayor posibilidad de desarrollo de ciertos tipos de infraestructura, por
ejemplo de comunicaciones o transporte, que facilitan y abaratan las
operaciones de logística y comunicación de las empresas y cuya
disponibilidad está justificada por la concentración de empresas en ese
territorio. Estas condiciones también proporcionan un mejor y más fácil
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
152
acceso a los mercados por parte de las empresas del cluster lo que
favorece sus posibilidades de ventas a menor coste.
En definitiva, la aglomeración de empresas en una determinada zona implica
ventajas en términos de más fácil acceso a recursos, servicios o
infraestructuras que disminuyen los costes de transacción y permiten que las
empresas operen con mayor eficiencia.
4.2. Ventajas de difusión del conocimiento.
Autores como B.A. Lundvall (1992), M. Porter (1998a), I. Gordon y P. McCann
(2000), P. Maskell (2001), G. Swann (2002), M. Storper y A.J. Venables (2004),
F. Belussi (2006), Comisión Europea (2006), M. Gertler y D.A. Wolfe (2006), V.
Galetto (2008), M. López, F. Mas y F. X. Molina (2008) y el Banco Mundial
(2009) consideran que una importante fuente de ventaja competitiva para las
empresas localizadas en un cluster es el acceso a una base del conocimiento
local. El hecho de estar próximos unos a otros, favorece la generación y
transmisión del conocimiento entre las empresas y las instituciones públicas o
privadas del cluster. Ejemplos concretos de este tipo de ventajas son:
a) Los mecanismos de cooperación entre las empresas del cluster
facilitan el intercambio de las mejores prácticas, con lo cual estarían
tipificando una clase específica de compartir y difundir el conocimiento.
b) La continua comparación del desempeño de cada empresa supone un
mayor incentivo para mejorar respecto a los competidores locales. El
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
153
hecho de que unas empresas estén próximas a otras facilita la
comparación y la competitividad entre ellas.
c) Mayor participación en las redes de aprendizaje e innovación locales y
regionales, lo que incluye instituciones de investigación, asociaciones
industriales y gubernamentales.
d) Más facilidades para percibir oportunidades de innovación y desarrollo
tecnológico. La interacción entre empresas hace que surjan más
fácilmente ideas y oportunidades innovadoras y, a la vez, que la
difusión de dichas ideas sea más rápida.
e) Mayores posibilidades de reducir costes a través del aprendizaje. Al
estar unas empresas próximas a otras se produce un proceso de
imitación de las mejores prácticas y el aprendizaje de éstas finalmente
implica menores costes.
Esta difusión del conocimiento se produce en los clusters debido a distintos
factores. T. Humphrey y H. Schimtz (1995) y H. Schimtz y K. Nadvi (1999)
identificaron una serie de atributos que en sus opiniones contribuyen al
dinamismo y a la generación y difusión del conocimiento en los clusters
industriales:
a) Proximidad geográfica. Un gran número de pequeñas y medianas
empresas están localizadas en un espacio geográfico determinado y
su cercanía facilita el intercambio de información.
b) Especialización sectorial. El cluster se especializa en un sector
industrial específico, por lo que las diferentes empresas tienen un
área común de conocimiento e interés. Además, hay una significativa
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
154
división intra-sectorial del trabajo, en la que diferentes unidades
dentro del cluster se especializan en procesos específicos.
c) La colaboración estrecha entre empresas. Los nexos entre empresas
sustituyen a la integración vertical de todas las actividades en una
empresa con el consiguiente ahorro en costes y mayor posibilidad de
especialización.
d) La competencia entre empresas. La competencia entre empresas
está basada esencialmente en la innovación, para lo que es
fundamental el acceso al conocimiento.
e) Integración en la sociedad. Una identidad socio-cultural que facilita la
confianza, la reciprocidad y el beneplácito social.
f) El apoyo de autoridades públicas. El Estado o un gobierno regional o
municipal puede fomentar mucho el trabajo de las entidades
participantes en el cluster.
El intercambio de conocimiento entre las empresas del cluster es tan
importante que según P. Maskell (2001) constituye la principal causa para la
creación de clusters. Este autor considera que este intercambio se produce
aendos dimensiones, horizontal y vertical.
En la dimensión horizontal, los clusters reducen el coste de coordinar fuentes
dispersas de conocimiento y de resolver los problemas de información
asimétrica entre empresas que fabrican productos similares y compiten entre
sí. La proximidad geográfica permite que las empresas con mejores prácticas
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
155
sean observadas e imitadas favoreciendo la innovación porque las empresas
intentan alcanzar a sus competidores.
En la dimensión vertical, el intercambio se produce entre las empresas que
son complementarias y tienen vínculos a través de una red de relaciones de
proveedores, usuarios y servicios. Por ejemplo, los fabricantes compartirán
información con sus proveedores para mejorar y hacer más eficiente el proceso
de aprovisionamiento.
En línea con el razonamiento de P. Maskell (2001), M. Steiner (2006) también
destaca la creación y difusión del conocimiento como la principal ventaja de los
clusters e identifica los clusters con una forma especial de institución que
proporciona un marco conceptual para poder transformar información en
conocimiento útil. Este autor entiende los clusters como organizaciones de
aprendizaje y argumenta que constituyen un mecanismo mediante el que las
empresas tratan de coordinar sus actividades con otras empresas y otras
instituciones generadoras de conocimiento.
En definitiva, las ventajas atribuidas por los autores a la existencia de clusters
son diversas y afectan tanto a aspectos macro como microeconómicos,
especialmente, resultando en una organización empresarial más competitiva,
con menos costes y mayores posibilidades para la generación y difusión del
conocimiento.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
156
5. LOS CLUSTERS COMO INSTRUMENTO PARA MEJORAR LA
COMPETITIVIDAD.
Las ventajas que han sido atribuidas a los clusters son importantes tanto para
las empresas participantes en los mismos como para los poderes públicos.
Como señala C. Ketels (2003), las ventajas que los clusters suponen para las
empresas, tanto por el menor coste de transacción como por la difusión del
conocimiento, hacen que a las empresas les interese operar en clusters para
conseguir uno de sus objetivos como es la maximización de beneficios. Por
otro lado, los poderes públicos comenzaron a mostrar interés por los clusters al
considerar que las consecuencias de las existencia de los clusters enunciadas
en el apartado anterior (mayor productividad y eficiencia de las empresas,
mayores tasas de innovación y desarrollo tecnológico y menores costes de
transacción) pueden incidir a largo plazo en la productividad y competitividad
de las regiones.
Los trabajos que M. Porter realizó en los años 90 sobre los clusters tuvieron
mucha repercusión en este sentido. ¿Por qué es a partir de los trabajos de M.
Porter cuando el concepto de cluster empieza a tener eco tanto en los grandes
organismos internacionales como en los gobiernos de los distintos países? R.
Martin y P. Sunley (2003) lo atribuyen a diferentes causas. En primer lugar, el
profesor Porter enfocó desde el principio el concepto de cluster como
determinante de la competitividad, lo que resultaba de gran interés para los
políticos y las instituciones ya que podría ser un buen mecanismo para mejorar
la productividad y competitividad de los países o regiones. Por otro lado, sus
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
157
ideas se exponían en términos de estrategia de negocio, de modo que podían
trasladarse fácilmente a la práctica y ser aplicables tanto a las empresas como
a los gobiernos en el diseño de sus políticas regionales y nacionales.
En definitiva se trataba de buscar ventajas competitivas desde el punto de vista
territorial. Además, como señalaba P. Temple (1998), la idea de cluster
encajaba bien con la tendencia a la descentralización que ya se estaba
desarrollando en esa década.
Siguiendo esta tendencia numerosos gobiernos en todo el mundo, así como
instituciones regionales, públicas y privadas, han apoyado los clusters como
elemento de desarrollo regional. La OCDE se ha manifestado claramente en
esta línea en varias ocasiones (1999, 2001), ya que considera a los clusters
innovadores como impulsores del crecimiento económico nacional y una
herramienta de política económica para impulsar la competitividad. También en
esta línea se puede destacar la afirmación de S. Wallsten que en su obra The
role of government in regional technology development llegó a exponer que
(2004:229): “Los políticos de todo el mundo están ansiosos por encontrar
herramientas que ayuden a sus regiones a emular el éxito de Silicon Valley y a
crear nuevos centros de innovación y alta tecnología”.
Con el objetivo de demostrar empíricamente la relación de los cluster con las
ventajas que se les atribuyen y con algunos aspectos de la competitividad se
han desarrollado diversos estudios que pueden agruparse en:
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
158
- Análisis econométricos que miden el efecto directo de los clusters en
alguna de las ventajas de aglomeración o difusión del conocimiento.
- Trabajos que muestran evidencia indirecta de alguna de las ventajas
atribuidas a los clusters.
- Trabajos que tratan de buscar la relación explícita entre la existencia de
clusters y algunos de los aspectos de la competitividad de las empresas,
las regiones y los países.
Resulta conveniente analizar brevemente algunas de las aportaciones
existentes en cada uno de los estudios.
5.1. Análisis econométricos con evidencia directa.
En este primer grupo de trabajos se suele relacionar la existencia de clusters
u otros tipos de aglomeraciones industriales con alguna de las ventajas
expuestas en el apartado anterior como, por ejemplo, mayores tasas de
innovación o productividad.
Dentro de este grupo se pueden destacar los trabajos de E. Glaeser et al.
(1992), V. Henderson (1994), J.A. Herce et al. (1996), J.J. De Lucio (1998),
D.M. De Carolis y D.L. Deeds (1999), L.F. Signorini (2000), V. Boasson y A.
McPherson (2001), C. Beaudry y S. Breschi (2003), M. Porter (2004), V. Budí
(2008), Comisión Europea (2008) o V. Galetto (2008).
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
159
En estos estudios se mide la incidencia de las aglomeraciones industriales
sobre algunas variables como por ejemplo las tasas de innovación,
productividad o los resultados financieros. V. Boasson y A. McPherson (2001)
estudian las empresas farmacéuticas cotizadas en bolsa en Estados Unidos y
muestran que aquellas que están localizadas en clusters son más activas en
innovación de productos y obtienen mejores resultados financieros que las que
no lo están.
El trabajo de V. Galetto (2008:131), por ejemplo, demuestra que los territorios
con una mayor densidad de sistemas productivos locales son más innovadoras;
de hecho, la diferencia entre la intensidad innovadora de los distritos
industriales, medida en términos de patentes por millón de ocupados, respecto
a la media del país era del 46%. En términos de diseños industriales la
diferencia asciende al 77%, reforzando por tanto el resultado anterior.
En esta misma línea la Comisión Europea (2008) destaca que frente al 12%
de empresas innovadoras que solicitaron patentes en 2004, el porcentaje de
empresas innovadoras que operaban en clusters que las solicitaron ascendía a
un 29% en 2006. Aunque estos resultados se han obtenido a nivel de empresas
y la Comisión Europea reconoce la dificultad de extrapolarlos a nivel regional,
sí se han obtenido resultados positivos en cuanto a la relación del número de
patentes y la fortaleza de los clusters en regiones europeas. Resultados muy
similares se han obtenido en el Innobarómetro 2006 llevado a cabo por The
Gallup Organization (2006 ) y que analiza mediante entrevistas a más de 3,500
empresas que operan en clusters, la capacidad innovadora de las mismas.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
160
5.2. Trabajos con evidencia indirecta.
Entre los trabajos que muestran evidencia indirecta entre los clusters y
algunas de las ventajas que se les atribuyen se puede incluir el de Hilpert
(1992), que realizó un estudio sobre el destino de los fondos científicos de la
Comunidad Europea y de los gobiernos nacionales y regionales y encontró que
tres cuartas partes de los mismos estaban concentrados en Europa en diez
“Islas de Innovación “, lo que demostraba que la actividad de innovación suele
estar concentrada en determinadas aglomeraciones empresariales.
En esta misma línea, D.B. Audretsch y M.P. Feldman en 1996 en su trabajo
R&D spillovers and the geography of innovation and production, obtuvieron
evidencia empírica de la concentración de la actividad innovadora en Estados
Unidos; 41,7% de todas las innovaciones registradas en la industria de los
ordenadores tuvieron lugar en California y un 12% adicional en Massachussets.
R.K. Woolthuis (1999) estudió las relaciones interorganizacionales y
comprobó que la cooperación y la confianza surgían del trabajo conjunto y que
esa confianza era un factor en el desarrollo de nuevos productos por parte de
empresas del clusters. Del mismo modo, E. Lorenz (1999) comprobó que la
generación de confianza mediante un proceso de aprendizaje continuo fue parte
fundamental en la exitosa remodelación de la industria de maquinaria de Lyon a
finales de los años 80, ya que se consiguieron mejoras económicas a través de
la cooperación entre empresas. En esta línea, otros estudios muestran
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
161
evidencia empírica de que la creación de conocimiento en los clusters proviene
de la sociabilidad de los individuos y la movilidad laboral, ya que son los
trabajadores los que intercambian y difunden el conocimiento en sus relaciones
con otros trabajadores y en sus distintas empresas (Coe, 2000; Bennet et al.,
2001; Lissoni, 2001; Welz, 2003).
Asimismo pueden incluirse en este grupo de trabajos los de otros autores
(Almeida y Kogut 1999; Breschi y Lissoni 2001; Cooper 2001; Fosfuri et al
2001; Dahl 2002) que han demostrado que los clusters tienen mayores ratios
de movilidad laboral y que ésta influye en la capacidad de innovación. Con
este comportamiento los trabajadores realizan una labor de difusión del
conocimiento de unas empresas a otras por lo que se puede considerar como
una evidencia indirecta de que los clusters promueven la innovación.
5.3. Trabajos sobre la relación explícita entre clusters y competitividad.
Entre los trabajos que explícitamente hablan de la relación entre los clusters y
la competitividad se pueden distinguir los que se centran en la competitividad de
las empresas y los que utilizan un enfoque más regional o nacional.
Entre los primeros se puede incluir el C. Camisón y J. Molina (1998) sobre el
distrito de la cerámica en Castellón, en el que demuestran que las empresas
pertenecientes al distrito obtienen mejores resultados empresariales que las
que no pertenecen a él. Según los autores es posible establecer una
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
162
vinculación entre los recursos compartidos y la obtención de ventajas
competitivas por parte de estas empresas pertenecientes al distrito.
También puede incluirse entre el primer grupo de trabajos el del European
Network for Social and Economic Research (ENSR) realizado en 2002 por A.
Isaksen y E. Hauge, que analizó clusters en 17 países europeos. Sus
resultados demostraron que las empresas que actuaban en clusters regionales
obtenían mejores resultados que la de la media nacional en sus respectivas
industrias, lo que implica una mayor competitividad de las empresas que
operan en clusters. Sólo en un 9% de los clusters analizados las empresas
productoras de bienes finales eran calificadas de débiles. En esta misma línea
el estudio de la OCDE (DATAR-OCDE, 2001) llegó a la conclusión de que las
empresas localizadas en una cluster eran más competitivas ya que conseguían
aumentar su rentabilidad entre un 2 y un 4 por ciento.
Entre los trabajos que se centran en la influencia de los clusters en la
competitividad o alguno de sus factores con un enfoque regional o nacional se
puede incluir el Cluster Mapping Project del Institute for Strategy and
Competitiveness que revela la importancia de la existencia de clusters fuertes
en la prosperidad de las regiones medida por sus salarios. Como señala C.
Ketels (2003:13) las regiones con clusters fuertes muestran una cifra superior
de salarios y un mayor crecimiento de los mismos. Además, el proyecto
demuestra que los salarios medios en las industrias locales de una región está
positiva y directamente relacionado con los salarios en los clusters abiertos a la
competencia (traded). Esto implica que los clusters abiertos a la competencia
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
163
crean valor compitiendo a través de las fronteras y este valor es repartido,
posteriormente, en la economía local a través del consumo local.
El Indice de Competitividad de los Negocios del Global Competitiveness
Report 2007-2008 del World Economic Forum relaciona estadísticamente
diversas variables, entre las que se encuentra la existencia de clusters, con el
PIB per Cápita ajustado por el poder de compra, como indicador de la
prosperidad de los países y muestra evidencia estadística de esa relación a
través de los resultados de análisis de regresión.
El European Cluster Observatory del Centre for Strategy and Competitiveness
también demuestra empíricamente que existe asociación entre la fortaleza de
los clusters y la prosperidad medida en términos de PIB per Cápita; según este
estudio, las regiones de Europa con un mayor porcentaje de empleo en
industrias que pertenecen a clusters fuertes son generalmente más prósperas.
C. Ketels et al. (2006) siguen un enfoque muy parecido en un estudio realizado
para los 10 países que se adhirieron a la Unión Europea en 2004, y señalan
que existe una relación estadísticamente significativa entre la fortaleza de los
clusters en estos países y su PIB per cápita.
Otros estudios que también inciden en la relación directa entre clusters y
algunos de los factores de la competitividad son el de M.T. Costa y E.
Viladecans-Marsal (1999), que estudiaron los volúmenes de exportación como
indicativo de competitividad y mostraron una relación positiva entre la
existencia de distritos industriales y volúmenes de exportación superiores.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
164
También puede incluirse en este grupo el trabajo de M. Delgado (2007) que
muestra una relación directa entre la existencia de clusters y el tipo de
estrategias competitivas de las empresas. Esta autora considera que las
empresas que operan en clusters están más enfocadas a la calidad y a generar
un mayor valor añadido, lo que repercute positivamente en la región o país,
frente a otras empresas más enfocadas a estrategias de bajo coste.
5.4. Conclusiones.
Tal y como se ha expuesto a lo largo del apartado 5, se han desarrollado
diferentes trabajos en los que se analiza la posible influencia de los clusters
sobre la competitividad. Estos trabajos han mostrado evidencia directa o
indirecta de que los clusters aportan ventajas para las empresas que operan en
ellos y para las zonas geográficas en las que se localizan como, por ejemplo,
mayores grados de cooperación, confianza, innovación, salarios, exportaciones
o productividad. La mayor productividad y eficiencia de las empresas incide a
medio y largo plazo en la competitividad de las regiones y países, por lo que es
lógico el interés de los autores y gobiernos por los clusters como instrumento de
mejora de la competitividad.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
165
6. CONCLUSIONES
El concepto de cluster ha suscitado un gran interés no sólo de numerosos
autores, sino también de organismos e instituciones públicas y privadas, que se
refleja en la profusión de artículos, estudios y proyectos relacionados con los
clusters. No obstante, aunque aparentemente se trata de un concepto sencillo,
existen importantes divergencias entre los autores respecto a su definición,
límites, características y ventajas.
En este capítulo se han revisado las principales aportaciones de autores y
organismos públicos y privados en cuanto a definición e identificación de
clusters. También se han expuesto los principales trabajos que explican las
ventajas de los clusters, y en concreto, aquellos que tratan de la influencia de
los clusters en la competitividad de países y regiones, ya que esa supuesta
influencia y los mecanismos a través de los cuales se realiza constituye el
enfoque central de esta tesis.
Los trabajos que relacionan clusters y competitividad no siempre han
resultado concluyentes; de hecho, gran parte de las aportaciones se han
centrado en alguna de las ventajas de los clusters, o han analizado la influencia
de los clusters en la competitividad de un grupo de empresas o sobre algún
aspecto concreto relacionado con la competitividad de países y regiones. Sin
embargo, no existen trabajos empíricos que aporten una visión más global e
integral de la influencia de los clusters en la competitividad de varios países
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
166
(incluidas las principales economías mundiales) o de regiones y de los
mecanismos a través de los cuales se produce.
En esta tesis precisamente lo que se plantea es realizar un análisis empírico,
que se desarrolla en los capítulos 4 y 5, sobre cómo influyen los clusters en la
competitividad de los países y regiones, utilizando un concepto de
competitividad amplio e integrador. Para ello se analizará el estado de
desarrollo de los clusters y la competitividad en España, Cataluña, y 136
países y se estudiará a través de qué variables se produce esa supuesta
relación entre clusters y competitividad.
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
167
Capítulo 3. Los clusters como instrumento de fomento de la competitividad.
168
PARTE III
ESTUDIO EMPÍRICO
CAPITULO 4
INVESTIGACIÓN EMPÍRICA UTILIZANDO LA
METODOLOGÍA DEL FORO ECONÓMICO
MUNDIAL
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
170
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
171
ÍNDICE
1. INTRODUCCIÓN.....................................................................................173
2. LA ELECCIÓN DE CATALUÑA...............................................................175
3. OBJETIVOS............................................................................................179
4. HIPÓTESIS..............................................................................................180
5. METODOLOGÍA......................................................................................181
5.1. Recogida de datos............................................................................181
5.2. Procedimiento realizado ………………………………………………..183
6. RESULTADOS........................................................................................184
7. CONCLUSIONES....................................................................................185
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
172
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
173
1. INTRODUCCIÓN
En los capítulos 2 y 3 se han desarrollado los conceptos de competitividad y
clusters y se ha puesto de manifiesto la posible relación existente entre ambos,
que se basa en una pretendida influencia de los clusters sobre la
competitividad de los países y regiones.
Con el objeto de analizar empíricamente esta relación se han realizado
diversos estudios pero, como se señalaba en el capítulo 3, tienen la limitación
de estar centrados o bien en regiones o países específicos o en aspectos
concretos de la competitividad.
En esta tesis se pretende demostrar la influencia de los clusters sobre la
competitividad con un enfoque amplio e integrador, analizando el estado de
desarrollo de los clusters y las tasas de competitividad en España y otros 136
países y estudiando a través de qué mecanismos o variables se produce esa
pretendida influencia.
Esta visión integral se va a combinar con el estudio en profundidad de un
caso concreto, el de Cataluña, cuya elección se justifica en el apartado
siguiente. Se va a verificar si una región con mayor desarrollo de los clusters
que España, como es Cataluña, obtiene mejores resultados en el Índice de
Competitividad de los Negocios que España y se va a determinar a través de
qué variables o factores se relacionan los clusters con la competitividad.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
174
Para ello se va a descomponer la competitividad de Cataluña en sus distintas
variables y se va a comparar con la de España en su conjunto. Esta
metodología se aplica teniendo en cuenta las limitaciones obvias, expresadas
en la introducción de esta tesis, de comparar regiones, como Cataluña, con
países, por lo que en los capítulos 4 y 5 se irán comentando los resultados que
se obtienen haciendo las precisiones oportunas.
La parte empírica de esta tesis se va a desarrollar en dos capítulos. En una
primera parte, incluida en este capítulo, se aplicará la metodología para medir
la competitividad del Foro Económico Mundial al caso concreto de Cataluña y
los resultados obtenidos se compararán con los de España y otros países. .De
los dos índices desarrollados por el Foro Económico Mundial se utilizará el
Índice de Competitividad de los Negocios, ya que este índice se enfoca más en
aspectos microeconómicos, que cada vez son más relevantes para la
competitividad, y además contempla explícitamente el papel de los clusters en
la competitividad, no en forma de una variable concreta en el índice, sino en
términos conceptuales a través del entorno microeconómico de negocios, tal y
como se ha expuesto en el capítulo 2.
Con esta primera parte del estudio empírico se pretende analizar si una
región con un elevado grado de desarrollo de los clusters como Cataluña
obtiene mejores resultados en el Índice de Competitividad de los Negocios que
España y se va a determinar en qué variables o factores obtiene ventajas
competitivas una región con alto grado de desarrollo de los clusters. Es
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
175
además la primera vez que se aplica la metodología del Foro Económico
Mundial a Cataluña.
La segunda parte del estudio empírico se realizará en el capítulo 5, en el que
se analizará de nuevo la influencia de los clusters sobre la competitividad y los
mecanismos a través de los cuales se produce, pero en este caso se utilizarán
métodos estadísticos alternativos.
2. LA ELECCIÓN DE CATALUÑA
En esta tesis se estudia la relación entre clusters y competitividad. Para ello
se analiza en profundidad la competitividad de una región española y la
influencia que tiene el desarrollo de los clusters en esa zona en dicha
competitividad.
Aunque existen diversas regiones españolas en las que se están estudiando
los clusters y sus efectos en la competitividad de la región, esta tesis se ha
centrado en Cataluña porque cumple perfectamente los dos aspectos que se
han tenido en cuenta en la elección de la región:
1. Que la recopilación de información, mediante encuestas y datos
publicados, sea factible y pueda hacerse con el suficiente rigor científico.
2. Que se trate de una región en la que el estado de desarrollo de los
clusters sea elevado, para que pueda observarse su influencia o no en
la competitividad.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
176
En lo relativo a la recopilación de información, Cataluña dispone de un
excelente Instituto de Estadística (IDESCAT) que dispone de todos los datos
necesarios referidos al ámbito territorial de Cataluña. Por otro lado, para la
obtención de información mediante encuestas, se ha contado con la
colaboración del Departamento de Innovación y Empresa de la Generalitat de
Cataluña en la identificación de empresas y la verificación de la adecuación
muestral al tejido industrial catalán lo que ha permitido realizar el proceso con
el máximo rigor y eficiencia.
En cuanto al segundo de los aspectos, que la región escogida tenga un
elevado grado de desarrollo de los clusters, distintos autores reconocen que
Cataluña es, junto con la Comunidad Valenciana, una de las Comunidades
Autónomas que cuenta con mayor profusión de clusters dentro de España
(Costa, 1998; Trullén, 2002; Santa María et al., 2004; Ahedo, 2006; Boix y
Galetto, 2004 y 2006; Boix, 2008) y es además una región en la que el estado
de desarrollo de los clusters es mayor que en España en su conjunto1.
Esto tiene su reflejo en la política industrial que se ha llevado a cabo en
Cataluña en las dos últimas décadas, que pone de manifiesto la importancia
que atribuyen a los clusters. En 1990 Michael Porter publicó el libro The
Competitive Advantage of Nations, en el que introdujo los clusters en el análisis
del entorno competitivo a través de la metodología del Diamante, descrita en el
1 Para ello nos basamos en los resultados obtenidos por Cataluña y por España en su conjunto en una de las variables utilizadas por el World Economic Forum en la elaboración del Informe de Competitividad Mundial: el estado de desarrollo de los clusters. En dicha variable la puntuación obtenida por Cataluña (4,17 en una escala de 1 a 7) es superior a la de España en su conjunto (3,94).
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
177
Capítulo 3. La relevancia que el gobierno autonómico catalán ha otorgado a los
clusters es patente desde entonces: en 1992 la Generalitat de Cataluña
encargó a la consultora Monitor y profesores de la escuela de negocios IESE
un estudio de competitividad que aplicase la metodología del Diamante de
Michael Porter (Monitor Company y Ballarín y Faus Asociados, 1992).
La visión del gobierno catalán coincidía con la de Michael Porter en el
sentido de que ambos atribuían a la capacidad de innovación y mejora continua
de las empresas un papel fundamental en la competitividad de las naciones y
regiones, siendo la misión de los Gobiernos actuar sobre el entorno
proporcionando las condiciones óptimas para facilitar la actuación y evolución
de las empresas (Subirà y Gurguí, 2007).
En 1993 el Departamento de Industria y Energía de la Generalitat de
Cataluña, liderado por el Conseller Antoni Subirà, emprendió una política de
refuerzo de la competitividad de los distintos clusters industriales existentes en
la región. Se trataba de implantar una filosofía y proceso de cambio estratégico
en los sectores que lo requerían.
Se utilizó el término microcluster para referirse a un grupo de empresas y de
actividades relacionadas (industriales y/o de servicios) en un ámbito geográfico
determinado y no necesariamente muy extenso. Los microclusters se utilizaron
como unidad de análisis para encontrar fuentes de ventaja competitiva. La
metodología seguida por el gobierno catalán consistía en que los agentes del
cluster:
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
178
- identificaban los retos del clusters,
- definían una visión conjunta de futuro,
- describían las líneas de actuación para reforzar la competitividad del cluster.
Se trataba por tanto de una metodología de tipo micro, o de abajo a arriba, en
la que los datos utilizados eran mayoritariamente de tipo cualitativo.
Esta política de clusters del gobierno catalán era coherente con la tendencia
existente en los países desarrollados en el momento a considerar que los
mercados son eficientes por sí mismos y que la intervención estatal debe
limitarse a favorecer las condiciones para que operen las empresas. Se trataba
de conseguir que las empresas reflexionasen sobre sus oportunidades y
necesidades de cambio y que decidiesen conjuntamente una estrategia de
futuro. Los instrumentos públicos de apoyo no se centraban en las
subvenciones, sino en aquellos que, en opinión de las empresas de los
distintos microclusters, contribuyesen a facilitar el cambio estratégico que
necesitaban. En este sentido, en el microcluster de la piel, en lugar de solicitar
subvenciones al gobierno catalán se pidió un centro común de investigación y
desarrollo.
La publicación de Conejos et al. (1997) presenta cómo la metodología
expuesta se aplicó a distintos microclusters en Cataluña a través de la empresa
Competitiveness, entre los que se pueden destacar los siguientes: juguete de
madera en Osona, maquinaria agrícola en Lérida, joyería en Barcelona, piel en
Anoia, mueble doméstico en Montsiá, industrias cárnicas en Gerona, género de
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
179
punto en Maresme y Anoia, edición y artes gráficas en Barcelona y electrónica
de consumo en el Vallés.
Cataluña fue pionera mundialmente en la aplicación de esta metodología
(Subirà, 2009) y la escuela de negocios Harvard Business School se hizo eco
de ello publicando dos casos de estudio, sobre el cluster del la piel gruesa en
Anoia y el cluster del mueble en Montsiá respectivamente.
En definitiva, se considera que Cataluña constituye una región idónea para el
análisis empírico de esta tesis ya que cuenta con un significativo grado de
desarrollo de clusters y ofrece facilidades y garantías para la obtención de la
información requerida.
3. OBJETIVOS
El objetivo principal de esta tesis es demostrar la influencia de los clusters en la
competitividad de los países y regiones y analizar los mecanismos y variables
a través de los cuales se produce esa influencia.
Los objetivos específicos de esta primera parte de la investigación empírica
son:
1. Adaptar la metodología del Foro Económico Mundial para la elaboración del
Índice de Competitividad de los Negocios a una región como la catalana,
obteniendo así los resultados de competitividad de Cataluña. Esta es la
primera vez que dicha metodología se aplica a esta región española. Estos
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
180
resultados serán comparables a los de España en su conjunto y a los del
resto de países incluidos en el informe, aunque con las obvias limitaciones
derivadas de comparar países con una región.
2. Contrastar los resultados de competitividad de Cataluña con los de los
países analizados por el Foro económico Mundial y, en concreto, con los de
España. Se analizarán los distintos subíndices y factores en los que se
descompone el Índice de Competitividad de los Negocios para comparar
los resultados existentes en Cataluña y en España en cada uno de ellos, lo
que permitirá verificar si una región con mayor desarrollo de los clusters
que España, como es Cataluña, obtiene mejores resultados en el Índice de
Competitividad de los Negocios que España.
3. Determinar en qué variables o factores obtiene ventajas competitivas una
región con mayor desarrollo de los clusters.
4. HIPÓTESIS
Las hipótesis que se manejan en esta primera parte de la investigación
empírica son:
1. Los clusters son importantes para la competitividad, es decir, el mayor
desarrollo de los clusters en un país o región se da con tasas más altas
de competitividad en ese mismo territorio.
2. En el caso de Cataluña, el mayor desarrollo de sus clusters en relación
a España se dará con mayores tasas de competitividad microeconómica
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
181
expresados por el resultado obtenido en el Índice de Competitividad de
los Negocios.
5. METODOLOGÍA
En esta primera parte de la investigación empírica se va a utilizar la
metodología del Foro Económico Mundial para la elaboración del Índice de
Competitividad de los Negocios. Las variables que utiliza este índice, así como
su agrupación, se han descrito en el Capítulo 2.
De entre los dos índices que utiliza el Foro Económico Mundial para medir la
competitividad, el Índice de Competitividad Global y el Índice de Competitividad
de los Negocios, se ha decido utilizar sólo el segundo porque tal y como ya se
ha comentado analiza la competitividad basándose más en los factores de tipo
microeconómico que cada vez son más importantes para la competitividad y,
además, contempla explícitamente el papel de los clusters como una de las
influencias en la competitividad, no como una de las variables del índice pero sí
a través de su influencia en el entorno microeconómico en el que operan las
empresas.
5.1. Recogida de datos.
El Índice de Competitividad de los Negocios utiliza 57 variables para obtener el
resultado de competitividad de cada uno de los 124 países considerados.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
182
Las observaciones para cada una de estas variables se obtienen tanto de
datos publicados como de las opiniones de ejecutivos y líderes de opinión de
cada uno de los países incluidos en la muestra. Estas opiniones se obtienen a
partir de la realización de una Encuesta Ejecutiva de Opinión, preparada por el
World Economic Forum, que se distribuye en cada uno de los países.
Para la elaboración del Índice de Competitividad de los Negocios de España
se realizó la Encuesta Ejecutiva de Opinión en todo el territorio nacional,
incluida Cataluña
Con el objeto de obtener las observaciones relativas a Cataluña se ha
adaptado la Encuesta Ejecutiva de Opinión para centrarla en la Comunidad
Autónoma de Cataluña y se ha entregado a empresarios y líderes de opinión
catalanes. La recogida de datos se ha realizado en el año 2007 y en
colaboración con el International Center for Competitiveness del IESE2. Se
enviaron 300 cuestionarios, habiéndose obtenido 48 respuestas.
En cuanto a las variables que se basan en datos publicados, se han obtenido
de fuentes de reconocida solvencia, como el Instituto Nacional de Estadística o
el Instituto de Estadística de Cataluña.
2 El International Center for Competitiveness (ICC) del IESE fue creado en 2006 con el objeto de promover la investigación rigurosa en el área de la competitividad. El ICC es un centro afiliado del Institute for Strategy and Competitiveness de Harvard Business School y es además el socio español del World Economic Forum en la elaboración del Global Competitiveness Report.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
183
5.2. Procedimiento realizado.
Una vez obtenidos los datos para Cataluña, se ha aplicado la metodología del
Índice de Competitividad de los Negocios, de forma idéntica a como se aplica al
resto de países incluidos en el estudio del Foro Económico Mundial y tal como
se explica en el Capítulo 2 de esta tesis.
Para la aplicación de esta metodología a los datos de Cataluña se ha contado
con la colaboración del International Center for Competitiveness del IESE y del
Institute for Strategy and Competitiveness de Harvard Business School que, tal
y como se expone en el Capítulo 2, es la institución que ha desarrollado este
índice. El procedimiento que utilizan se compone de dos etapas: en primer
lugar, utilizan los datos de un panel de países para estimar los coeficientes del
modelo, y a continuación se aplican dichos coeficientes a los datos obtenidos
para cada país en el año en que se realiza el análisis.
Para estimar los coeficientes se calculan cargas factoriales para cada
variable agrupadas según los dos subíndices del modelo: la sofisticación de las
operaciones y estrategias de las compañías y la calidad del entorno
microeconómico de negocios. Seguidamente se determina el peso de cada
subíndice en el Índice de Competitividad de los Negocios según los
coeficientes obtenidos al realizar una regresión relacionando el PiB per cápita
con cada uno de los subíndices. Este procedimiento da como resultado un
peso de 0,834 del subíndice relativo a la calidad del entorno microeconómico
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
184
de los negocios, y de 0,166 para el subíndice de sofisticación de las
operaciones y estrategias de las compañías.
Finalmente se aplican a los datos obtenidos en Cataluña para cada una de
las variables las cargas factoriales y el peso de los subíndices resultantes. El
Anexo 3 presenta las cargas factoriales obtenidas para cada una de las
variables.
6. RESULTADOS
En el resultado global de competitividad Cataluña obtiene el puesto 48 en un
ranking de 124 países, inferior al puesto que ocupa España (30) y al que le
correspondería por su cifra de PIB per cápita como se analizará a
continuación. El cuadro 4.1. muestra un ranking de los 1243 países analizados
según la posición que ocupan en el índice, incluyendo a Cataluña.
3 La base de datos que el World Economic Forum utiliza para la elaboración del Global Competitiveness Report incluye observaciones de un número superior de países a los que aparecen en el ranking del Índice de Competitividad de los Negocios. Esto se debe a que para algunos de estos países no está disponible toda la información necesaria para la elaboración del BCI.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
185
Cuadro 4.1.
Ranking mundial de países según
el Índice de Competitividad de los Negocios 2007
Fuente: Elaboración propia a partir de Foro Económico Mundial (2007).
B C I 20 0 6/0 7 B C I 2 00 6/0 7Pa í s/e c o no m í a R a n k Pa í s / ec o n om ía R a n kE s ta d os U ni do s 1 Ur ug ua y 6 3A le m a n ia 2 Tri n ida d y To ba go 6 4F in l a nd ia 3 Ch in a 6 5S ui za 4 S ri L a nk a 6 6D in a m a r c a 5 M a r ru e co s 6 7H ol a n da 6 Pa qu i sta n 6 8S ue c ia 7 Ke n ia 6 9R ei no Un id o 8 Bo ts w a n a 7 0J a p on 9 Ka z a kh st a n 7 1H on g K on g SA R 10 Pe rú 7 2S in ga p ur 11 Fi lip in a s 7 3A ust ri a 12 Ta n za n ia 7 4Is l a nd ia 13 R um a ni a 7 5N o ru e ga 14 Na m ib i a 7 6C a n a dá 15 E gip to 7 7F r a nc ia 16 A ze rba i y á 7 8B é lg ic a 17 A rg en t in a 7 9A ust ra l ia 18 Fe de r a ci ón R usa 8 0Is r a e l 19 Ni ge r ia 8 1M a la s ia 20 Uc ra n ia 8 2T a iw a n, C h in a 21 Vi et n a m 8 3I r la n da 22 Bu lg a ri a 8 4N u e v a Z el a n da 23 R ep úb li ca Do m i ni ca n a 8 5E s to ni a 24 A lge r ia 8 6C o re a , R e p . 25 S er b i a y M o nt e ne gr o 8 7T un e z 26 M a c ed on ia ,F YR 8 8In di a 27 Ug a nd a 8 9P or tu ga l 28 Bu r ki na F a so 9 0C h il e 29 M ol da v i a 9 1E s pa ñ a 30 M a l i 9 2E m ir a to s á ra be s U ni do s 31 Ga m b ia 9 3R ep úb lic a C he c a 32 Ve n ez ue l a 9 4S ud á fr ic a 33 A rm en ia 9 5Q a ta r 34 Be n in 9 6In do ne si a 35 Bo sn ia y H e rze g ov in a 9 7E s lov e n ia 36 M a d a ga sc a r 9 8T a il a nd ia 37 Ta ji ki s t a n 9 9I t a li a 38 M on g oli a 1 00H u ng ri a 39 Ge or g i a 1 01R ep úb lic a de E s lo va q ui a 40 M a u ri ta n ia 1 02M a lt a 41 Ni ca ra gu a 1 03B a r ba do s 42 Z im ba w e 1 04L it ua n i a 43 M a l a w i 1 05K u w a i t 44 E cu a do r 1 06C h ip re 45 Ho nd ur a s 1 07T ur qu i a 46 Ca m b oy a 1 08L it ua n i a 47 Ba n gl a de sh 1 09C a t a lu ñ a 48 S ur in a m 1 10M a u ri ti us 49 M oz a m b i qu e 1 11G r ec ia 50 Ne p a l 1 12C o sta R i ca 51 Ky rg y z R e pu b li c 1 13B a h re i n 52 Ca m e ron 1 14J o rd a ni a 53 Gu y a na 1 15P o l on ia 54 Le sot ho 1 16J a m a ic a 55 Za m b ia 1 17B r a s il 56 Bo li vi a 1 18C r oa c ia 57 E ti opi a 1 19M é ji co 58 A lba n ia 1 20P a n a m a á 59 Pa ra gu a y 1 21C o lo m b i a 60 Ch a d 1 22E l Sa lv a do r 61 A ng ol a 1 23G u a te m a l a 62 Bu r un di 1 24
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
186
Una representación en dos dimensiones de los resultados obtenidos por los
distintos países en el índice comparados con su cifra de PIB per cápita permite
un análisis interesante. En la figura 4.1. se pueden observar todos los países
analizados colocados en función de su PIB per cápita y resultado en el Índice
de Competitividad de los Negocios. La línea blanca representa la línea de
regresión y las líneas superior e inferior a la línea de regresión indican las
áreas de confianza del 95%.
Los países que se sitúan encima o cerca de la línea de regresión, son los que
obtienen unos resultados en el índice similares a la posición que tendrían
según su PIB per cápita. Por debajo de la línea estarían los países que
obtienen un ranking en el índice superior a su grado de bienestar, medido por
su PIB per cápita. Estos países podrían ser calificados de overachievers, ya
que han conseguido una competitividad microeconómica superior a su tasa de
prosperidad o bienestar, como por ejemplo Malasia, India, Indonesia o Brasil.
En el otro extremo están aquellos países cuya competitividad microeconómica
está por debajo de lo que indicaría su PIB per cápita. Vemos como Cataluña se
encuentra claramente en este grupo, que podrán denominarse underachievers,
junto a países como Noruega o Italia. España también pertenece a estos
países aunque su posición es algo más equilibrada que la de Cataluña.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
187
Figura 4.1.
Situación de los países según el Índice de Competitividad de los
Negocios (Business Competitiveness Index) y PIB per cápita4
Fuente: Elaboración propia a partir de Foro Económico Mundial (2007).
Se comentan a continuación los aspectos más significativos de los resultados
obtenidos por Cataluña en cada uno de los subíndices y variables que los
componen. En lo que respecta a los dos subíndices la diferencia es notable:
mientras en la Sofisticación de las operaciones y estrategias de las compañías
Cataluña se sitúa en una buena posición (32), en la Calidad del entorno
nacional de negocios baja hasta el puesto 50 (véase cuadro 4.2.).
4 Aunque se entienden las limitaciones de incluir a Cataluña en un gráfico como el de la figura 4.1, ya que se está comparando una Comunidad Autónoma con un conjunto de países en términos de PIB per Cápita, se considera que es un ejercicio interesante y aporta cierta luz sobre la posición competitiva actual y potencial de Cataluña.
Índice de Competitividad de los Negocios
PIB
pe
rc
áp
ita
0
5.000
10.000
15.000
20.000
25.000
30.000
35.000
40.000
45.000
0 20 60
Estados
UnidosNoruega
Irlanda
Australia
Qatar
Italia Emiratos
Árabes Unidos
EspañaCataluña
Grecia
Bahrein
Chipre
Malasia
IndiaIndonesia
AlemaniaSuecia
Israel
Turquia
Chile
Tailandia
Jordania
Jamaica
Argentina
a
Trinidad
y
Tobago
Estonia
Finlandia
Nueva Zelanda
SingapurTaiwan
Dinamarca
Suiza
Islandia
Suecia
Israel
Turquia
Chile
Tailandia
Jordania
Jamaica
Argentina
a
Trinidad
y
Tobago
Estonia
Finlandia
Nueva Zelanda
SingapurTaiwan
Dinamarca
Suiza
Islandia
Canadá
Eslovenia
Sudáfrica
PIB
pe
rc
áp
ita
($
)
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
188
En comparación con España en su conjunto Cataluña obtiene resultados muy
parecidos en el primer subíndice, pero la diferencia en cuanto a la calidad del
entorno nacional de negocios es de 20 posiciones. A continuación se analizan
en detalle estos resultados y algunas de sus posibles causas.
Cuadro 4.2.
Resultados del Índice de Competitividad de los Negocios
Indice de Competitividad de los Negocios Cataluña EspañaResultado global 48 30Sofisticación y operaciones de las compañías 32 31Calidad del entorno de negocios 50 31
Fuente: Elaboración propia
El cuadro 4.3. muestra los resultados detallados por cada una de las
variables, especificando la posición que Cataluña obtiene en comparación con
España en el ranking en cada uno de los aspectos incluidos en el índice.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
189
Cuadro 4.3.
Resultados detallados por variables del Índice de Competitividad de los
Negocios para España y Cataluña a
a (Los números correspondientes a España y Cataluña indican su posición en el ranking total de países incluidos)
I. ESTRATEGIAS Y OPERACIONES DE LAS COMPAÑIAS
Cataluña España
Amplitud de los mercados internacionales 40 41
Capacidad de innovación 27 35
Gasto empresarial en I+D 35 47
Control de la distribución internacional 34 43
Grado de orientación al cliente 37 38
Medida de compensación por incentivos 42 23
Medida del marketing 34 23
Medida de exportaciones 53 50
Medida de formación del personal 38 42
Naturaleza de la ventaja competitiva 23 28
Licencias de tecnología extranjera 73 11
Sofisticación de los procesos productivos 31 29
Confianza en la gestión profesional 67 33
Presencia completa de la cadena de valor 26 24
Voluntad de delegar autoridad 18 45
II. ENTORNO MICROECONÓMICO DE NEGOCIOS
A. CONDICIONES DE LOS FACTORES
1. Infrastructuras fïsicas
Calidad de las infraestructuras 80 25
Desarrollo de la infraestructura ferroviaria 72 18
Calidad de las infraestructuras portuarias 59 23
Calidad de las infraestructuras de transporte aéreo 91 23
Calidad de la infraestructura de teléfonos/fax 30 32
Calidad del suministro eléctrico 104 29
Usuarios de internet (hard data) 28 36
Teléfonos móviles (hard data) 30 22
2. Infrastructuras administrativas
Confianza en los servicios policiales 42 22
Independencia del poder judicial 57 65
Eficiencia del marco legal 61 48
Impacto de pagos ilegales en las políticas de gobierno 62 28
Centralización de la política económica 34 5
Leyes relativas a TI 38 33
Fuente: Elaboración propia.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
190
Cuadro 4.3.
Resultados detallados por variables del Índice de Competitividad de los
Negocios para España y Cataluña
3. Recursos humanos Cataluña España
Calidad del sistema educativo 80 67
Calidad de la enseñanza de ciencias y matemáticas 91 82
Calidad de las escuelas de negocios 6 12
Cooperación en las relaciones empleador-empleado 76 70
4. Infraestructura tecnológica
Disponibilidad de científicos e ingenieros 92 42
Calidad de las instituciones de investigación científica 37 48
Colaboración para investigación entre universidades y empresas 44 51
Patentes USA (hard data) 26 28
5. Mercados financieros
Sofisticación de los mercados financieros 36 22
Fácil acceso a préstamos 62 39
Acceso a la bolsa local 70 53
Disponibilidad de capital riesgo 33 30
B. CONDICIONES DE DEMANDA
Sofisticación de los compradores 36 29
Obtención del gobierno de productos de tecnología avanzada 110 52
Presencia de estándares regulación 44 30
Exigencia de las normativas medio ambientales 41 39
C. INDUSTRIAS DE APOYO Y RELACIONADAS
Calidad de los proveedores locales 28 32
Cantidad de proveedores locales 35 17
Disponibilidad local de equipos de procesamiento 28 29
Disponibilidad local de servicios de investigación y formación 35 50
D. CONTEXTO DE ESTRATEGIA Y RIVALIDAD DE LAS EMPRESAS
1. Incentivos
Favoritismo en decisiones de funcionarios públicos 38 78
Eficacia de la gestión corporativa 38 47
Protección de la propiedad intelectual 45 29
Derechos de propiedad 53 26
2. Competitividad
Intensidad de la competencia local 18 34
Efectividad de la política antimonopolio 43 38
Barreras arancelarias 35 36
Dominio de mercado 26 33
Fuente: Elaboración propia.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
191
Se comentan a continuación los aspectos más significativos de los
resultados obtenidos:
I. Estrategias y operaciones de las compañías
Los factores incluidos en este subíndice presentan en general una valoración
bastante equilibrada, sin grandes dispersiones.
Las principales áreas de ventaja competitiva para Cataluña respecto a
España y el resto de países incluidos en el estudio son la voluntad de delegar
autoridad (18), la naturaleza de la ventaja competitiva (23)5, la presencia a lo
largo de toda la cadena de valor (26), la capacidad para la innovación (27) o la
sofisticación de los procesos productivos (31). Es muy significativa la ventaja
de Cataluña respecto a España en su conjunto en el aspecto de voluntad de
delegar autoridad, en el que España baja hasta el puesto 45, lo cual es lógico
teniendo en cuenta que Cataluña es una región y lo comparamos con un país.
Cataluña también es bastante superior en cuanto a la capacidad para innovar y
en cuanto al control de la distribución internacional.
Las áreas de principal desventaja en este apartado serían las licencias de
tecnología extranjera (73), muy por debajo del dato de España, y la confianza
existente en la gestión profesional (67).
5 La naturaleza de la ventaja competitiva indica si la base de la competitividad de las empresas en mercados internacionales son los bajos precios o los recursos naturales (en cuyo caso el puesto en el ranking no sería positivo) o si, por el contrario, la competitividad de las empresas se basa en productos y procesos único. en este segundo caso se obtendría una buena posición en el ranking, como ocurre con Cataluña.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
192
II. Calidad del entorno microeconómico de negocios
Los resultados de Cataluña en cada uno de los apartados incluidos en este
subíndice son desiguales. Se exponen a continuación los resultados más
relevantes en cada uno de los apartados.
A-. Condiciones de los factores.
En este apartado es necesario tener en cuenta que existen aspectos cuyas
competencias corresponden al ámbito estatal y en los que Cataluña puede
verse desfavorecida en su valoración, como por ejemplo algunas de las
variables incluidas en las infraestructuras físicas.
Se analizan cinco tipos de infraestructuras:
1. Infraestructuras físicas: el análisis muestra ventajas para Cataluña en
cuanto a usuarios de Internet, teléfonos móviles o infraestructuras de
teléfonos/fax, pero poniendo de manifiesto las grandes desventajas en
cuanto a la infraestructura aeroportuaria, ferroviaria y portuaria.
2. Infraestructuras administrativas: destacan algunas áreas de mejora, como
el impacto de pagos ilegales en las políticas de gobierno, la eficiencia
del marco legal o la independencia del poder judicial, ésta última, con el
puesto 57 mejor valorada que para el conjunto de España (65).
3. Recursos humanos: destaca la calidad de las escuelas de negocio (6), y
los aspectos peor valorados en este apartado son la calidad de la
enseñanza de ciencias y matemáticas, la calidad del sistema educativo o
la cooperación en las relaciones empleador-empleado.
4. Infraestructura tecnológica: las patentes registradas son la única ventaja
en este apartado, siendo la disponibilidad de científicos e ingenieros la
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
193
principal área de mejora (92) muy por debajo del resultado de España
(42). Cataluña obtiene mejores resultados que España, además de en
las patentes, en la colaboración para la investigación entre universidad y
empresa.
5. Mercados financieros: No existen ventajas significativas en cuanto a los
mercados financieros, y hay que prestar atención al acceso a la bolsa
local, así como al acceso a préstamos.
B. Condiciones de la demanda.
El factor mejor valorado en cuanto a la demanda es la sofisticación de los
compradores (36), aunque no puede ser calificado de excesivamente positivo.
La exigencia de las normativas medioambientales (41), así como la presencia
de los estándares de regulación (44) bajan aún más, pero la principal área de
atención se encuentra en la obtención por parte del gobierno de productos de
tecnología avanzada, en la que Cataluña obtiene el puesto 110 del ránking.
C. Industrias de apoyo y relacionadas.
La disponibilidad local de equipos de procesamiento y la calidad de los
proveedores locales, ambos con la posición 28 y por encima de los resultados
de España, son los dos principales factores positivos en este apartado. Algo
por debajo estarían la cantidad de proveedores locales (35) y la disponibilidad
local de servicios especializados en investigación y formación (35). De nuevo
es necesario matizar que al evaluar estas variables se están comparando
ámbitos locales diferentes en el caso de España y Cataluña.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
194
D-. Contexto de estrategia y rivalidad de las empresas.
El índice distingue entre incentivos y competitividad. En cuanto a los
incentivos, no existen ventajas claras para Cataluña, siendo los factores mejor
valorados el favoritismo en las decisiones de funcionarios públicos (38) y, con
el mismo puesto, la eficacia de la gestión corporativa. Un poco por debajo
estarían la protección de la propiedad intelectual (45), así como los derechos
de propiedad (53).
Sin embargo, en cuanto a la competitividad, sí se observan algunas ventajas
en Cataluña, como el alto grado de intensidad en la competencia local (18), con
una diferencia significativa respecto a España (34), y el dominio del mercado
(26)6, que se sitúa de nuevo por encima del dato para el conjunto de España
(33). En las barreras arancelarias la posición de Cataluña baja ligeramente al
puesto 35, pero el único aspecto en cuanto a la competitividad de las empresas
en el que Cataluña estaría por detrás de España en su conjunto sería la
efectividad de la política antimonopolio (43 Cataluña versus 38 para España).
En conjunto, como se desprende del análisis del Índice de Competitividad de
los Negocios, la actividad empresarial en Cataluña tiene un buen grado
competitivo y de sofisticación tal y como muestra la posición obtenida en el
subíndice de sofisticación y operaciones de las compañías.
6 Esta variable indica si el mercado se encuentra dominado por unas pocas firmas (en este caso la posición en el ranking sería muy baja, ya que no se dan condiciones de competencia), o si está repartido entre muchas empresas que compiten (en este caso la posición en el ranking es alta, como en el caso de Cataluña, lo que indica que el mercado es competitivo).
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
195
Sin embargo, las condiciones del entorno microeconómico no son las
mejores, tal y como muestra la valoración que obtiene Cataluña en el subíndice
de calidad del entorno de negocios. Aunque se han ido exponiendo distintas
variables en las que Cataluña tiene una posición de desventaja en lo relativo al
entorno microeconómico, son destacables los problemas encontrados en el
área de condiciones de los factores. Así, aunque Cataluña cuenta con
razonables condiciones de demanda, buena competitividad de sus empresas,
y una red apropiada de industrias relacionadas, al no darse las condiciones
óptimas de infraestructuras, especialmente las físicas, se resiente todo el
entorno en el que operan las empresas y, por tanto, la competitividad
microeconómica de la región.
7. CONCLUSIONES
Los resultados que pueden extraerse de esta primera parte de la
investigación empírica, realizada aplicando la metodología del Índice de
Competitividad de los Negocios a Cataluña y comparando los resultados con
los obtenidos por España son las siguientes:
a) La competitividad de Cataluña según el Índice de Competitividad de los
Negocios es inferior a la de España y también inferior a la que le
correspondería a Cataluña por su PIB per cápita.
b) La posición de desventaja de Cataluña en cuanto a competitividad es
más notoria en lo que se refiere a la calidad del entorno de negocios
microeconómico, ya que en lo referente a la sofisticación de las
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
196
operaciones y estrategias de las empresas, Cataluña presenta
resultados muy parecidos a los de España en su conjunto.
c) Sin embargo, sí existen determinados aspectos, en su mayoría de tipo
microeconómico, en los que Cataluña presenta resultados superiores a
los de España y que parecen indicar un mayor dinamismo de los
mercados y de las empresas que en ellos operan como, por ejemplo: la
capacidad de innovación; el número de patentes; la naturaleza de la
ventaja competitiva; la calidad de los proveedores locales; la intensidad
de la competencia local; la disponibilidad local de servicios de
investigación y formación; la disponibilidad de equipos de
procesamiento; el dominio del mercado y el control de la distribución
internacional.
Conviene matizar que algunos de estos factores están condicionados por la
diferencia territorial existente entre la consideración de España en su totalidad
y Cataluña como región y, por tanto, con menor capacidad jurídica-económica
e influencia territorial.
Por tanto, con los resultados obtenidos en esta primera parte de la
investigación empírica no puede afirmarse que un mayor desarrollo de los
clusters en una región se de con unas tasas de competitividad superior en
términos generales. Se ha comparado Cataluña, que tiene un mayor grado de
desarrollo de clusters que España en su conjunto, con España, y España
obtiene mejores resultados en el Índice de Competitividad de los Negocios.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
197
Sí se han encontrado aspectos de tipo microeconómico asociados al
dinamismo y competitividad de los mercados locales para los que Cataluña
obtiene resultados superiores a los de España (capacidad de innovación,
naturaleza de la ventaja competitiva, calidad de los proveedores locales,
competencia en el mercado local, la disponibilidad local de servicios
especializados en investigación y formación, la disponibilidad de equipos
industriales o el control de la distribución internacional). También se han
identificado otras variables en las que Cataluña obtiene resultados que
inferiores a los de España pero positivos y por encima del su ranking general
en el Índice de Competitividad de los Negocios (sofisticación de los procesos
productivos, presencia completa de la cadena de valor, sofisticación de los
compradores o cantidad de proveedores locales).
En la segunda parte de la investigación empírica de esta tesis, que se lleva a
cabo en el capítulo 5, se va a investigar si los positivos resultados de Cataluña
en esas variables microeconómicas se deben a que en esta región los clusters
están más desarrollados y, por tanto, puede hablarse de una influencia del
estado de desarrollo de los clusters sobre estas variables de competitividad
microeconómica.
Capítulo 4. Estudio empírico utilizando la metodología del Foro Económico Mundial
198
CAPITULO 5
INVESTIGACIÓN EMPÍRICA UTILIZANDO
MÉTODOS ESTADÍSTICOS ALTERNATIVOS
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
200
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
201
ÍNDICE
1. INTRODUCCIÓN.....................................................................................205
2. OBJETIVOS.............................................................................................207
3. HIPÓTESIS..............................................................................................208
4. METODOLOGÍA......................................................................................209
4.1. Análisis factorial.........................................................................210
4.2. Análisis de conglomerados o cluster..........................................214
4.3. Regresión lineal..........................................................................216
5. ANALISIS DE LA RELACIÓN DE LA VARIABLE ESTADO
DE DESARROLLO DE LOS CLUSTERS CON OTRAS
VARIABLES QUE INFLUYEN EN LA COMPETITIVIDAD.....................217
5.1. Definición de las variables..........................................................219
5.2. Análisis descriptivo de las variables...........................................227
5.2.1. Estadísticos básicos........................................................227
5.2.2. Diagramas de cajas.........................................................229
5.2.3. Pruebas de normalidad: Kolmogorov-Smirnof
e histogramas...........................................................................231
5.3. Obtención de variables categorizadas mediante un análisis
cluster...........................................................................................240
5.3.1. Nuevas variables categorizadas.................................242
5.3.2. Distribución de frecuencias de variables
categorizadas……………………………………………….242
5.3.3. Anova y pruebas post-hoc................................................254
5.4. Análisis de asociaciones entre variables dos a dos mediante
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
202
tablas de contingencia.........................................................................259
5.4.1. Tablas recuento................................................................260
5.4.2. Gráficos de barras............................................................266
5.4.3. Pruebas de Chi cuadrado de Pearson,
V de Cramer y Gamma....................................................273
5.5. Estudio de las relaciones entre todas las variables
conjuntamente mediante análisis de correspondencias múltiples....276
6. OBTENCIÓN DE INDICADORES DE COMPETITIVIDAD
MEDIANTE ANÁLISIS FACTORIAL.......................................................281
6.1. Obtención de factores de competitividad con una
muestra de 34 variables..................................................................283
6.1.1. Definición de variables....................................................284
6.1.2. Categorización de factores.............................................297
6.1.3. Análisis de la relación entre el estado de
desarrollo de los clusters y los factores de
competitividad mediante análisis de
correspondencias múltiples.............................................309
6.2. Obtención de factores de competitividad con toda
la base de datos..............................................................................313
6.2.1. Definición de variables....................................................313
6.2.2. Categorización de factores.............................................339
6.2.3. Análisis de la relación entre el estado de
desarrollo de los clusters y los factores de
competitividad mediante análisis de
correspondencias múltiples.............................................348
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
203
7. ANÁLISIS DE LA RELACIÓN CAUSAL ENTRE EL
ESTADO DE DESARROLLO DE LOS CLUSTERS Y LA
COMPETITIVIDAD MEDIANTE REGRESIÓN LINEAL...........................352
7.1. Regresión lineal con los indicadores de competitividad
resultantes del análisis factorial realizado con 34 variables............353
7.1.1. Variable dependiente: estado de desarrollo de los
clusters...........................................................................353
7.1.2. Variable independiente: estado de desarrollo
de los clusters.................................................................355
7.2. Regresión lineal con los indicadores de competitividad
resultantes del análisis factorial de toda la base de datos.............360
7.2.1. Variable dependiente: estado de desarrollo de los
clusters...........................................................................360
7.2.2. Variable independiente: estado de desarrollo
de los clusters..................................................................362
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
204
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
205
1. INTRODUCCIÓN
El objetivo de esta tesis es demostrar la influencia de los clusters en la
competitividad de los países y regiones y establecer a través de qué
mecanismos o variables se produce esa influencia, incluyendo 137 países y la
Comunidad Autónoma de Cataluña en el análisis.
Para ello se lleva a cabo una investigación empírica en dos fases. En una
primera fase, realizada en el capítulo 4, se ha calculado la competitividad de
Cataluña utilizando la metodología del Foro Económico Mundial para la
elaboración del Índice de Competitividad de los Negocios y los resultados
obtenidos se han comparado con los de España en términos generales y para
cada una de las variables. Con ello se pretendía analizar si una región con un
elevado grado de desarrollo de los clusters como Cataluña obtiene mejores
resultados en el Índice de Competitividad de los Negocios que España y
determinar en qué variables o factores obtiene ventajas competitivas una
región con alto grado de desarrollo de los clusters.
Los resultados del estudio empírico realizado en el Capítulo 4 no permiten
afirmar que en el caso de Cataluña un mayor desarrollo de los clusters haya
implicado mayor competitividad que España, pero sí parece que este mayor
desarrollo de los clusters está asociado a mejores resultados en algunas
variables de tipo microeconómico.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
206
En esta segunda parte de la investigación empírica se pretende analizar la
influencia de los clusters en la competitividad utilizando para medir la
competitividad una metodología estadística alternativa a la utilizada en el
Capítulo 4, que permitirá:
- Profundizar en el análisis de las relaciones entre el estado de desarrollo de
los clusters y otras variables, aportando por tanto mayor flexibilidad,
- Clasificar a los países en grupos homogéneos, que facilitan la comparación,
- Verificar si existe relación de causalidad entre el estado de desarrollo de los
clusters y la competitividad de los países y regiones.
En este capítulo se comprobará, con otros métodos estadísticos, si un mayor
desarrollo de los clusters implica mayor competitividad. También se pretende
aclarar a través de qué mecanismos o variables se produce la influencia de los
clusters en la competitividad; para ello se tomarán como punto de partida las
variables en las que Cataluña, una región con elevado grado de desarrollo de
los clusters, ha mostrado tener ventajas competitivas según se desprende del
análisis realizado en el Capítulo 4. Estas variables se irán ampliando en
sucesivos análisis hasta incluir todas las variables que se incluyen en la
Encuesta Ejecutiva de Opinión que realiza el Foro Económico Mundial para
medir la competitividad.
Tal y como se ha explicado en la introducción de esta tesis, se utilizan dos
metodologías diferentes en el análisis empírico porque el Índice del Foro
Económico Mundial utilizado en la primera parte del análisis empírico
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
207
proporciona una selección de variables reconocida y probada, así como unos
primeros resultados variables de competitividad que presentan buenos
resultados en regiones con clusters desarrollados. La utilización de una
segunda metodología basada en otros métodos estadísticos, como las tablas
de contingencia, las correspondencias múltiples, el análisis factorial, el análisis
cluster y las regresiones, proporcionará una mayor flexibilidad, ya que se
podrán analizar con más detalle y profundidad las posibles evidencias de
relación entre el “estado de desarrollo de los clusters” y otras variables de
competitividad encontradas en la primera parte del análisis empírico y permitirá
confirmar la influencia de los clusters sobre la competitividad, que es la
hipótesis principal de este estudio .
En este capítulo se desarrolla la segunda parte del estudio empírico
describiendo los objetivos, hipótesis, metodología y resultados.
2. OBJETIVOS
El objetivo principal de esta tesis es demostrar la influencia del estado de
desarrollo de los clusters sobre la competitividad de los países y regiones,
determinando en concreto en España y en una Comunidad Autónoma, como es
Cataluña, las variables o factores a través de los cuales se produce esta
influencia.
Los objetivos específicos de esta segunda parte de la investigación empírica
son:
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
208
1. Profundizar en la relación entre el “estado de desarrollo de los clusters” y
otras variables de competitividad utilizando métodos estadísticos tales
como las tablas de contingencia, el análisis de correspondencias
múltiples y el análisis cluster.
2. Desarrollar un modelo alternativo para analizar la influencia que tienen
los clusters sobre la competitividad. Este modelo permitirá confirmar o
no la influencia de los clusters sobre la competitividad. Para ello se
obtendrán indicadores de competitividad alternativos a los que usa el
Foro Económico Mundial, utilizando las mismas variables pero aplicando
varios métodos estadísticos como el análisis cluster, el análisis factorial
y las regresiones, lo que permitirá:
- Analizar la competitividad de España, Cataluña y el resto de países
incluidos en la base de datos del Foro Económico Mundial en función
de los nuevos indicadores de competitividad obtenidos.
- Verificar si el mayor desarrollo de los clusters en Cataluña ha supuesto
mejores resultados en cuanto a su competitividad.
- Comprobar la relación causal del estado de desarrollo de los clusters
en la competitividad a través de los nuevos indicadores obtenidos.
3. HIPÓTESIS
Las hipótesis que se manejan en esta segunda parte de la investigación
empírica son:
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
209
1. Los clusters tienen una influencia positiva en la competitividad, es decir, un
mayor desarrollo de los clusters en un país o región incide en tasas más altas
de competitividad en ese mismo territorio.
2. La influencia de los clusters en la competitividad se produce principalmente
a través de la mejora del entorno microeconómico de negocios en el que
operan las empresas, así como de las estrategias y operaciones de las
empresas.
3. En el caso de Cataluña, el mayor desarrollo de sus clusters en relación a
España se traducirá en mayores tasas de competitividad microeconómica.
Para este propósito se va a utilizar la misma base de datos que en el
Capítulo 4, en el que se aplicó la metodología del Foro Económico Mundial a
Cataluña y España. Sin embargo, en el presente capítulo se va a realizar un
procedimiento alternativo basado en los métodos estadísticos como las tablas
de contingencia, correspondencias múltiples, análisis factorial, análisis cluster y
regresiones.
4. METODOLOGÍA1
En primer lugar se van a definir las variables que se van a utilizar y se va a
realizar un análisis descriptivo de las mismas, aportando los estadísticos
principales y verificando su normalidad a través de las pruebas de Kolmogorov-
Smirnov y Shapiro-Wilks así como del estudio de sus histogramas.
1 Se han tomado como base para este apartado los trabajos de Peralta et al. (2000), Rúa, A., Redondo, R. y del Campo, C (2003) y Martínez, C. y Rúa, A. (2005).
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
210
Se definirá la variable “estado de desarrollo de los clusters” 2y se analizará su
relación con todas las demás variables. Para ello se utilizarán tablas de
contingencia, análisis de correspondencias múltiples y análisis cluster.
Posteriormente se incorporarán más variables al análisis y se realizarán
análisis factoriales que permitirán obtener indicadores de competitividad
alternativos a los que utiliza el Foro económico Mundial. Con estos nuevos
indicadores se analizará la competitividad de España, Cataluña y los países
incluidos en el estudio y se estudiará la influencia del “estado de desarrollo de
los clusters” en estos nuevos indicadores de competitividad.
Finalmente se analizarán las relaciones causales entre el “estado de
desarrollo de los clusters” y los indicadores de competitividad obtenidos
mediante regresiones.
Se describen a continuación los principales métodos estadísticos que se van a
utilizar en este capítulo.
4.1. Análisis factorial
El análisis factorial es una técnica estadística multivariante que permite
reducir el número de variables obteniendo nuevas variables incorrelacionadas
llamadas factores que aporten prácticamente la misma información que las
variables iniciales pero que permitan un análisis más sencillo3, de modo que :
Fi = Fi(xi)
2 Aunque esta variable se desarrollará en los próximos apartados, se puede adelantar aquí que indicará si clusters fuertes y muy arraigados están ampliamente extendidos en toda la economía. 3 Martínez, C. y Rúa, A. (2005).
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
211
donde
Fi son los nuevos factores obtenidos
xi son las variables originales
Con ello se reduce la complejidad de una tabla de datos cuantitativos y se
consigue explicar la estructura causal que origina las relaciones entre las
variables.
El análisis factorial se realiza sobre K variables aleatorias de tipo cuantitativo,
X1, X2, …Xk
y trata de encontrar P + K nuevas variables llamadas factores, F1, F2,…Fp,
U1, U2, …,Uk y ver su relación con las variables originales. Los factores
obtenidos F1, F2,….Fp son los factores comunes, porque influyen en común en
las K variables. Las variables U1, U2, ….Uk son factores únicos, porque cada
uno de ellos influye de forma exclusiva en una variable.
La relación de las variables con los factores resultantes del análisis se puede
expresar como:
X1 = a11F1 + …………+ a1pFp + d1U1
X2 = a21F1 + …………+ a2pFp + d2U2
…………………………………………
Xk = ak1F1 + …………+ akpFp + dkUk
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
212
Para conseguir el objetivo de explicar las variables a partir de un número más
reducido de factores, el número resultante de factores ha de ser menor que el
número de variables, es decir P<K.
Antes de realizar el análisis factorial se estudiará la viabilidad de realizarlo
para ese conjunto de datos. Para ello se utilizan la prueba de Kaiser-Meyer-
Okin (KMO) desarrollada por Kaiser (1974) y la prueba de esfericidad de
Bartlett.
El índice de KMO, se utiliza para comparar las magnitudes de los
coeficientes de correlación múltiples observados con las magnitudes de
coeficientes de correlación parcial. Cuando el valor del índice es bajo, menor
de 0´5, se desaconseja la aplicación del análisis ya que las correlaciones entre
pares de variables no se pueden explicar a través de las otras variables.
Cuanto más próximo a 1 esté el índice KMO más adecuada es la utilización del
análisis factorial.
La prueba de esfericidad de Bartlett contrasta si hay interrelaciones entre las
variables mediante la enunciación de la hipótesis nula consistente en que la
matriz de correlación es la matriz identidad (la que tiene unos en la diagonal
principal y ceros en el resto de valores). Si se confirma la hipótesis nula
supondría que las variables están incorrelacionadas. Si por el contrario se
rechaza la hipótesis nula, las variables estarían relacionadas y sería adecuado
realizar el análisis factorial.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
213
Con el objeto de obtener unos factores que sean fácilmente interpretables se
va a utilizar la rotación de factores en el análisis factorial. Con ello se persigue
que cada una de las variables tenga una correlación más próxima a uno con
uno de los factores y próxima a cero con el resto de factores. Así cada factor
tendrá una correlación alta con un número de variables y baja con el resto.
El método de rotación que se va a seguir es ortogonal y, en concreto, se va a
utilizar el procedimiento Varimax, que consigue que la varianza total explicada
por los factores y la comunalidad4 de cada una no se alteren al aplicarlo.
El análisis factorial se realizará en dos etapas. En primer lugar, se
seleccionarán las variables que se consideran más significativas entre la base
total de variables de la Encuesta Ejecutiva de Opinión del Foro Económico
Mundial hasta un máximo de 34. La elección de este número de variables tiene
la ventaja de que se cumple la regla de que para que sea idóneo el análisis
factorial, deben existir 4 ó 5 observaciones por cada variable incluida en el
análisis factorial. Sin embargo, tiene el inconveniente de que se pueden haber
quedado fuera del análisis algunas variables que sean especialmente
significativas. La aplicación del análisis factorial a estas 34 variables resultará
en tres factores principales. Con estos tres factores se realizarán análisis
cluster y de regresión lineal.
En una segunda etapa, se tomarán como base los factores obtenidos en el
anterior análisis y se utilizarán como base de agrupación de todas las variables
4 La comunalidad es la cantidad de varianza que un test comparte con otro test en un espacio factorial común.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
214
incluidas en la Encuesta Ejecutiva de Opinión del foro económico Mundial, no
sólo de las 34 anteriormente contempladas. Se irán adjudicando todas las
variables de la muestra a cada uno de esos grupos en función de su similitud
conceptual. De este modo, aunque incluimos un número de variables superior
al idóneo por el tamaño de la muestra, nos aseguramos de que ninguna
variable relevante se quede si analizar. Un vez definidos los grupos de
variables, se realizará un nuevo análisis factorial dentro de cada grupo y se
utilizará como base de análisis a partir de ahí el factor principal que resulta en
cada uno de los grupos. Sobre esos tres nuevos factores se realizará de
nuevo un análisis cluster y de regresión lineal.
4.2. Análisis de conglomerados o cluster
Este análisis es una técnica de análisis estadístico multivariante que permite
la partición de un conjunto de datos, en este caso correspondientes a distintos
países, en grupos de tal forma que los datos pertenecientes a un mismo grupo
son muy similares entre sí pero muy diferentes a los de los otros grupos. Este
tipo de análisis ha sido desarrollado por numerosos autores, por ejemplo:
Johnson, 1967; Jardine y Sibson, 1968; Rohlf, 1970; Lerman, 1970; Benzecri,
1976; Ketchen y Shook, 1996; Dolnicar, 2002).
Para conseguir formar grupos homogéneos de observaciones (en este caso
de países y de una región), hay que medir su similaridad o su distancia
(disimilaridad). Se han desarrollado numerosos métodos para medir la distancia
entre los casos, como la función de la distancia absoluta o Manhattan o la
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
215
formulación general de Power. En esta tesis se va a utilizar la distacia euclídea
que mide la distancia entre dos casos a través de :
Al tratarse de más de dos variables se generan tantas diferencias al cuadrado
como variables y se mide la distancia multidimensional entre dos puntos. La
matriz que recoge las distancias euclídeas entre todos los casos es la que sirve
de base para el análisis de conglomerados.
Este análisis se realizará en tres ocasiones. En primer lugar se tomará como
base la variable “estado de desarrollo de los clusters”, lo que permitirá dividir la
muestra en varios grupos homogéneos de países según su estado de
desarrollo de clusters y comprobar en qué grupos quedan tanto España como
Cataluña.
Este análisis cluster permitirá además realizar comparaciones con otras
variables mediante tablas de contingencia y análisis de correspodencias
múltiples.
Se realizarán dos análisis cluster más, cada uno de ellos con los factores
obtenidos en los dos análisis factoriales que se van a realizar.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
216
4.3. Regresión lineal
El modelo de regresión lineal se utiliza para explicar el comportamiento de una
variable denominada variable dependiente o endógena (Y) a través de una o
varias variables independientes o explicativas (X).
Si se trata de una única variable explicatoria el modelo sería de regresión lineal
simple y si se trata de varias variables el modelo es de regresión lineal
múltiple. Se especifica de la siguiente forma:
Yi = β0 + β1x1 + β2x2 + ……+ βkxk + ui
donde i = 1,2,…..n; los parámetros β0, β1, …βk indican la magnitud del efecto
que cada variable independiente; x1, x2, ….. xk tienen sobre la variable
dependiente, β0 es la constante del modelo y ui es el error o perturbación
aleatoria.
Los supuestos con los que se trabaja en la regresión lineal son los de
linealidad, independencia de los resíduos, homocedasticidad, normalidad y no-
colinealidad.
Una vez realizado el análisis, el coeficiente de correlación múltiple (R) y su R
cuadrado ( ) indicarán el grado de relación entre la variable dependiente y las
independientes. indica la proporción de la varianza de la variable
dependiente que está explicada por las variables independientes.
R2R2
R2R2
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
217
Este análisis también se realizará en dos etapas. En primer lugar, se tratará de
explicar el comportamiento de la variable “estado de desarrollo de los clusters”
en función de los tres factores obtenidos en el análisis factorial. Para ello se
realizará una regresión lineal múltiple en la que el “estado de desarrollo de los
clusters” será por tanto la variable dependiente y los tres factores serán las
variables independientes.
En segundo lugar, se tratará de explicar la influencia de los clusters sobre
cada uno de los factores anteriores. Para ello se realizarán tres regresiones
lineales bivariables en las que la variable dependiente será cada uno de los
factores y el “estado de desarrollo de los clusters será la variable dependiente.
Estas metodologías han sido descritas de forma detallada por diversos
autores entre los que se pueden destacar: Bisquerra, 1989; Comrey, 1985;
Cuadras, 1996; Guigou, 1977; Hair et al. , 1998.
5. ANALISIS DE LA RELACIÓN DE LA VARIABLE “ESTADO DE
DESARROLLO DE LOS CLUSTERS” CON OTRAS VARIABLES QUE
INFLUYEN EN LA COMPETITIVIDAD
En la primera parte del análisis se va a estudiar la relación de la variable
“estado de desarrollo de los clusters” con otras variables que van a ser
seleccionadas de entre las variables que componen la base de datos del Foro
Económico Mundial.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
218
El grupo de variables escogidas son las que se consideran más directamente
relacionadas con la existencia de clusters por ser variables de tipo
microeconómico y referidas a las estrategias y operaciones de las empresas,
así como al entorno de negocios en el que éstas se mueven.
La mayor parte de estas variables proceden del análisis empírico realizado en
el Capítulo 4, en el que se ha aplicado la metodología del Índice de
Competitividad de los Begocios a Cataluña y España y se han comparado los
resultados. Entre estas variables se encuentran aquellas en las que, en el
análisis empírico realizado en el Capítulo 4, Cataluña ha obtenido resultados
superiores a los de España (capacidad de innovación, naturaleza de la ventaja
competitiva, calidad de los proveedores locales, competencia en el mercado
local, la disponibilidad local de servicios especializados en investigación y
formación, la disponibilidad de equipos industriales o el control de la
distribución internacional). También se incluyen otras variables en las que
Cataluña obtiene resultados que inferiores a los de España pero positivos y por
encima del su ranking general en el Índice de Competitividad de los Negocios
(sofisticación de los procesos productivos, presencia completa de la cadena de
valor, sofisticación de los compradores o cantidad de proveedores locales).
En la segunda parte de la investigación empírica de esta tesis, que se lleva a
cabo en el capítulo 5, se va a investigar si los positivos resultados de Cataluña
en esas variables microeconómicas se deben a que en esta región los clusters
están más desarrollados y, por tanto, puede hablarse de una influencia del
estado de desarrollo de los clusters sobre estas variables de competitividad
microeconómica.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
219
Se han incluido además la variable “estado de desarrollo de los clusters”, ya
que se trata de la variable principal de este estudio y aunque el Índice de
Competitividad de los Negocios contempla explícitamente el papel de los
clusters en el entorno microeconómico de negocios en el que operan las
empresas, lo hace a nivel conceptual, pero no incluye una variable específica
de clusters, tal y como se ha expuesto en el Capítulo 4. También se han
incluido las variables “exportaciones regionales”, “exportaciones
internacionales” y “región”, que aportarán una visión de la dimensión
geográfica y del nivel de apertura a otros mercados.
5.1. Definición de las variables
Las variables que se van a utilizar en esta primera parte del análisis
estadístico son:
1) Intensidad de la competencia local.
2) Sofisticación de los compradores.
3) Cantidad de los proveedores locales.
4) Calidad de los proveedores locales.
5) Estado de desarrollo de los clusters.
6) Disponibilidad local de equipos de procesamiento.
7) Disponibilidad local de servicios de investigación y formación.
8) Naturaleza de la ventaja competitiva.
9) Presencia completa de la cadena de valor.
10) Capacidad de Innovación.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
220
11) Sofisticación de los procesos productivos.
12) Control de la distribución internacional.
13) Exportaciones regionales.
14) Exportaciones internacionales.
15) Región.
Para cada una de estas variables se tendrán 138 observaciones, cada una de
ellas correspondiente a un país o a una región. De las 138 observaciones que
hay para cada variable, 137 corresponden a distintos países y una a Cataluña.
Para obtener los datos el Foro Económico Mundial ha realizado la Encuesta
Ejecutiva de Opinión en el año 2007 en cada uno de los 137 países. La media
de respuestas por país es de 100 encuestas. En el caso de Cataluña, tal y
como se ha expuesto en el Capítulo 4, se ha realizado la Encuesta Ejecutiva en
esta Comunidad Autónoma5 y se han obtenido 48 respuestas de 300
encuestas enviadas. Este número de respuestas se considera adecuado dado
el tamaño de Cataluña y el número de empresas existentes en dicha
Comunidad Autónoma en comparación con España y la mayoría de países
incluidos en el estudio, que han obtenido alrededor de 100 respuestas.
Para calcular el valor de cada variable en un país o región se realiza una
media de los valores otorgados a esa respuesta por todos los encuestados en
dicho país o región. El valor de cada variable está comprendido entre 1 y 7, ya
5 Se ha realizado la Encuesta Ejecutiva en Cataluña, y los resultados obtenidos en cada una de las variables se han incorporado a la muestra inicial, ya que uno de los objetivos de la contrastación empírica de esta tesis es determinar la influencia que los clusters tienen en la competitividad de la región catalana.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
221
que estos son los valores mínimos y máximos que los encuestados pueden
otorgar a cada variable en la Encuesta Ejecutiva.
Se especifica a continuación la pregunta exacta a la que se da respuesta en
cada una de las variables.
- Intensidad de la competencia local.
Indica el grado de competencia en el mercado local, siendo el valor mínimo
(1) el correspondiente a una competencia limitada en la mayoría de las
industrias, y el valor máximo (7) el asociado a una competencia intensa en la
mayoría de las industrias.
- Sofisticación de los compradores.
La sofisticación de los compradores en un país o región se identifica con sus
motivaciones a la hora de tomar una decisión de compra. Se considera que los
compradores son poco sofisticados y se les otorga el valor mínimo (1) cuando
sus decisiones de compra están basadas únicamente en el precio, y se asocia
el valor máximo (7) a decisiones de compra basadas en un análisis sofisticado
de los atributos de desempeño.
- Cantidad de los proveedores locales.
Mide la cantidad de proveedores locales en un país. El valor mínimo (1) se
asocia a la casi inexistencia de proveedores locales y el valor máximo (7) a
proveedores locales numerosos y que abarcan los materiales, componentes y
servicios más importantes.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
222
- Calidad de los proveedores locales.
Indica el grado de calidad de los proveedores locales, correspondiendo el
valor mínimo (1) a una calidad muy deficiente y el valor máximo (7) a muy
buena.
- Estado de desarrollo de los Clusters.
Previamente a la pregunta se aclara que se denomina cluster a las
concentraciones de empresas, proveedores, productores de bienes y servicios
afines y de instituciones especializadas en un sector determinado, en un mismo
país o región. Se mencionan ejemplos de clusters para orientar al encuestado,
como el de la Tecnología de la Información en Silicon Valley, el de productos
de cuero y calzado en Italia y el de electrónica de consumo en Japón.
La pregunta que se realiza es: Clusters fuertes y muy arraigados están
ampliamente extendidos en toda la economía. El valor mínimo (1)
correspondería a “Estoy en total desacuerdo”, y el valor máximo (7)
correspondería a “Estoy en total acuerdo”, correspondiendo por tanto a un
mayor grado de clusterización del país.
- Disponibilidad local de equipos de procesamiento.
Explica cómo se produce la obtención de equipos y maquinaria específicos
de procesamiento para un determinado sector industrial. El valor mínimo (1)
correspondería a una obtención casi siempre a través de importación y el valor
máximo (7) se obtiene cuando estos equipos y maquinarias están casi siempre
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
223
disponibles en el mercado local, gracias a que existen proveedores
competentes.
- Disponibilidad local de servicios de investigación y formación.
Indica si los servicios de investigación y capacitación en un país están
disponibles, siendo el valor mínimo (1) el asociado a la no disponibilidad, y el
valor máximo (7) el correspondiente a disponibilidad de estos servicios en
instituciones locales de carácter internacional.
- Naturaleza de la ventaja competitiva.
Explica a qué se debe la competitividad de las empresas de un país en los
mercados internacionales. El valor mínimo (1) correspondería a los casos en
los que la competitividad se debe a bajos precios o recursos naturales locales,
y el valor máximo (7) a los casos en los que la ventaja competitiva de las
empresas se basa en sus productos y procesos únicos.
- Presencia completa de la cadena de valor.
Esta variable mide si las empresas exportadoras de un país participan
principalmente en algún paso de la cadena de valor (por ejemplo, en la
extracción o producción de recursos), o si por el contrario están presentes en
toda la cadena de valor, es decir, no sólo producen sino que también realizan el
diseño del producto, marketing, ventas y logística y prestan servicios de
postventa. El primer caso estaría asociado al valor mínimo (1) y el segundo al
valor máximo (7).
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
224
- Capacidad de Innovación.
Mide la forma de las empresas para obtener nuevas tecnologías siendo el
valor mínimo (1) el asociado la obtención a través de licencias o imitando a
empresas del exterior, y el valor máximo (7) el que indica que las empresas
llevan a cabo investigaciones formales y desarrollan sus propios productos y
procesos.
- Sofisticación de los procesos productivos.
Indica el tipo de métodos que se utilizan en los procesos de producción. El
valor mínimo (1) correspondería a métodos intensivos en mano de obra o
antiguas generaciones de tecnología de procesamiento, y el valor máximo (7)
se otorgaría cuando los procesos de producción utilizan la mejor y más
eficiente tecnología de procesamiento del mundo.
- Control de la distribución internacional.
Explica si la comercialización y distribución desde un país al exterior se
produce a través de empresas extranjeras o si por el contrario está controlada
por empresas locales. En el primer caso el valor asociado sería el mínimo (1), y
en el segundo el máximo (7).
- Exportaciones regionales.
Indica el volumen y tendencia de las exportaciones a países vecinos, siendo
el valor mínimo (1) el correspondiente a exportaciones limitadas y el valor
máximo (7) el correspondiente a exportaciones cuantiosas y en aumento a los
países vecinos.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
225
- Exportaciones internacionales
Mide el alcance internacional de las exportaciones, indicando el valor mínimo
(1) que las empresas exportadoras venden principalmente en unos pocos
mercados del exterior, y el valor máximo (7) que las empresas exportadoras
venden prácticamente en todos los mercados internacionales.
- Región.
Se ha introducido una nueva variable, que es la de Región. Esta variable
clasifica los 137 países y Cataluña según su región de pertenencia6. Las
regiones en las que se ha clasificado a los países son 7:
Región Países incluidos
1 UE 15 2 Resto Europa 3 Norteamérica 4 Resto América y Caribe 5 Asia 6 Oceanía 7 África
El motivo de introducir esta variable en el análisis es que nos dará una visión
geográfica de la fortaleza o debilidad de algunas de las otras variables
estudiadas según las grandes regiones mundiales. Hay que señalar que dado
que la variable “región” no es cuantitativa, no se puede incluir en algunos de los
análisis que se realizarán, como los estadísticos descriptivos o las pruebas de
normalidad.
6 Cataluña estaría incluida en la región UE 15.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
226
El Cuadro 5.1 que se muestra a continuación contiene un resumen de las
variables definidas exceptuando la variable Región, ya que no se le asignan
valores numéricos.
Cuadro 5.1.
Resumen de las principales variables incluidas en el análisis
Intensidad de la competencia local
Intensidad de la competencia en el mercado local en la mayoría de las industrias Limitada Intensa
Sofisticación de compradoresCriterio para la toma de decisiones de compra de los compradores Sólo el precio
Análisis sofisticado de atributos
Cantidad de proveedores locales Cantidad de proveedores locales Casi inexistentes NumerososCalidad de los proveedores locales Calidad de proveedores locales Muy deficiente Muy buenaEstado de desarrollo de los clusters
Existencia de clusters fuertes y arraigados en la economía
Estoy en total desacuerdo
Estoy en total acuerdo
Disponibilidad local de equipos de procesamiento
Procedencia de los equipos y maquinarias de procesamiento De fuera del país Del mercado local
Disponibilidad local de servicios de investigación y formación
Disponibilidad de servicios de investigación y formación en instituciones locales de nivel internacional No disponibles Disponibles
Naturaleza de la ventaja competitiva
Base de la competitividad de las empresas del país en los mercados internacionales
Bajos precios o recursos naturales
Productos y procesos únicos
Presencia global en la cadena de valor
Las empresas exportadoras del país participan principalmente en algún paso de la cadena de valor o en todos En alguno En todos
Capacidad de innovaciónMétodos de obtención de tecnología por parte de las empresas
Por licencias o imitación
Por desarrollo e investigación propia
Sofisticación de los procesos productivos
Métodos que se utilizan en los procesos de producción
Intensivos en mano de obra o tecnología antigua
Las mejores y más eficientes tecnologías
Control local de distribución internacional
Tipo de empresas que controlan la comercialización y distribución al exterior
De capital no local Empresas locales
Exportaciones regionales Nivel de exportaciones a los países vecinos LimitadasCuantiosas y en aumento
Exportaciones internacionalesnúmero de mercados del exterior a los que venden las empresas del país Pocos
Prácticamente a todos
1 ------------------------------- 7VALOR
VARIABLE DESCRIPCIÓN
Fuente : elaboración propia a partir de la Encuesta Ejecutiva de Opinión del Foro Económico Mundial.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
227
5.2. Análisis descriptivo de las variables
En primer lugar se va a realizar un análisis descriptivo de las variables
seleccionadas, con el objeto de obtener un mejor entendimiento de las mismas,
así como de verificar que se dan las condiciones adecuadas para la aplicación
de distintas técnicas estadísticas sobre estas variables en los próximos
apartados.
Con este objeto se incluyen en el análisis descriptivo los estadísticos básicos
de cada variable (como los valores mínimos y máximos, la media y la
desviación típica), diagramas de cajas para comprobar los valores medios y
dispersión de cada variable y pruebas de normalidad.
5.2.1. Estadísticos básicos
El Cuadro 5.2 que se muestra a continuación contiene los estadísticos
básicos para cada una de las principales variables, incluyendo valores mínimos
y máximos, medias y desviaciones típicas. La variable “región” no se incluye al
no ser cuantitativa.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
228
Cuadro 5.2
Estadísticos descriptivos
Variable N Mínimo Máximo Media Desv. típ.
Intensidad de la competencia local 137 2,50 6,32 4,81 0,74
Sofisticación de compradores 137 1,96 5,72 3,83 0,96
Cantidad de proveedores locales 137 3,00 6,29 4,68 0,70
Calidad de los proveedores locales 137 2,17 6,52 4,46 0,88
Estado de desarrollo de los clusters 137 1,85 5,66 3,57 0,76
Disponibilidad local de equipos de procesamiento 137 1,40 5,99 2,92 1,01
Disponibilidad local de servicios de investigación y formación 137 2,18 5,99 3,94 0,95
Naturaleza de la ventaja competitiva 137 2,13 6,27 3,69 1,00
Presencia global en la cadena de valor 137 2,09 6,27 3,76 1,05
Capacidad de innovación 137 1,91 6,08 3,39 0,99
Sofisticación de los procesos productivos 137 2,01 6,28 3,79 1,09
Control local de distribución internacional 137 2,45 5,48 4,06 0,66
Presencia regional de exportaciones 137 2,00 6,73 4,40 1,12
Presencia internacional de exportaciones 137 1,81 6,78 3,72 1,24
N válido (según lista) 137
Fuente : Elaboración propia.
Se puede observar que los valores mínimos oscilan entre un 1,40 en el caso
de la "disponibilidad local de equipos de procesamiento", y un 3,0 para la
variable "cantidad de proveedores locales". Los valores máximos presentan
una menor dispersión y van desde un 5,48 para la variable "control local de la
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
229
distribución internacional" hasta un 6,78 en el caso de la "presencia
internacional de exportaciones". Esta variable es la que obtiene una desviación
típica mayor (1,23).
En el caso de las medias también hay diferencias significativas entre las
variables. Así, mientras la "disponibilidad local de equipos de procesamiento"
tiene un valor medio de 2,92 (el único por debajo de 3), la media sube hasta
4,81 en el caso de la "intensidad de la competencia local".
La variable "estado de desarrollo de los clusters" presenta unos valores
relativamente bajos en comparación al resto de variables, tanto en lo que se
refiere al valor mínimo (1,85), máximo (5,66) como en la media (3,57).
5.2.2. Diagramas de cajas
Un análisis con Diagramas de cajas permite ver los valores medios y
dispersión de los mismos de forma gráfica:
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
230
Figura 5.1
Diagrama de Cajas de las variables
En el diagrama de cajas se aprecian los efectos comentados con
anterioridad: los menores valores que obtiene la variable "disponibilidad local
de equipos de procesamiento" seguida por la variable de "capacidad de
innovación". Se observa también la mayor dispersión de las dos variables
relativas a la presencia de las exportaciones, tanto regional como internacional.
La variable de "estado de desarrollo de los clusters" presenta unos valores en
general bajos pero bastante agrupados. Existe un valor especialmente alto, que
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
231
es el de Taiwán que se explica porque en este país los clusters están muy
desarrollados (Taiwan obtiene un valor de 5,66 en la variable “estado de
desarrollo de los clusters”). También presenta valores extremos, aunque en el
rango bajo, la variable de la "intensidad de la competencia local", en este caso
en Angola ya que en este país la competencia es muy limitada en la mayoría
de las industrias.
Otros valores dignos de mención son los de Alemania y Japón en términos de
"disponibilidad local de equipos de procesamiento", ya que ambos países
destacan por su capacidad como proveedores de equipos. En la variable
"naturaleza de la ventaja competitiva", que es otra de las que presenta valores
relativamente bajos en general, un grupo de países obtienen valores
especialmente altos: se trata de Suiza, Japón, Dinamarca, Holanda, Reino
Unido, Francia e Israel. Estos países compiten principalmente en base a
estrategias de calidad y de ahí la diferencia de valoración frente a la media.
También es destacable la posición de algunos países, en este caso Suecia,
Suiza, Japón, Alemania y Finlandia en cuanto a la "capacidad de innovación".
Este grupo de países se sitúan como mucho más innovadores que el resto y
destacan frente a una media en general baja.
5.2.3. Pruebas de normalidad: Kolmogorov-Smirnov e histogramas
Se ha realizado la prueba de Kolmogorov-Smirnov para estudiar la normalidad
de las variables. Los resultados se pueden observar en el Cuadro 5.3.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
232
Cuadro 5.3
Pruebas de normalidad
Kolmogorov-Smirnov(a) Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig. Intensidad de la competencia local ,058 137 ,200(*) ,984 137 ,113
Sofisticación de compradores ,084 137 ,019 ,961 137 ,001
Cantidad de proveedores locales ,048 137 ,200(*) ,993 137 ,747
Calidad de los proveedores locales ,065 137 ,200(*) ,987 137 ,234
Estado de desarrollo de los clusters ,078 137 ,039 ,988 137 ,272
Disponibilidad local de equipos de procesamientp ,082 137 ,024 ,943 137 ,000
Disponibilidad local de servicios de investigación y formación
,060 137 ,200(*) ,973 137 ,007
Naturaleza de la ventaja competitiva ,164 137 ,000 ,878 137 ,000
Presencia global en la cadena d evalor ,097 137 ,003 ,934 137 ,000
Capacidad de innovación ,161 137 ,000 ,899 137 ,000Sofisticación de los procesos productivos ,098 137 ,003 ,945 137 ,000
Control local de distribución internacional ,055 137 ,200(*) ,985 137 ,135
Presencia regional de exportaciones ,070 137 ,096 ,977 137 ,021
Presencia internacional de exportaciones ,111 137 ,000 ,941 137 ,000
* Este es un límite inferior de la significación verdadera.
a Corrección de la significación de Lilliefors
Los grados de significación obtenidos para algunas variables son bastante
altos. En general, se acepta para la mayoría de las variables la normalidad; sin
embargo, hay algunas variables para las que esto no se cumple, entre otras
para: la "naturaleza de la ventaja competitiva", la "capacidad de innovación", la
"presencia internacional de exportaciones", la "presencia global de la cadena
de valor" y la "sofisticación de los procesos productivos". Para estas variables,
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
233
tal y como puede observarse en el Cuadro 5.3, los grados de significación
obtenidos son bajos, por lo que se van a estudiar en primer lugar y con más
detalle los histogramas de estas variables.
Histogramas
Los histogramas muestran de forma gráfica las distribuciones de las
observaciones en cada una de las variables. Se muestran en primer lugar las
cinco variables mencionadas en el punto anterior para las que se obtenían
grados de significación bajos en las pruebas de normalidad, de hecho, en la
distribución de sus observaciones es apreciable cómo se alejan de la línea que
marca la distribución normal.
En la variable "naturaleza de la ventaja competitiva" las observaciones se
agrupan en torno al valor 3; no obstante, entre los valores 5 y 6 existe de nuevo
un grupo significativo de países.
En el caso de la "capacidad de innovación", un grupo muy significativo de
países obtiene valores entre 2 y 3, desplazándose a la izquierda de la media.
Un efecto parecido se produce en la distribución de las variables "presencia
internacional de exportaciones", "presencia global de la cadena de valor" y
"sofisticación de los procesos productivos", que se muestran a continuación.
En los tres casos, además de agruparse numerosas observaciones por debajo
de la media, existen grupos significativos de observaciones de valor
relativamente alto.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
234
Figura 5.2
Histogramas
Figura 5.2
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
235
Figura 5.2
Histogramas
Como se observa en sus histogramas, el resto de las variables siguen una
distribución más ajustada a la distribución normal.
En el histograma de la variable "sofisticación de los compradores" se puede
destacar el elevado número de respuestas que se obtienen para los valores
entre 5 y 6 pero también se asemeja a la curva normal.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
236
Figura 5.3
Histogramas (segunda parte).
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
237
El histograma de la variable "disponibilidad local de equipos de
procesamiento", aunque se asemeja a la curva de normalidad, presenta un alto
número de observaciones alrededor del valor 2.
Aunque la "disponibilidad local de servicios de investigación y formación"
también presenta un histograma bastante parecido a la curva normal, destacan
un elevado número de observaciones cercanos al valor 3, así como en los
valores más altos de esta variable, cercanos al 6.
Finalmente, la variable "presencia regional de exportaciones" presenta varias
peculiaridades en su histograma: se da un número bajo de observaciones en
torno al valor medio, habiendo un repunte bastante elevado entre los valores 5
y 6 que finalmente desciende de forma brusca casi al final.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
238
Figura 5.4
Histogramas (tercera parte)
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
239
Figura 5.4
Histogramas (tercera parte)
En general, con los histogramas se observa más claramente cómo las
observaciones en la mayoría de las variables siguen una distribución parecida
a la de la normal, aunque hay cinco variables7 cuya distribución de
observaciones es más anómala, pero que también se consideran aptas para
los exámenes posteriores. Esto confirma los datos obtenidos en las pruebas de
Kolmogorov-Smifnov.
En este apartado se han descrito las variables que se van a utilizar,
analizando sus estadísticos básicos y sus condiciones de normalidad, como
punto de partida para el estudio estadístico que se realiza a continuación, en el
7 Las variables son: "naturaleza de la ventaja competitiva", "capacidad de innovación", "presencia internacional de exportaciones", "presencia global en la cadena de valor" y "sofisticación de los procesos productivos".
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
240
que se van a analizar las relaciones entre las variables. La normalidad de las
variables permitirá aplicar técnicas paramétricas como por ejemplo el ANOVA.
5.3. Obtención de variables categorizadas mediante un análisis cluster
Una vez definidas las variables de forma individual y analizados sus
estadísticos básicos y condiciones de normalidad, se van a tratar de establecer
relaciones entre las variables. Sobre todo, se pretende estudiar cómo se
relaciona la variable "estado de desarrollo de los clusters" con cada una de las
otras variables y con cuáles de ellas existe una relación más clara. Para ello
procederemos a categorizar las variables anteriores, es decir, transformar las
variables de naturaleza cuantitativa en variables de naturaleza cualitativa, con
objeto de poder aplicar de forma más consistente un análisis de asociación o
contingencia, así como un análisis de correspondencias múltiples, los cuales
sólo tienen sentido para variables cualitativas.
Para facilitar la categorización de las variables de partida se va a realizar un
análisis cluster. El análisis cluster permitirá recodificar cada variable en cuatro
valores, de manera que todas las observaciones que hay para cada variable
queden asociadas a uno de los cuatro grupos resultantes. Por tanto, una vez
realizado el análisis cluster, las nuevas variables recodificadas sólo podrán
tomar los valores 1,2,3 ó 4. Se trata de que los valores sean lo más
homogéneos posible dentro de cada grupo y lo más diferentes posible con el
resto de los grupos.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
241
Con estas variables recodificadas de naturaleza, por lo tanto, cualitativa se
podrán realizar más facilmente análisis que midan las asociaciones entre
variables, como el análisis de contingencia y el análisis de correspondencias
múltiples.
Los pasos que se van a dar en este apartado son:
Realizar una análisis cluster para recodificar cada una de las variables
en una variable nueva que sólo pueda tomar los valores 1, 2, 3 ó 4, de
tal manera que todas las observaciones para cada variable se
reconduzcan a cuatro grupos.
Comprobar cómo se distribuyen las observaciones en los grupos
creados dentro de cada variable. Para ello se realizará un estudio de la
distribución de frecuencias de las nuevas variables recodificadas o
categorizadas.
Comprobar que los grupos establecidos son diferentes entre sí y que por
tanto tiene sentido la recodificación que se ha hecho. Esto se
comprobará realizando un análisis de la varianza para cada variable
(Anova de un factor).
Analizar si existen relaciones entre la variable “estado de desarrollo de
los clusters” y cada una de las otras variables. Para ello se realizarán
tablas de contingencia entre cada una de las variables recodificadas y la
variable “estado de desarrollo de los clusters” recodificada.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
242
Analizar las relaciones que existen entre todas las variables. Para ello
se realizará un análisis de correspondencias múltiples entre todas las
variables recodificadas.
5.3.1. Nuevas variables categorizadas
Para obtener las nuevas variables recodificadas se realiza un análisis cluster,
como se ha explicado con anterioridad, para cada una de ellas. Las nuevas
variables recodificadas sólo pueden tomar los valores 1,2,3 ó 4, así que todas
las observaciones se asignan a uno de los cuatro grupos en función de su
valor, y se ordenan los grupos de tal manera que el grupo 1 contiene las
observaciones con valores más bajos y el grupo 4 las observaciones con
valores más altos.
5.3.2. Distribución de frecuencias de variables categorizadas
Una vez que se han obtenido las variables recodificadas, se realiza un
análisis de frecuencias de cada una de ellas, con el objeto de observar cómo
se distribuyen las observaciones por grupos. Se van a comentar los aspectos
más significativos de cada variable.
1. Estado de desarrollo de los clusters
Para esta variable se ha realizado un análisis más detallado, ya que se trata
de la variable central del estudio. Por esa razón, además de la distribución de
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
243
frecuencias se han desarrollado gráficos de barras y un cuadro con los países
comprendidos en cada uno de los cuatro grupos.
La distribución de frecuencias para la variable categorizada correspondiente
al “estado de desarrollo de los clusters” muestra como las observaciones se
distribuyen de modo bastante homogéneo en los grupos 1, 3 y 4. Sin embargo,
el grupo 2 contiene más de un 42% de las observaciones. El cuadro 5.4.
también muestra el rango de las observaciones en cada uno de los grupos,
así como la media y desviación típica en cada grupo. Como puede observarse,
el grupo 4 al que pertenecen las observaciones de los países con valores más
altos y, por tanto, con un mayor grado de desarrollo de los clusters no alcanza
valores excesivamente altos, estando su rango entre un mínimo de 4,44 y un
máximo de 5,66.
Cuadro 5.4
Estado de desarrollo de los clusters categorizado
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 28 20,3 20,3 1,85-2,95 2,56 0,282 59 42,8 63,0 2,98-3,69 3,36 0,23 27 19,6 82,6 3,74-4,34 4,03 0,194 24 17,4 100,0 4,44-5,66 4,77 0,29
Total 138 100,0
El gráfico de barras nos permite observar más claramente esta mayor
concentración de observaciones en el grupo 2.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
244
Figura 5.5
Estado desarrollo de los clusters categorizado4321
Fre
cue
nc
ia
60
50
40
30
20
10
0
Estado desarrollo de los clusters categorizado
El Cuadro 5.5 muestra los países incluidos en cada grupo. Tanto España
como Cataluña quedan incluidos en el grupo 3, en el que el rango de valores va
de 3,74 a 4,48. Este grupo tienen un reparto bastante heterogéneo de regiones
ya que junto a algunos países europeos se incluyen otros de Asia, Oceanía y
varios de Resto de América, como Brasil, Panamá o Puerto Rico.
El Grupo 4, que contiene aquellos países en los que los clusters están más
desarrollados, está formado por el resto de países de EU 15, y otros de la
región asiática, como Taiwan, Indonesia, Malasia o Singapur, con reconocidas
formaciones de clusters. También se sitúan en este grupo Estados Unidos e
India. La mayoría de los países africanos y de América Central y del Sur se
encuentran incluídos en los grupos 1 y 2.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
245
Cuadro 5.5.
Distribución de países según la variable "estado de desarrollo de los clusters" categorizada
GRUPO 1 GRUPO 2 GRUPO 3 GRUPO 4
Angola Albania Arabia Saudí AlemaniaArgelia Argentina Australia AustriaArmenia Azerbayán Bélgica Canadá Bahamas Bahrain Brasil Corea. Benin Bangladesh Cataluña DinamarcaBielorusia Barbados China Emiratos Arabes Unidos
Bosnia y Herzegovina Bolivia Chipre Estados UnidosBulgaria Botswana Eslovenia Finlandia Burkina Faso Brunei España Holanda Burundi Camboya Francia Hong Kong SAR Camerún Colombia Irlanda Hungría Chad Costa Rica Islandia India Georgia Croacia Israel IndonesiaGuyana Chile Luxemburgo ItaliaLibia Ecuador Nigeria Japón Macedonia, FYR Egipto Noruega Kuwait Malawi El Salvador Omán Malasia Mali Estonia Panamá Reino Unido Moldavia Etiopía Puerto Rico RumaniaMongolia Filipinas Qatar Singapur Montenegro Gambia República Checa SueciaMozambique Ghana Sri Lanka Suiza Namibia Grecia Sudáfrica Taiwan Paraguay Guatemala Tailandia VietnamRepública Kirguistán Honduras TúnezSuriname Jamaica Turquía
Tajikistan Jordania UzbekistanZimbabwe Kazastán
Kenia Latvia Lesotho Lituania Madagascar Malta Marruecos Mauricio Mauritania Mexico Nepal Nicaragua Nueva ZelandaPakistán
Perú Polonia Portugal
República DominicanaRepública EslovacaRusia Senegal Serbia Siria Tanzania Timor-LesteTrinidad y Tobago
Ucrania Uganda Uruguay Venezuela Zambia
Fuente: Elaboración propia
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
246
2. Disponibilidad local de maquinaria de procesamiento
En este caso, aunque se repite la menor frecuencia del valor 4, al igual que
en el caso de la variable cluster, el resto de valores se distribuyen de forma
ligeramente diferente. Más del 75% de las observaciones toman el valor 1 o 2,
y el valor máximo está por debajo de 6. Esto muestra en general poca
disponibilidad de equipos de procesamiento en la media de los países
estudiados. Las observaciones correspondientes a España y Cataluña se
encuentran en el grupo 3.
Cuadro 5.6
Disponibilidad local de equipos de procesamiento categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 54 39,1 39,1 1,4 - 2,46 1,976 0,2792 50 36,2 75,4 2,48 - 3,49 2,967 0,2963 22 15,9 91,3 3,66 - 4,44 4,016 0,2294 12 8,7 100,0 4,67 - 5,99 5,048 0,442
Total 138 100,0
3. Cantidad de proveedores locales
En el análisis de la variable “cantidad de proveedores locales” se tiene una
distribución más homogénea de observaciones en los cuatro grupos aunque
destaca el grupo con valor 3, que acumula un 34% de las observaciones. La
observación correspondiente a Cataluña estaría incluida en el grupo 3,
mientras que la de España se incluye en el grupo 4, lo que indica una mejor
posición de España en este aspecto en consonancia con los resultados
obtenidos en el Capítulo 4.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
247
Cuadro 5.7
Cantidad de proveedores locales categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 24 17,4 17,4 3 - 4,01 3,671 0,3102 39 28,3 45,7 4,3 - 4,65 4,392 0,1563 47 34,1 79,7 4,99 - 5,29 4,953 0,1934 28 20,3 100,0 5,32 - 6,29 5,643 0,261
Total 138 100,0
4. Calidad de proveedores locales
En la variable “calidad de proveedores locales” el grupo con más
observaciones es el que obtiene valor de 2. En este caso, sin embargo, las
observaciones tanto de España como de Cataluña se encuentran en el grupo 3,
con puntuaciones prácticamente idénticas.
Cuadro 5.8
Calidad de proveedores locales recodificada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 30 21,7 21,7 2,17 - 3,7 3,321 0,3432 51 37,0 58,7 3,76 - 4,51 4,167 0,1633 32 23,2 81,9 4,55 - 5,29 4,904 0,2244 25 18,1 100,0 5,34 - 6,52 5,766 0,322
Total 138 100,0
5. Sofisticación de los compradores
En esta variable de nuevo la distribución de observaciones es bastante
homogénea en todos los grupos, destacando ligeramente el grupo 2 en número
de observaciones. Tanto España como Cataluña pertenecen al grupo 3.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
248
Cuadro 5.9
Sofisticación de los compradores categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 35 25,4 25,4 1,96 - 3,05 2,663 0,2512 40 29,0 54,3 3,08 - 3,86 3,485 0,2193 36 26,1 80,4 3,91 - 4,73 4,265 0,2594 27 19,6 100,0 4,81 - 5,72 5,311 0,220
Total 138 100,0
6. Intensidad de la competencia local
Los valores que se obtienen para esta variable son bastante altos, estando
casi un 65% de las observaciones en los grupos 3 y 4. Esto refleja que la
mayoría de los países consideran que la intensidad competitiva local es muy
fuerte en la mayoría de las industrias. Esta es la única variable en la que el
valor que obtiene un mayor número de observaciones es el 4. Tanto España
como Cataluña cuentan con una competencia local muy intensa por lo que se
incluyen en el grupo 4.
Cuadro 5.10
Intensidad de la competencia local categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 15 10,9 10,9 2,5 - 3,84 3,497 0,3472 34 24,6 35,5 3,9 - 4,5 4,256 0,1853 44 31,9 67,4 4,57 - 5,25 4,873 0,2074 45 32,6 100,0 5,28 - 6,32 5,634 0,256
Total 138 100,0
7. Disponibilidad local de servicios de investigación y formación.
La mayoría de las observaciones se agrupan en los valores menores, lo que
indica en general una baja disponibilidad local de servicios de investigación y
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
249
formación en los países estudiados. Tan sólo 13 países se encuentran en el
grupo 4, en el que se incluye a las principales economías europeas, así como a
Estados Unidos, Israel y Japón. España y Cataluña obtienen valoraciones
significativamente más bajas en esta variable, lo que los sitúa en el grupo 2.
Cuadro 5.11
Disponibilidad local de servicios de investigación y formación
categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 44 31,9 31,9 2,18 - 3,4 2,905 0,3452 57 41,3 73,2 3,43 - 4,39 3,927 0,2743 24 17,4 90,6 4,45 - 5,33 4,870 0,2474 13 9,4 100,0 5,51 - 5,99 5,786 0,156
Total 138 100,0
8. Naturaleza de la ventaja competitiva
En esta variable la mayoría de las observaciones pertenecen a los grupos 1 y
2, lo que refleja que la ventaja competitiva de la mayoría de los países se basa
en bajos precios o recursos naturales. Los países incluidos en los grupos 3 y 4
basan su ventaja competitiva en productos y procesos únicos, que es el caso
de España y Cataluña que se encuentran en el grupo 3.
Cuadro 5.12
Naturaleza de la ventaja competitiva categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 47 34,1 34,1 2,13 - 3,11 2,805 0,2122 47 34,1 68,1 3,15 - 3,8 3,437 0,1693 21 15,2 83,3 3,83 - 4,76 4,181 0,2954 23 16,7 100,0 4,92 - 6,27 5,604 0,383
Total 138 100,0 9. Presencia completa de la cadena de valor
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
250
Las observaciones se distribuyen de nuevo de forma bastante homogénea,
aunque el grupo correspondiente al valor 1 obtiene el doble de observaciones
que el correspondiente al valor 4. Por tanto, la mayoría de países valoran a la
baja la presencia completa de la cadena de valor. Las observaciones de
Cataluña y España de nuevo se incluyen en el grupo 3.
Cuadro 5.13
Presencia completa de la cadena de valor categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 43 31,2 31,2 2,13 - 3,11 2,688 0,2452 37 26,8 58,0 3,15 - 3,8 3,463 0,2193 36 26,1 84,1 3,83 - 4,76 4,210 0,2974 22 15,9 100,0 4,92 - 6,27 5,670 0,385
Total 138 100,0
10. Sofisticación de los procesos productivos
En este caso de nuevo las observaciones se distribuyen de forma
relativamente homogénea, aunque con mayor peso de los grupos 1 y 2.
Cataluña y España se encuentran en el grupo 3 que incluye países que utilizan
métodos de producción basados en tecnologías eficientes.
Cuadro 5.14
Sofisticación de los procesos productivos categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 42 30,4 30,4 2,01 - 3,03 2,665 0,2772 42 30,4 60,9 3,04 - 3,89 3,454 0,2503 31 22,5 83,3 3,95 - 4,87 4,378 0,2944 23 16,7 100,0 5,16 - 6,28 5,671 0,352
Total 138 100,0
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
251
11. Control de la distribución internacional
En esta variable la mayor parte de las observaciones se agrupan en los
valores centrales, pertenecientes a los grupos 2 y 3, como es el caso de
España y Cataluña que se incluyen en el grupo 3.
Cuadro 5.15
Control de la distribución internacional categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 20 14,5 14,5 2,45 - 3,38 3,089 0,2262 50 36,2 50,7 3,44 - 4,01 3,910 0,0593 45 32,6 83,3 4,03 - 4,69 4,512 0,1024 23 16,7 100,0 4,72 - 5,48 5,167 0,197
Total 138 100,0
12. Capacidad de innovación
La distribución de frecuencia de esta variable es similar a la de la naturaleza
de la ventaja competitiva ya que las observaciones se concentran sobre todo
en los grupos 1 y 2, lo que indica que la capacidad de innovación de la mayoría
de los países se deriva de licencias o imitación. Frente a esto existe un menor
número de países, incluidos en los grupos 3 y 4 cuya capacidad de innovación
es más amplia y responde a desarrollo e investigación propia, precisamente en
el grupo 3 es donde se incluyen España y Cataluña.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
252
Cuadro 5.16
Capacidad de innovación categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 48 34,8 34,8 1,91 - 2,86 2,513 0,2262 52 37,7 72,5 2,89 - 3,73 3,226 0,2873 23 16,7 89,1 3,79 - 4,82 4,272 0,3314 15 10,9 100,0 4,96 - 6,08 5,510 0,320
Total 138 100,0
13. Exportaciones regionales
Aunque la mayoría de las observaciones se concentran en los valores
centrales es significativo el alto número de observaciones en el grupo 4. en
esta variable tanto España como Cataluña se incluyen en el grupo 3.
Cuadro 5.17
Exportaciones regionales categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 23 16,7 16,7 2 - 3,24 2,793 0,3582 42 30,4 47,1 3,27 - 4,23 3,962 0,1613 37 26,8 73,9 4,3 - 5,3 4,960 0,2014 36 26,1 100,0 5,37 - 6,73 6,010 0,299
Total 138 100,0
14. Exportaciones internacionales
En este caso se observa una concentración de observaciones mayor en los
grupos 1 y 2 lo que indica que la mayoría de los países exportan a un número
limitado de mercados del exterior. En este caso los resultados obtenidos para
España y Cataluña las incluyen de nuevo en el grupo 3.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
253
Cuadro 5.18
Exportaciones internacionales categorizada
Cluster Frecuencia PorcentajePorcentaje acumulado Rango Media
Desviación típica
1 42 33,3 33,3 1,81 - 2,92 2,468 0,2982 46 30,4 63,8 2,96 - 3,94 3,421 0,3033 27 19,6 83,3 4,03 - 5,13 4,565 0,3734 23 16,7 100,0 5,23 - 6,78 5,792 0,427
Total 138 100,0
15. Región
Este cuadro muestra el número de países que se agrupan dentro de cada
región, predominando Asia, seguida por África. Sólo tres países pertenecen al
grupo de América del Norte, pero se ha separado del resto de América debido
a la gran diferencia en términos de competitividad entre ambos grupos de
países. España y Cataluña pertenecen al grupo UE 15.
Cuadro 5.19
Región
Frecuencia PorcentajePorcentaje
válidoPorcentaje acumulado
Válidos UE 15 16 11,6 11,6 11,6Resto Europa 24 17,4 17,4 29América del Norte 3 2,2 2,2 31,2Resto América 24 17,4 17,4 48,6Asia 38 27,5 27,5 76,1Oceanía 2 1,4 1,4 77,5Africa 31 22,5 22,5 100Total 138 100 100
En este apartado se ha realizado un análisis de la distribución de frecuencias
de las variables categorizadas que ha permitido comprobar cómo se distribuyen
las observaciones y, por tanto, los países y la región catalana en cada uno de
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
254
los cuatro grupos que se han formado en cada variable. De este modo se ha
podido comprobar que las observaciones correspondientes tanto a España
como a Cataluña para las distintas variables suelen estar incluidas en el grupo
3, con gran parte de los países desarrollados, aunque en una variable el valor
de ambas observaciones ha estado en el grupo 4 ( en el caso de la "intensidad
de la competencia"), en otra en el grupo 2 ( en el caso de la "disponibilidad de
maquinaria local") y en la variable “cantidad de proveedores locales” España
está en el grupo 4 y Cataluña en el grupo 3.
Para verificar que el análisis de conglomerados o cluster que se ha hecho es
correcto, es decir, ver si existen diferencias significativas entre los cuatro
grupos se van a realizar a continuación el ANOVA y las pruebas post-hoc.
5.3.3. Anova y pruebas post-hoc
El ANOVA y las pruebas post-hoc permiten verificar que el análisis de
conglomerados que se ha realizado para las distintas variables es correcto, en
el sentido de que existen diferencias significativas entre los cuatro grupos
considerados.
En el ANOVA la hipótesis nula con la que se trabaja es que las medias
entre los distintos grupos son iguales. Los resultados obtenidos en cuanto a
significación permitirán o no rechazar la hipótesis nula. En caso de significación
cercana a cero, se rechazaría la hipótesis nula y por tanto se podría concluir
que las medias de todos los grupos no son iguales sino que al menos dos
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
255
grupos son significativamente diferentes, pudiendo haber grupos similares.
Para comprobarlo se van a realizar además los test de HDS de Tukey y Waller-
Duncan, que muestran si hay diferencias entre los grupos resultantes del
análisis cluster.
La tabla que se muestra a continuación contiene los resultados del ANOVA y
las pruebas de HDS de Tukey y Waller-Duncan para todas las variables. Para
todas ellas el grado de significación resultante en el ANOVA permite rechazar
la hipótesis nula, lo que confirma que al menos existe un grupo diferente al
resto. Además, los resultados de las pruebas de HDS de Tukey y Waller-
Duncan muestran que existen diferencias entre los cuatro grupos para todas
las variables. Por lo tanto, el análisis de conglomerados llevado a cabo es
adecuado al encontrar cuatro grupos significativamente diferentes para cada
una de las variables consideradas.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
256
Cuadro 5.20
ANOVA y pruebas post-hoc para las variables categorizadas
ANOVA R-value
1 2 3 4 3,4967
4,2559 4,8734
Tukey HSD
5,6340 3,4967
4,2559 4,8734
Intensidad de la competencia local
,000
Waller-Duncan
5,6340
ANOVA R-value
1 2 3 4 2,6629
3,4851 4,2643
Tukey HSD
5,3102 2,6629
3,4851 4,2643
Sofisticación de los compradores
,000
Waller-Duncan
5,3102
ANOVA R-value
1 2 3 4 3,6710
4,3914 4,9534
Tukey HSD
5,6427 3,6710
4,3914 4,9534
Cantidad de proveedores locales
,000
Waller-Duncan
5,6427
ANOVA R-value
1 2 3 4 3,3214
4,1665 4,9035
Tukey HSD
5,7654 3,3214
4,1665 4,9035
Calidad de proveedores locales
,000
Waller-Duncan
5,7654 Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
257
Cuadro 5.20
ANOVA y pruebas post-hoc para las variables categorizadas
ANOVA R-value
1 2 3 4 2,5615
3,3638 4,0380
Tukey HSD
4,7704 2,5615
3,3638 4,0380
Estado de desarrollo de los clusters
,000
Waller-Duncan
4,7704
ANOVA R-value
1 2 3 4 1,9762
2,9662 4,0159
Tukey HSD
5,0464 1,9762
2,9662 4,0159
Disponibilidad local de equipos de procesamiento
,000
Waller-Duncan
5,0464
ANOVA R-value
1 2 3 4 2,9042
3,9275 4,8697
Tukey HSD
5,7862 2,9042
3,9275 4,8697
Disponibilidad local de servicios de investigación y formación ,000
Waller-Duncan
5,7862
ANOVA R-value
1 2 3 4 2,8048
3,4365 4,1809
Tukey HSD
5,6026 2,8048
3,4365 4,1809
Naturaleza de la ventaja competitiva
,000
Waller-Duncan
5,6026
ANOVA R-value
1 2 3 4 2,6882
3,4626 4,2100
Tukey HSD
5,6694 2,6882
3,4626 4,2100
Presencia global de la cadena de valor
,000
Waller-Duncan
5,6694 Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
258
Cuadro 5.20
ANOVA y pruebas post-hoc para las variables categorizadas
ANOVA R-value
1 2 3 4 2,5127
3,2265 4,2726
Tukey HSD
5,5098 2,5127
3,2265 4,2726
Capacidad de innovación
,000
Waller-Duncan
5,5098
ANOVA R-value
1 2 3 4 2,6650
3,4643 4,3937
Tukey HSD
5,6722 2,6650
3,4643 4,3937
Sofisticación de los procesos productivos
,000
Waller-Duncan
5,6722
ANOVA R-value
1 2 3 4 3,0886
3,7242 4,3253
Tukey HSD
5,1119 3,0886
3,7242 4,3253
Control local de distribución internacional
,000
Waller-Duncan
5,1119
ANOVA R-value
1 2 3 4 2,7935
3,7348 4,7914
Tukey HSD
5,8169 2,7935
3,7348 4,7914
Presencia regional de exportaciones
,000
Waller-Duncan
5,8169
ANOVA R-value
1 2 3 4 2,4680
3,4210 4,5652
Tukey HSD
5,7917 2,4680
3,4210 4,5652
Presencia internacional de exportaciones
,000
Waller-Duncan
5,7917 Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
259
Las pruebas de HDS de Tukey y Waller-Duncan proporcionan además los
valores medios que toman las distintas variables en cada uno de los cuatro
grupos y permiten comprobar si existe cierta uniformidad entre ellas: es decir,
si por ejemplo los valores medios para el grupo 1 son parecidos en todas las
variables. Los resultados indican que no se da una uniformidad clara. Por
ejemplo, el valor medio para el grupo 1 en la variable cantidad de proveedores
locales es 3,6710 y para la variable disponibilidad local de equipos de
procesamiento dicho valor es de 1,9762.
5.4. Análisis de asociaciones entre variables dos a dos mediante tablas
de contingencia
Una vez que se ha comprobado que la categorización de las variables
realizada mediante el análisis cluster es correcta, tal y como han demostrado el
ANOVA y las pruebas post-hoc, se va a estudiar la existencia de asociaciones
entre variables categorizadas dos a dos. Para ello se va a realizar un análisis
mediante tablas de contingencia.
Dado que el objetivo de esta tesis es demostrar la influencia de los clusters
en la competitividad de países y regiones y analizar a través de qué
mecanismos y variables se produce dicha influencia, en este análisis una de
las variables va a ser siempre la de "estado de desarrollo de los clusters" que
se irá relacionando con cada una de las demás variables consideradas.
Dentro de este apartado se va a:
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
260
En primer lugar, exponer las tablas resumen con el recuento del
número de observaciones cruzando las dos variables recodificadas.
Este tipo de tablas permitirán ver cómo se distribuyen las
observaciones de cada variable en cada uno de los cuatro grupos,
pero en relación a los grupos que se han formado para la variable de
"estado de desarrollo de los clusters". Las tablas incluirán también los
residuos8 resultantes para cada dos grupos lo que aportará
información sobre el grado de asociación de los grupos.
En segundo lugar, mostrar los gráficos de barras para cada una de las
variables para poder observar de forma más clara la posible asociación
existente entre cada variable y la variable "estado de desarrollo de los
clusters".
Finalmente, comprobar que las asociaciones mostradas no se deben al
azar, para lo que se realizará la prueba de Chi-cuadrado de Pearson y
se hallarán las medidas simétricas V de Cramer y Gamma.
5.4.1. Tablas de recuento
Se van a realizar tablas de recuento para todas las variables analizadas
cruzando cada una de ellas con la variable “estado de desarrollo de los
clusters”.
Estas tablas muestran el número de observaciones cruzando las variables
recodificadas de dos en dos y permiten ver cómo se distribuyen las
observaciones de cada variable en cada uno de los cuatro grupos. Las tablas
8 El valor de,los residuos es indicativo del grado de asociación entre los grupos considerados. Residuos de valores mayores o menores a 2 indican un grado e asociación significativa.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
261
muestran además los residuos que se obtienen en cada asociación de dos
grupos. Residuos de valor mayor que 2 o menor a 2 indican una asociación
más significativa entre los grupos contemplados.
Los resultados de las tablas de recuento y el tamaño de los residuos
muestran indicio de asociación entre la variable "estado de desarrollo de los
clusters" y el resto de variables analizadas.
Cuadro 5.21.
Tablas de recuento
Intensidad competencia categorizada Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Intensidad 1 Recuento 7 8 0 0 15Competencia Residuo 2,3 0,6 -1,7 -1,6categorizada 2 Recuento 16 16 2 0 34
Residuo 3,5 0,4 -1,8 -2,43 Recuento 5 27 8 4 44
Residuo -1,3 1,9 -0,2 -1,34 Recuento 0 8 17 20 45
Residuo -3,0 -2,6 2,8 4,4Total Recuento 28 59 27 24 138
Sofisticación compradores categorizada Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Sofisticación 1 Recuento 18 17 0 0 35Compradores Residuo 4,1 0,5 -2,6 -2,5categorizada 2 Recuento 10 24 4 2 40
Residuo 0,7 1,7 -1,4 -1,93 Recuento 0 17 14 5 36
Residuo -2,7 0,4 2,6 -0,54 Recuento 0 1 9 17 27
Residuo -2,3 -3,1 1,6 5,7Total Recuento 28 59 27 24 138
Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
262
Cuadro 5.21.
Tablas de recuento
Naturaleza de la ventaja competitiva categorizada Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Naturaleza 1 Recuento 19 25 1 2 47Ventaja Residuo 3,1 1,1 -2,7 -2,2Competitiva 2 Recuento 8 26 9 4 47categorizada Residuo -0,5 1,3 -0,1 -1,5
3 Recuento 1 7 9 4 21Residuo -1,6 -0,7 2,4 0,2
4 Recuento 0 1 8 14 23Residuo -2,2 -2,8 1,6 5,0
Total Recuento 28 59 27 24 138
Capacidad de innovación categorizada Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Capacidad 1 Recuento 19 26 2 1 48Innovación Residuo 3,0 1,2 -2,4 -2,5
2 Recuento 8 31 8 5 52Residuo -0,8 1,9 -0,7 -1,3
3 Recuento 1 2 13 7 23Residuo -1,7 -2,5 4,0 1,5
4 Recuento 0 0 4 11 15Residuo -1,7 -2,5 0,6 5,2
Total Recuento 28 59 27 24 138
Cantidad proveedores categorizada Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Cantidad 1 Recuento 16 11 0 0 27Proveedores Residuo 4,5 -0,2 -2,3 -2,2categorizada 2 Recuento 10 22 3 2 37
Residuo 0,9 1,6 -1,6 -1,73 Recuento 2 25 16 4 47
Residuo -2,4 1,1 2,2 -1,54 Recuento 0 1 8 18 27
Residuo -2,3 -3,1 1,2 6,1Total Recuento 28 59 27 24 138
Calidad proveedores categorizada Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Calidad 1 Recuento 16 14 0 0 30Proveedores Residuo 4,0 0,3 -2,4 -2,3
2 Recuento 12 29 6 3 50Residuo 0,6 1,6 -1,2 -1,9
3 Recuento 0 14 12 4 30Residuo -2,5 0,3 2,5 -0,5
4 Recuento 0 2 9 17 28Residuo -2,4 -2,9 1,5 5,5
Total Recuento 28 59 27 24 138 Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
263
Cuadro 5.21.
Tablas de recuento
Disponibilidad local de equipos de procesamiento categorizada Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Disponibilidad 1 Recuento 21 31 2 0 54Local Equipos Residuo 3,0 1,6 -2,6 -3,1Procesamiento 2 Recuento 6 25 13 6 50categorizada Residuo -1,3 0,8 1,0 -0,9
3 Recuento 1 3 11 7 22Residuo -1,6 -2,1 3,2 1,6
4 Recuento 0 0 1 11 12Residuo -1,6 -2,3 -0,9 6,2
Total Recuento 28 59 27 24 138
Disponibilidad local de servicios de investigación y formación categorizada Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Disponibilidad local 1 Recuento 23 21 0 0 44Servicios Residuo 4,7 0,5 -2,9 -2,8Investigación 2 Recuento 5 33 14 5 57Formación Residuo -1,9 1,7 0,9 -1,6categorizada 3 Recuento 0 5 10 9 24
Residuo -2,2 -1,6 2,4 2,44 Recuento 0 0 3 10 13
Residuo -1,6 -2,4 0,3 5,1Total Recuento 28 59 27 24 138
Presencia global de la cadena de valor categorizada Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Presencia global 1 Recuento 21 22 0 0 43Cadena de valor Residuo 4,2 0,8 -2,9 -2,7categorizada 2 Recuento 6 21 6 4 37
Residuo -0,6 1,3 -0,5 -1,03 Recuento 1 16 15 4 36
Residuo -2,3 0,2 3,0 -0,94 Recuento 0 0 6 16 22
Residuo -2,1 -3,1 0,8 6,2Total Recuento 28 59 27 24 138
Sofisticación de los procesos productivos Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Sofisticación 1 Recuento 21 20 1 0 42Procesos Residuo 4,3 0,5 -2,5 -2,7Productivos 2 Recuento 7 27 5 3 42categorizada Residuo -0,5 2,1 -1,1 -1,6
3 Recuento 0 12 12 7 31Residuo -2,5 -0,3 2,4 0,7
4 Recuento 0 0 9 14 23Residuo -2,2 -3,1 2,1 5,0
Total Recuento 28 59 27 24 138 Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
264
Cuadro 5.21.
Tablas de recuento
Control local de distribución internacional categorizada Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Control local 1 Recuento 12 7 0 1 20Distribución Residuo 3,9 -0,5 -2,0 -1,3Internacional 2 Recuento 13 33 2 2 50categorizada Residuo 0,9 2,5 -2,5 -2,3
3 Recuento 3 18 20 4 45Residuo -2,0 -0,3 3,8 -1,4
4 Recuento 0 1 5 17 23Residuo -2,2 -2,8 0,2 6,5
Total Recuento 28 59 27 24 138
Exportaciones regionales Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Exportaciones 1 Recuento 12 10 1 0 23Regionales Residuo 3,4 0,1 -1,6 -2,0categorizada 2 Recuento 14 23 3 2 42
Residuo 1,9 1,2 -1,8 -2,03 Recuento 2 18 12 5 37
Residuo -2,0 0,5 1,8 -0,64 Recuento 0 8 11 17 36
Residuo -2,7 -1,9 1,5 4,3Total Recuento 28 59 27 24 138
Exportaciones internacionales Estado desarrollo de los clusters categorizado Total
1 2 3 4 1Exportaciones 1 Recuento 25 21 0 0 46Internacionales Residuo 5,1 0,3 -3,0 -2,8categorizada 2 Recuento 3 32 5 2 42
Residuo -1,9 3,3 -1,1 -2,03 Recuento 0 5 16 6 27
Residuo -2,3 -1,9 4,7 0,64 Recuento 0 1 6 16 23
Residuo -2,2 -2,8 0,7 6,0Total Recuento 28 59 27 24 138
Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
265
Cuadro 5.22.
Tablas de recuento
Estado desarrollo de los clusters categorizado Total1 2 3 4
Región UE 15 Recuento 0 2 6 8 16% de Región 0% 12,50% 37,50% 50% 100%% de Estado desarrollo de los clusters categorizado 0% 3,40% 22,20% 33,30% 11,60%Residuos tipificados -1,80 -1,85 1,62 3,13
Resto Europa Recuento 6 11 4 3 24% de Región 25,00% 45,80% 16,70% 12,50% 100%% de Estado desarrollo de los clusters categorizado 21,40% 18,60% 14,80% 12,50% 17,40%Residuos tipificados 0,51 0,23 -0,32 -0,57
América del Norte Recuento 0 1 0 2 3% de Región 0% 33,30% 0% 66,70% 100%% de Estado desarrollo de los clusters categorizado 0% 1,70% 0% 8,30% 2,20%Residuos tipificados -0,78 -0,25 -0,77 2,05
Resto América Recuento 4 17 3 0 24% de Región 16,70% 70,80% 12,50% 0% 100%% de Estado desarrollo de los clusters categorizado 14,30% 28,80% 11,10% 0% 17,40%Residuos tipificados -0,39 2,10 -0,78 -2,04
Asia Recuento 5 12 10 11 38% de Región 13,20% 31,60% 26,30% 28,90% 100%% de Estado desarrollo de los clusters categorizado 17,90% 20,30% 37,00% 45,80% 27,50%Residuos tipificados -0,98 -1,05 0,94 1,71
Oceanía Recuento 0 1 1 0 2% de Región 0% 50% 50% 0% 100%% de Estado desarrollo de los clusters categorizado 0% 1,70% 3,70% 0% 1,40%Residuos tipificados -0,64 0,16 0,97 -0,59
Africa Recuento 13 15 3 0 31% de Región 41,90% 48,40% 9,70% 0% 100%% de Estado desarrollo de los clusters categorizado 46,40% 25,40% 11,10% 0% 22,50%Residuos tipificados 2,68 0,48 -1,24 -2,32
Total Recuento 28 59 27 24 138% de Región 20,30% 42,80% 19,60% 17,40% 100%% de Estado desarrollo de los clusters categorizado 100 100 100 100 100
Fuente: Elaboración propia
La variable “región” se ha utilizado este análisis para comprobar cómo se
comporta la existencia de clusters desarrollados regionalmente y tratar de
establecer algunas pautas. Por tanto, se ha realizado una tabla recuento
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
266
relacionado la variable "estado de desarrollo de los clusters" con la variable
"región".
En cuanto a la distribución de regiones en cada uno de los grupos, tal y como
muestra el cuadro 5.22. , existen algunas asociaciones significativas. En el
caso de los países de UE 15, entre los que están España y la región catalana,
un 50% se incluyen en el grupo 4, siendo la asociación importante, tal y como
demuestra la magnitud de los residuos tipificados (3,1). No existe ningún país
en el grupo 1 y sólo dos en el grupo 2. Las regiones de Resto de Europa y Asia
se distribuyen de forma más homogénea entre los cuatro grupos y los residuos
tipificados no son muy significativos.
En el caso de la región Resto de América, el 70% de los países están en el
grupo 2 y los residuos tipificados (2,1) son significativos en este grupo.
También es de destacar la nula presencia de estos países en el grupo 4, de
mayor desarrollo de los clusters, que además presenta unos residuos negativos
de -2,0. Algo parecido sucede con África en cuanto al grupo 4 (residuos -2,3 y
nula presencia) aunque en este caso los países se distribuyen básicamente
entre los grupos 1 y 2.
5.4.2. Gráficos de barras
A continuación se muestran los gráficos de barras de las variables
analizadas en las tablas de contingencia. Cada uno de los gráficos corresponde
a una de las variables cuyos valores se muestran en el eje horizontal. El color
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
267
de las barras indica el número de observaciones de cada uno de los 4 grupos
que se producen para la variable "estado de desarrollo de los clusters" en cada
grupo de la variable con la que se relaciona.
Estos gráficos muestran de forma más clara la evidencia de asociación entre
la variable "estado de desarrollo de los clusters" y cada una de las otras
variables incluidas en el análisis. En todos los casos o bien se asocian los
valores más altos de la variable “estado de desarrollo de,los clusters” con los
valores más altos de la otra variable que se considere, o se asocian los valores
más bajos de la variable “estado de desarrollo de los clusters” con los valores
más bajos de la otra variable que se considere o suceden las dos asociaciones
a la vez.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
268
Figura 5.6.
Gráficos de barras correspondientes a tablas de contingencia
Fuente: Elaboración propia
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
269
Figura 5.6.
Gráficos de barras correspondientes a tablas de contingencia
Fuente: Elaboración propia
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
270
Figura 5.6.
Gráficos de barras correspondientes a tablas de contingencia
Fuente: Elaboración propia
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
271
Figura 5.6.
Gráficos de barras correspondientes a tablas de contingencia
Fuente: Elaboración propia
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
272
Figura 5.6.
Gráficos de barras correspondientes a tablas de contingencia
AfricaOceaníaAsiaResto América
América del Norte
Resto europa
EU 15
20
15
10
5
0
4321
Estado desarrollo de los clusters categorizado
Región
Fuente: Elaboración propia
En el gráfico de barras de las variables "región" y "estado de desarrollo de los
clusters" se puede observar cómo la región que cuenta con un mayor número
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
273
de países en los que existen clusters fuertes y desarrollados es Asia, seguida
por UE 15, región en la que se encuentran España y Cataluña. Africa
claramente cuenta con clusters poco desarrollados, ya que la mayoría de las
observaciones de esta región pertenecen a los grupos 1 y 2 de la variable
cluster, y algo parecido ocurre con la región Resto de América, cuyas
observaciones pertenecen básicamente al grupo 2 de la variable cluster. En la
región Resto de Europa la distribución se distribuye e forma más homogénea
entre los cuatro grupos de la variable cluster, lo que indica que en esta región
conviven países con clusters muy desarrollados con otros cuyos clusters son
muy débiles.
5.4.3. Pruebas de Chi-cuadrado de Pearson, V de Cramer y Gamma.
Los resultados obtenidos en cuanto a la asociación de cada una de las
variables con la variable "estado de desarrollo de los clusters" se deben
verificar con las pruebas de Chi-cuadrado de Pearson, V de Cramer y Gamma.
Se han realizado estas pruebas para todas las variables excepto para la
variable “región” por no estar las regiones ordenadas de menor a mayor
desarrollo y no tratarse de una variable ordinal
El valor de la V de Cramer oscila entre 0 y 1 de modo que cuanto más cerca
esté de 1 más intensa es la relación y cuanto más cerca esté de 0 menos
intensa será la asociación entre las dos variables.
Por su parte, el coeficiente Gamma varía entre -1 y 1, indicando mayor
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
274
intensidad de asociación cuanto más cerca está de los extremos y menor
intensidad cuanto más cerca esté de 0. El signo positivo indica que categorías
bajas de una variable se asocian con categorías bajas de la otra y que
categorías altas se asocian con categorías altas. El signo negativo denota que
categorías bajas de una variable se asocian con categorías altas de la otra y
viceversa.
Los grados de significación obtenidos nos permiten afirmar que existe esa
asociación y los valores que se obtienen en las medidas de Chi-cuadrado de
Pearson, V de Cramer y Gamma son significativos, lo que indica que esta
asociación no se debe al azar. Los valores de Gamma son positivos en todas
las variables. Por lo tanto, al tratarse de una asociación positiva, los valores
altos de la variable cluster se relacionan con valores más altos de cada una de
las variables analizadas y al revés. El cuadro 5.23 muestra los resultados
obtenidos en las tres pruebas para cada uno de los análisis de contingencia
realizados.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
275
Cuadro 5.23
Pruebas de Chi-cuadrado, V de Cramer y Gamma
El análisis que se ha realizado con las tablas de contingencia permite
confirmar que existe asociación entre la variable "estado de desarrollo de los
clusters" y cada una de las demás variables. La limitación de las tablas de
contingencia es que las comparaciones entre variables han de realizarse de
dos en dos. Para poder superar esta limitación y comprobar mejor las
asociaciones entre todas las variables, se va a completar el estudio empírico
hasta ahora realizado con un análisis de correspondencias múltiples.
Variable Chi-cuadrado de Pearson V de Cramer Gamma
Disponibilidad de equipos de procesamiento 98,959 0,489 0,813(.000) (.000) (.000)
Cantidad de proveedores locales 107,516 0,51 0,845(.000) (.000) (.000)
Calidad de proveedores locales 94,939 0,479 0,833(.000) (.000) (.000)
Sofisticación de los compradores 103,123 0,499 0,856(.000) (.000) (.000)
Intensidad de la competencia local 81,742 0,444 0,81(.000) (.000) (.000)
Disponibilidad local de servicios de investigación y formación 102,552 0,498 0,885(.000) (.000) (.000)
Naturaleza de la ventaja competitiva 75,787 0,428 0,743(.000) (.000) (.000)
Presencia global de la cadena de valor 105,549 0,505 0,831(.000) (.000) (.000)
Sofisticación de los procesos productivos 97,466 0,485 0,848(.000) (.000) (.000)
Control local de la distribución internacional 115,184 0,527 0,815(.000) (.000) (.000)
Capacidad de innovación 93,162 0,474 0,778(.000) (.000) (.000)
Exportaciones regionales 69,64 0,41 0,752(.000) (.000) (.000)
Exportaciones internacionales 143,456 0,589 0,925(.000) (.000) (.000)
Región 56,567 0,37 (.000) (.000)
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
276
5.5. Estudio de las relaciones entre todas las variables conjuntamente
mediante un análisis de correspondencias múltiples.
El análisis realizado en el apartado anterior con las tablas de contingencia ha
permitido comprobar que la variable "estado de desarrollo de los cluster" se
asocia con todas las demás variables incluidas hasta el momento en el análisis.
Pero como se señalaba con anterioridad, las tablas de contingencia sólo
permiten analizar las variables de dos en dos.
Para poder comprobar si más de dos variables se asocian entre ellas y
analizar qué categorías están más asociadas se va a realizar un análisis de
correspondencias múltiples. Para este análisis se siguen utilizando las
variables categorizadas previamente establecidas.
El cuadro 5.24 contiene el resumen del modelo con los datos relativos al Alfa
de Cronbach y a la varianza explicada por cada una de las dos dimensiones
utilizadas9. Como puede observarse, los dos ejes presentan pesos
destacables sobre todo la dimensión 1 que explica el 78,4% de la varianza de
las variables.
9 El Alfa de Cronbach es un índice de consistencia interna que toma valores entre 0 y 1. Su interpretación será que, cuanto más se acerque el índice al extremo 1, mejor es la fiabilidad.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
277
Cuadro 5.24.
Resumen del análisis de correspondencias múltiples
DimensiónAlfa de
CronbachTotal
(autovalores) Inercia% de la varianza
1 0,979 10,977 0,784 78,4062 0,925 7,073 0,505 50,523Total 18,05 1,289Media ,958ª 9,025 0,645 64,464a. El Alfa de Cronbach Promedio está basado en los autovalores promedio.
Varianza explicada
El diagrama conjunto de puntos o Mapa perceptural muestra las posiciones
relativas de las categorías de todas las variables, indicando mayor asociación
cuanto más cerca se encuentren las mismas categorías entre sí.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
278
Figura 5.8
La dimensión 1 indica el grado de clusterización y el desarrollo de los países,
de manera que las observaciones situadas más a la izquierda corresponden a
un bajo grado de clusterización y de desarrollo de los países o regiones. Los
resultados muestran cómo las variables se asocian claramente por grupos de
valores: las observaciones correspondientes al grupo 4 están muy agrupadas
entre sí y separadas del resto de observaciones, excepto en la variable
Intensidad de la competencia, para la que los valores correspondientes al
grupo 4 se encuentran más próximos a los valores del grupo 3 del resto de
variables.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
279
También puede observarse cómo se asocian las regiones con las distintas
variables. Por ejemplo, la región UE 15 se asocia al grupo 4 en todas las
variables. América del Norte está en general más asociada al grupo 4 pero
ligeramente separada, sobre todo, por el efecto de México, que hace que se
acerque más al grupo 3. Oceanía se asocia en general con los valores de los
grupos 3, y las regiones Resto de Europa y Resto de América lo hacen con el
grupo 2. África está básicamente asociada a los grupos 1 y 2.
Con el objeto de observar más claramente la asociación entre las regiones y
la variable cluster, se ha realizado un análisis específico de correspondencias
múltiples sólo para estas dos variables.
El resumen del modelo puede observarse en el cuadro 5.37, que muestra un
mayor peso de la dimensión 1.
Cuadro 5.25.
Resumen del análisis de correspondencias múltiples entre
las variables "estado de desarrollo de los clusters" y "región"
DimensiónAlfa de
CronbachTotal
(autovalores) Inercia% de la varianza
1 0,734 1,580 0,790 79,0122 0,354 1,215 0,607 60,744Total 2,795 1,398Media ,569ª 1,398 0,699 69,878a. El Alfa de Cronbach Promedio está basado en los autovalores promedio.
Varianza explicada
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
280
El diagrama conjunto de puntos confirma lo que se ha comentado con
anterioridad en el análisis de tablas de contingencia respecto a la relación entre
las regiones y el estado de desarrollo de los clusters: tanto las regiones de UE
15 como América del Norte presentan una asociación clara con el grupo 4, Asia
con el grupo 3, África con el 1 y el Resto de América con el grupo 2. La región
Resto de Europa está asociada tanto con el grupo 2 como con el 3.
Figura 5.9
Diagrama conjunto de puntos de categorías
Dimensión 13210-1
Dim
ensi
ón 2
3
2
1
0
-1
-2
Africa
Oceanía
Asia
Resto América
América del Norte
Resto europaEU 15
4
32
1
Región
Estado desarrollo de los clusters categorizado
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
281
Mediante el análisis cualitativo llevado a cabo se ha demostrado que existe
una asociación entre la variable "estado de desarrollo de los clusters" y el resto
de variables analizadas. De igual modo, se ha observado que existe relación
entre todas las variables ya que se asocian por grupos de valores. Finalmente,
también se ha mostrado cómo los países más desarrollados, incluidos en la
región UE 15, así como America del Norte, se asocian con los mayores valores
en casi todas las variables y, en concreto, con los valores superiores,
pertenecientes al grupo 4 de la variable "estado de desarrollo de los clusters".
6. OBTENCIÓN DE INDICADORES DE COMPETITIVIDAD MEDIANTE UN
ANÁLISIS FACTORIAL
Hasta el momento se han analizado las relaciones entre la variable "estado
de desarrollo de los clusters" y las otras 14 variables seleccionadas, todas ellas
relativas al entorno microeconómico en el que compiten las empresas. Sin
embargo, el Índice de Competitividad Global del Foro económico Mundial
considera que hay muchas otras variables que son importantes para la
competitividad, tal y como se ha descrito en el capítulo 2 de esta tesis.
En este apartado del estudio empírico se van a ir incorporando al análisis el
resto de variables incluidas en la Encuesta Ejecutiva de Opinión que utiliza el
Foro Económico Mundial para la elaboración de su Índice de competitividad
Global con el objeto de tener una visión completa e integradora de todos los
factores que influyen en la competitividad y analizar la relación de la variable
"estado de desarrollo de los clusters" con el resto de variables que más influyen
en la competitividad.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
282
Aunque añadir más variables al análisis aumentará la complejidad de manejo
de las mismas, este problema se puede solventar al realizar un análisis factorial
el cual, como se ha explicado en el apartado de metodología de este capítulo,
permite simplificar la información que se maneja reduciendo el número de
variables y obteniendo nuevas variables incorrelacionadas llamadas factores
que aportan prácticamente la misma información que las variables iniciales
pero que permiten un análisis más sencillo. Este análisis factorial resultará en
indicadores de competitividad alternativos a los que utiliza el Foro Económico
Mundial, aunque utilizando las mismas variables. A partir de ellos se analizará
la competitividad de los países incluidos en la muestra, España y la región
catalana y se estudiará la influencia del “estado de desarrollo de los clusters”
en estos nuevos indicadores de competitividad.
El análisis factorial se va a realizar en dos etapas:
a) En primer lugar se va a realizar un análisis factorial con una muestra de
34 variables, tomando las 14 variables iniciales más otras 20 de la base
de datos de la Encuesta Ejecutiva de Opinión del Índice de
Competitividad Global del Foro Económico Mundial. Con ello se amplia
la muestra, enriqueciendo el análisis, y se cumple con el criterio de que
deben existir 4 ó 5 observaciones por cada variable usada en el
análisis. Como la base de datos que se maneja contiene 138
observaciones, correspondientes a 137 países y Cataluña, el número
máximo de variables recomendado que deberían incluirse en el análisis
factorial es de 34.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
283
b) En segundo lugar, se va a realizar un nuevo análisis factorial pero ahora
tomando todas las variables de la base de datos de la Encuesta
Ejecutiva de Opinión del Índice de Competitividad Global del Foro
Económico Mundial. En este caso no se respeta el criterio de que el
número idóneo de variables deba ser inferior en 4 ó 5 veces al número
de observaciones pero, por otro lado, se asegura la inclusión de todas
las variables que puedan ser relevantes para el estudio incrementando
así el criterio objetivo del análisis.
Por tanto, con el primer análisis factorial se consigue superar la limitación
derivada del número máximo de variables que deben incluirse desde el punto
de vista metodológico y con el segundo se consigue maximizar el criterio
objetivo del análisis. Se comprobará si ambos análisis factoriales obtienen
resultados similares.
6.1. Obtención de factores de competitividad con una muestra de 34
variables
Como se explicaba con anterioridad, con este método multivariante se
pretende reducir la dimensión de una tabla de variables para obtener unos
pocos componentes principales o factores a partir de los cuales se puedan
explicar el conjunto de las variables. Estos factores serán indicadores de
competitividad y permitirán analizar las relaciones entre ellos y la variable
“estado de desarrollo de los clusters” de forma mucho más sencilla que
utilizando las variables separadamente creando un método alternativo al del
Índice de Competitividad de los Negocios de Foro Económico Mundial. Los
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
284
tres factores identificados, a los que se denominará Competitividad
microeconómica, Tecnología e Institucional, permitirán caracterizar con más
claridad la influencia de los clusters en la competitividad.
6.1.1. Definición de variables
Las variables a utilizar en este primer análisis factorial se han seleccionado
teniendo en cuenta las siguientes consideraciones:
a) Idóneamente deben existir 4 ó 5 observaciones por cada variable
analizada. Como la base de datos que se maneja contiene 138
observaciones, correspondientes a los 137 países y la región catalana,
se ha fijado un número máximo de 34 variables
b) Junto a las 14 variables que se han utilizado hasta el momento se han
incluido otras 20, tomadas también de la base de datos que el Foro
Económico Mundial utiliza para la elaboración del Índice de
Competitividad Global y que obtiene mediante la Encuesta Ejecutiva de
Opinión.1 Las 14 variables que se han utilizado hasta el momento se
refieren al entorno microeconómico en que compiten las empresas. De
las 20 variables adicionales, 10 se refieren al entorno institucional,
político y económico del país, y otras 10 a aspectos relacionados con la
tecnología. Con las variables seleccionadas se incluyen en el análisis los
1 Las variables que van a utilizarse en el análisis factorial son las que el Foro Económico Mundial contempla en la Encuesta Ejecutiva de Opinión. Por tanto, no se incluyen las variables del Índice de Competitividad Global que corresponden a datos publicados.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
285
temas que el Foro Económico Mundial considera fundamentales para el
estudio de la competitividad de los países2 .
El Cuadro 5.26 que se muestra a continuación contiene un listado de las
variables utilizadas en el Análisis Factorial con información de sus medias y
desviaciones típicas. Las veinte variables adicionales son las que se
encuentran al final de la tabla. De entre ellas, las diez primeras harían
referencia a los factores de tipo institucional, y las diez siguientes a aspectos
relacionados con la tecnología.
2 En el capítulo 2 se ha realizado una descripción de los pilares y variables utilizados en la elaboración de los índices de competitividad del Foro Económico Mundial.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
286
Cuadro 5.26.
Estadísticos descriptivos de las variables utilizadas en el
análisis factorial inicial
Variable MediaDesviación
típicaN del
análisis
Intensidad de la competencia local 4,8196 0,7378 138
Sofisticación de compradores 3,8369 0,9589 138
Cantidad de proveedores locales 4,6867 0,6939 138
Calidad de los proveedores locales 4,4674 0,8836 138
Estado de desarrollo de los clusters 3,5776 0,7596 138
Disponibilidad local de equipos de procesamient 2,9271 1,0128 138
Disponibilidad local de servicios de investigación y formación 3,9402 0,9486 138
Naturaleza de la ventaja competitiva 3,6957 1,0014 138
Presencia global en la cadena de valor 3,7681 1,0485 138
Capacidad de innovación 3,4008 0,9894 138
Sofisticación de los procesos productivos 3,7978 1,0854 138
Control local de distribución internacional 4,0594 0,6543 138
Presencia regional de exportaciones 4,4043 1,1122 138
Presencia internacional de exportaciones 3,7223 1,2359 138
Expectativas de recesión 4,6833 0,7550 138
Eficiencia del marco legal 3,8856 1,1346 138
Gasto público 3,4662 0,8479 138
Centralización de la política económica 2,9987 0,8721 138
Derechos de propiedad 4,6499 1,0520 138
Libertad de prensa 5,0312 1,0582 138
Fiabilidad de servicios policiales 4,2905 1,1544 138
Calidad de las infraestructuras 3,7779 1,3676 138
Sofisticación de los mercados financieros 4,1056 1,3037 138
Calidad del sistema educativo 3,7148 0,9992 138
Disponibilidad de últimas tecnologías 4,3014 1,0869 138
Absorción de tecnología por empresas 4,7168 0,7868 138
Prevalencia de tecnología extranjera 4,4236 0,8595 138
Calidad de las instituciones de investigación 3,9304 0,9457 138
Gasto empresarial en I + D 3,4043 0,9330 138
Colaboración en investigación universidad industria 3,2712 0,9607 138
Competencia en el sector ISP 4,1393 0,9462 138
Uso de Internet por las empresas 3,9940 0,9520 138
Uso de Internet en los colegios 3,6458 1,3729 138
Acceso a contenido digital 4,5620 1,0177 138
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
287
Con el objeto de comprobar si es adecuado realizar un análisis factorial, se
han obtenido la medida de adecuación muestral de Kaiser-Meyer-Okin y la
prueba de esfericidad de Bartlett.
El cuadro 5.27 muestra los resultados obtenidos en estas pruebas. La medida
de adecuación muestral de Kaiser- Meyer- Olkin analiza si las correlaciones
parciales entre las variables son pequeñas. El resultado 0,962 es muy alto e
indica que existe una fuerte estructura de dependencia multivariante.
También el Chi-cuadrado asociado a la prueba de esfericidad de Bartlett y el
grado de significación correspondiente corroboran el resultado.
Cuadro 5.27
KMO y prueba de Bartlett
,962
7949,965
561
,000
Medida de adecuación muestral deKaiser-Meyer-Olkin.
Chi-cuadradoaproximado
gl
Sig.
Prueba de esfericidadde Bartlett
En la matriz reproducida se ha obtenido un residuo próximo a cero lo que
indica también que el método es correcto.
A continuación se muestra la matriz de comunalidades que indica el
porcentaje de varianza de cada variable explicada por los factores retenidos
(véase cuadro 5.28). Como se puede observar, los porcentajes de varianza
explicada son muy altos en todas las variables excepto en la de “centralización
de la política económica”.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
288
Cuadro 5.28.
Matriz de comunalidades del análisis factorial inicial
Variable Inicial Extracción
Intensidad de la competencia local 1,000 0,820
Sofisticación de compradores 1,000 0,865
Cantidad de proveedores locales 1,000 0,767
Calidad de los proveedores locales 1,000 0,933
Estado de desarrollo de los clusters 1,000 0,703
Disponibilidad local de equipos de procesamient 1,000 0,876
Disponibilidad local de servicios de investigación y formación 1,000 0,931
Naturaleza de la ventaja competitiva 1,000 0,747
Presencia global en la cadena de valor 1,000 0,842
Capacidad de innovación 1,000 0,921
Sofisticación de los procesos productivos 1,000 0,906
Control local de distribución internacional 1,000 0,745
Presencia regional de exportaciones 1,000 0,739
Presencia internacional de exportaciones 1,000 0,893
Expectativas de recesión 1,000 0,436
Eficiencia del marco legal 1,000 0,878
Gasto público 1,000 0,839
Centralización de la política económica 1,000 0,482
Derechos de propiedad 1,000 0,884
Libertad de prensa 1,000 0,653
Fiabilidad de servicios policiales 1,000 0,789
Calidad de las infraestructuras 1,000 0,857
Sofisticación de los mercados financieros 1,000 0,891
Calidad del sistema educativo 1,000 0,750
Disponibilidad de últimas tecnologías 1,000 0,939
Absorción de tecnología por empresas 1,000 0,855
Prevalencia de tecnología extranjera 1,000 0,819
Calidad de las instituciones de investigación 1,000 0,838
Gasto empresarial en I + D 1,000 0,908
Colaboración en investigación universidad industria 1,000 0,893
Competencia en el sector ISP 1,000 0,694
Uso de Internet por las empresas 1,000 0,885
Uso de Internet en los colegios 1,000 0,845
Acceso a contenido digital 1,000 0,816Método de extracción: Análisis de Componentes principales.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
289
Del análisis factorial resultan tres factores que pueden observarse en el
cuadro 5.29. que conjuntamente explican un 81,29% de la varianza del
conjunto de las variables. En una primera extracción, el primero de los factores
explicaba más del 73% de la varianza pero se ha realizado una rotación
Varimax tras la cual el porcentaje de varianza explicada por cada uno de los
factores se distribuye de modo más homogéneo entre los tres factores.
Cuadro 5.29.
Varianza explicada por cada factor
24,884 73,189 73,189 24,884 73,189 73,189 11,894 34,981 34,981
1,613 4,745 77,934 1,613 4,745 77,934 9,602 28,241 63,222
1,144 3,363 81,297 1,144 3,363 81,297 6,145 18,075 81,297
,950 2,794 84,091
,773 2,275 86,366
,563 1,657 88,022
,522 1,534 89,557
,493 1,451 91,008
,370 1,087 92,095
,329 ,968 93,062
,302 ,888 93,950
,260 ,764 94,714
,210 ,617 95,330
,190 ,560 95,890
,171 ,504 96,394
,145 ,428 96,822
,136 ,399 97,221
,112 ,330 97,551
,104 ,306 97,856
,093 ,273 98,129
,083 ,245 98,374
,080 ,234 98,609
,072 ,213 98,822
,061 ,178 99,000
,053 ,156 99,156
,049 ,145 99,301
,041 ,121 99,422
,039 ,114 99,536
,035 ,103 99,639
,032 ,094 99,734
,029 ,084 99,818
,025 ,075 99,893
,021 ,062 99,955
,015 ,045 100,000
Componente1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
Total% de lavarianza % acumulado Total
% de lavarianza % acumulado Total
% de lavarianza % acumulado
Autovalores inicialesSumas de las saturaciones al cuadrado
de la extracciónSuma de las saturaciones al cuadrado
de la rotación
Método de extracción: Análisis de Componentes principales.
La matriz de componentes rotados (véase cuadro 5.30) muestra las cargas
factoriales para cada una de las variables, es decir, a cual de los tres factores
se asocia más claramente cada variable.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
290
Cuadro 5.30.
Matriz de componentes rotados
1 2 3
Disponibilidad local de equipos de procesamiento 0,880
Capacidad de innovación 0,835 0,422
Gasto empresarial en I + D 0,784 0,435
Disponibilidad local de servicios de investigación y formación 0,756 0,550
Colaboración en investigación universidad industria 0,754 0,456
Calidad de las instituciones de investigación 0,743
Presencia internacional de exportaciones 0,738 0,517
Presencia global en la cadena de valor 0,720 0,501
Control local de distribución internacional 0,676
Centralización de la política económica 0,662
Estado de desarrollo de los clusters 0,659 0,428
Sofisticación de los procesos productivos 0,652 0,582
Cantidad de proveedores locales 0,629 0,568
Calidad del sistema educativo 0,624 0,529
Presencia regional de exportaciones 0,615 0,561
Sofisticación de compradores 0,601 0,595
Naturaleza de la ventaja competitiva 0,586 0,499
Uso de Internet en los colegios 0,571 0,564 0,449
Libertad de prensa 0,789
Sofisticación de los mercados financieros 0,426 0,748
Intensidad de la competencia local 0,490 0,701
Calidad de los proveedores locales 0,606 0,686
Prevalencia de tecnología extranjera 0,665 0,474
Disponibilidad de últimas tecnologías 0,480 0,658 0,525
Acceso a contenido digital 0,525 0,654
Uso de Internet por las empresas 0,609 0,651
Absorción de tecnología por empresas 0,455 0,636 0,493
Derechos de propiedad 0,630 0,613
Competencia en el sector ISP 0,525 0,613
Gasto público 0,854
Eficiencia del marco legal 0,415 0,426 0,724
Fiabilidad de servicios policiales 0,421 0,720
Expectativas de recesión 0,651
Calidad de las infraestructuras 0,460 0,560 0,576Método de extracción: Análisis de componentes principales.
Método de rotación: Normalización Varimax con Kaiser.
La rotación ha convergido en 6 iteraciones.
ComponenteVariable
Cada factor tiene una serie de variables asociadas con una distribución
diferente de cargas. Esto hace que los factores sean fácilmente interpretables.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
291
Las variables asociadas al primer factor son, en su gran mayoría, las que se
han utilizado en la parte inicial de este análisis empírico, y que se refieren a
aspectos de competitividad microeconómica. Hay algunas otras variables,
como el “gasto empresarial en I+D”, la “colaboración en investigación
universidad industria” o la “calidad de las instituciones de investigación”, que
aunque tienen contenido tecnológico también hacen referencia a la operativa
de las empresas o al entorno microeconómico en el que éstas compiten. Por
tanto, a este primer factor se le puede denominar “Competitividad
Microeconómica”.
Las variables asociadas al segundo factor incluyen en su mayor parte todas
las que hacen referencia a la tecnología (excepto las tres incluidas en el primer
factor). También se asocian a este factor dos de las pertenecientes a la primera
parte del análisis empírico, como son la “intensidad de la competencia local” y
la “calidad de los proveedores locales”. Por otro lado, hay tres variables que
hacen más referencia al entorno institucional pero que se asocian a este factor:
“libertad de prensa”, “sofisticación de los mercados financieros” y “derechos
de propiedad” (aunque ésta última está también fuertemente asociada al tercer
factor). Debido al mayor peso de los aspectos tecnológicos , se denominará a
este segundo factor “Tecnología”.
Finalmente, al tercero de los factores se asocian únicamente variables de tipo
institucional como el “marco legal”, las “infraestructuras” o el “gasto público”,
por lo que se denominará a este factor “Institucional”.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
292
El cuadro 5.31. muestra las variables asociadas a cada uno de los tres
factores obtenidos.
Cuadro 5.31
Variables asociadas a cada factor
Factor 1. Competitividad microeconómica
Factor 2. Tecnología Factor 3. Institucional
Disponibilidad local de equipos de procesamiento Libertad de prensa Gasto público
Capacidad de innovaciónSofisticación de los mercados financieros Eficiencia del marco legal
Gasto empresarial en I + D Intensidad de la competencia local Fiabilidad de servicios policiales
Disponibilidad local de servicios de investigación y formación Calidad de los proveedores locales Expectativas de recesión
Colaboración en investigación universidad industria Prevalencia de tecnología extranjera Calidad de las infraestructuras
Calidad de las instituciones de investigación Disponibilidad de últimas tecnologías
Presencia internacional de exportaciones Acceso a contenido digital
Presencia global en la cadena de valor Uso de Internet por las empresas
Control local de distribución internacional Absorción de tecnología por empresas
Centralización de la política económica Derechos de propiedad
Estado de desarrollo de los clusters Competencia en el sector ISPSofisticación de los procesos productivos
Cantidad de proveedores locales
Calidad del sistema educativo
Presencia regional de exportaciones
Sofisticación de compradores
Naturaleza de la ventaja competitiva
Uso de Internet en los colegios
Fuente: Elaboración propia.
Estos tres factores constituyen nuevos indicadores de competitividad, cada
uno de ellos agrupando variables de contenido similar (microeconómicas, de
tecnología o referentes a las instituciones). Utilizando métodos estadísticos
como el análisis de correspondencias múltiples y las regresiones se analizará
la influencia de los clusters sobre cada uno de estos indicadores obtenidos.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
293
Una vez obtenidos los tres factores, es interesante observar cómo se sitúa
cada uno de los países y la región catalana respecto a cada factor. Para ello se
realizan gráficos de dispersión de puntos combinando los factores. Es
importante recordar que los factores son variables tipificadas y al tener todas
las cargas factoriales positivas con los tres factores, valores altos de cada
factor indican grado de desarrollo alto y al contrario.
En primer lugar se ha obtenido el gráfico de dispersión de puntos para los
factores 1 (Competitividad Microeconómica) y 2 (Tecnología) (véase figura
5.10). Los países que se sitúan por encima de la línea horizontal que marca el
0 en el Factor 1 “Competitividad Microeconómica” estarían por encima de la
media en cuanto a competitividad y al revés.
Tal y como puede observarse en el gráfico, en el cuadrante superior derecho
se sitúan la mayoría de los países de UE 15. España tiene una posición más
modesta en ambas dimensiones, colocándose en la media en cuanto al factor
tecnológico, y algo por encima de la media en cuanto a competitividad.
Por otro lado, Cataluña se sitúa por encima de España en cuanto al primer
factor aunque ambos valores parecen estar próximos en cuanto a tecnología.
La mayoría de países africanos quedan situados en el cuadrante inferior
izquierdo, el que corresponde a los menores valores en ambos factores.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
294
Figura 5.10.
Gráfico de dispersión de puntos para los
factores 1 (Competitividad Microeconómica) y 2 (Tecnología)
Factor 2 - Tecnología3,000002,000001,000000,00000-1,00000-2,00000-3,00000
Facto
r 1
- C
om
pe
titi
vid
ad
3,00000
2,00000
1,00000
0,00000
-1,00000
-2,00000
-3,00000
Zimbabwe
Zambia
Venezuela
Uruguay
Uganda
Ucrania
Túnez
Trinidad y Tobago
Timor-Leste TanzaniaTajikistan
Taiwan
Tailandia
Suiza
Suecia
Sudáfrica
Sri Lanka SingapurSerbia
Rusia
Rumania
República Eslovaca
República Dominicana
República Checa
República Kirguistán
Reino Unido
Qatar Portugal
Polonia
Perú
Paraguay
Panamá
Pakistán
Omán
Nueva Zelanda
Noruega
Namibia
Mozambique
Montenegro
Mongolia
Mexico
MauritaniaMauricio
Marruecos
Malta
Malawi
Malasia
MadagascarLuxemburgoLituania
Libia
Lesotho
KeniaKazastán
Japón
Jamaica
Italia
IsraelIslandia
Irlanda
Indonesia
India
Holanda
GreciaGhana
Georgia
Francia
Finlandia
Etiopía
Estonia
Estados Unidos
España
Ecuador
Dinamarca
China
Chile
Corea.
Cataluña
Camerún
Burundi
Brunei
Brasil
Bielorusia
Bélgica
Bangladesh
Bahamas
Armenia
ArgeliaAngola
Alemania
Albania
Fuente: Elaboración propia.
El siguiente gráfico de dispersión de puntos sitúa a los países en función de
los factores 1 (Competitividad Microeconómica) y 3 (Institucional) (véase figura
5.11). De nuevo la mayoría de los países de UE 15 se colocan en el cuadrante
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
295
superior derecho. Sin embargo, en este caso el cuadrante inferior izquierdo no
está ocupado en su mayoría por los países africanos, como ocurría con los
factores 1 y 2 sino por los países del resto de América. Los países africanos,
en su mayoría, obtienen valores medios o altos en el factor institucional, lo que
los sitúa más a la derecha del gráfico. De hecho, muchos de ellos superan en
este factor a España, que se encuentra situado aproximadamente en la media.
Cataluña, sin embargo, queda significativamente detrás de España y la
mayoría de los países desarrollados en el factor institucional.
La comparación de Cataluña con España y el resto de países en lo relativo a
los resultados en el factor Institucional debe realizarse aceptando las
limitaciones derivadas de comparar países con una Comunidad Autónoma, que
no tiene la misma capacidad ni potencial institucional.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
296
Figura 5.11.
Gráfico de dispersión de puntos para los
factores 1 (Competitividad Microeconómica) y 3 (Institucional).
Fuente: Elaboración propia.
Estos gráficos proporcionan una primera aproximación de la situación de cada
país respecto a cada unos de los factores Para conseguir una mejor
clasificación de países en función de los tres factores, se va a realizar una
categorización de los factores mediante un análisis cluster.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
297
6.1.2. Categorización de los factores obtenidos mediante un análisis cluster
Con el objeto de obtener una mejor clasificación de los países y de la región
catalana en función de cada factor, se ha realizado un análisis cluster con los
factores obtenidos. Con este análisis se generarán cuatro grupos dentro de
cada factor y se ordenarán de menor a mayor valoración; es decir, el primer
grupo contendrá a los países que hayan obtenido las valoraciones más bajas
en las variables representadas por ese factor. Todo esto permitirá llevar a cabo,
un análisis de asociación entre los grupos y el "estado de desarrollo de los
cluster".
Factor 1- Competitividad Microeconómica
Se ha establecido que el número de grupos sea cuatro, ya que permite obtener
grupos suficientemente diferentes unos de otros, pero intentando mantener un
número mínimo de observaciones en cada uno, y los centros de los
conglomerados resultantes son los siguientes:
Cuadro 5.32.
Centros de los conglomerados finales
1 2 3 4
Factor 1- Competitividad Microeconómica -2,231425 -0,786854 0,197616 1,511404
Conglomerado
El grado de significación obtenido en el test ANOVA confirma que el análisis
cluster realizado es correcto.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
298
Cuadro 5.33
ANOVA
Media cuadrática gl
Media cuadrática gl F Sig.
Factor 1 - Competitividad Microeconómica 39,849 3 0,13 134 305,977 0,000
Conglomerado Error
Una vez obtenidos los cuatro grupos se puede realizar un análisis de
frecuencias para el Factor 1 (Competitividad Microeconómica) categorizado,
que resulta en la siguiente distribución:
Cuadro 5.34.
Distribución de frecuencias del Factor 1 categorizado
Frecuencia PorcentajePorcentaje
válidoPorcentaje acumulado
Válidos 1 3 2,2 2,2 2,22 59 42,8 42,8 44,93 47 34,1 34,1 79,04 29 21,0 21,0 100,0
Total 138 100,0 100,0
El grupo 2 contiene más de un 42% de las observaciones, seguido por el
grupo 3 con el 34% y es también destacable que el grupo 1 sólo contiene 3
observaciones. Hay 29 países que se sitúan en el grupo 4, que indica una
mayor Competitividad Microeconómica, ya que agrupa a los países que tienen
las valoraciones más altas en las variables incluidas en este factor.
La distribución de frecuencias por regiones muestra como la mayoría de las
observaciones correspondientes a UE 15 se incluyen en el grupo 4, de mayor
competitividad. También entran en este grupo dos de las tres observaciones de
América del Norte, Canadá y Estados Unidos, así como varios países de Asia y
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
299
Resto de Europa. África y el resto de América se engloban, en su mayor parte,
en el grupo dos.
Cuadro 5.35.
Distribución de frecuencias de la variable región según el Factor 1
categorizado
Región
1 33,3 33,3 33,3
1 33,3 33,3 66,7
1 33,3 33,3 100,0
3 100,0 100,0
2 3,4 3,4 3,4
4 6,8 6,8 10,2
20 33,9 33,9 44,1
13 22,0 22,0 66,1
20 33,9 33,9 100,0
59 100,0 100,0
3 6,4 6,4 6,4
13 27,7 27,7 34,0
1 2,1 2,1 36,2
3 6,4 6,4 42,6
16 34,0 34,0 76,6
2 4,3 4,3 80,9
9 19,1 19,1 100,0
47 100,0 100,0
11 37,9 37,9 37,9
7 24,1 24,1 62,1
2 6,9 6,9 69,0
8 27,6 27,6 96,6
1 3,4 3,4 100,0
29 100,0 100,0
Resto América
Asia
Africa
Total
Válidos
EU 15
Resto europa
Resto América
Asia
Africa
Total
Válidos
EU 15
Resto europa
América del Norte
Resto América
Asia
Oceanía
Africa
Total
Válidos
EU 15
Resto europa
América del Norte
Asia
Africa
Total
Válidos
Factor 1 - Competitividadcategorizado1
2
3
4
Frecuencia PorcentajePorcentaje
válidoPorcentajeacumulado
Fuente: Elaboración propia.
El cuadro 5.36 muestra la distribución de países por grupos según el Factor 1
categorizado, estando ordenados los países dentro de cada grupo de mayor a
menor puntuación factorial. La distribución por países nos permite comprobar
como Cataluña se encuentra en el grupo 4 junto a la mayoría de los países de
EU 15 , mientras que España se queda en el grupo 3 en el que sólo hay otros
dos países de EU 15, Irlanda y Noruega.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
300
Cuadro 5.36.
Distribución de frecuencias de países según el Factor 1 categorizado
Grupo 1 Grupo 2 Grupo 3 Grupo 4Bahrain Colombia Uzbekistan Alemania Namibia República Eslovaca Serbia Corea. Bahamas Benin Hong Kong SAR Suiza
Pakistán España (0,6375) Estados Unidos Filipinas Singapur Japón Ecuador Sri Lanka Bélgica Guyana India Finlandia Egipto Islandia Indonesia Armenia Irlanda Italia Chile Azerbayán China Timor-Leste Brasil Malasia Senegal Kenia Taiwan Puerto Rico Rumania Bielorusia Libia Zimbabwe Suecia Burkina Faso Noruega Holanda Guatemala Bulgaria Austria Jordania Etiopía Omán Qatar Nigeria Dinamarca Sudáfrica República Kirguistán Francia Portugal Lituania Reino Unido Mongolia Uganda Ucrania Venezuela Kazastán Eslovenia Gambia Arabia Saudí Cataluña (1,0922) Chipre Hungría Canadá Perú Luxemburgo Israel Nicaragua Vietnam República Checa Honduras Costa Rica Rusia Bolivia Croacia Polonia Camerún Bosnia y Herzegovina Túnez Mali Macedonia, FYR Kuwait Australia Mozambique Mexico Nepal Turquía Georgia Camboya Albania Argentina Lesotho Tailandia Ghana Nueva Zelanda Burundi Moldavia Grecia Tanzania Uruguay Madagascar El Salvador Chad Malawi Marruecos Suriname Estonia Jamaica Siria Mauricio Tajikistan Argelia Emiratos Arabes UnidosMontenegro Latvia Brunei Paraguay Mauritania Bangladesh Panamá Malta Trinidad y Tobago Barbados Zambia República Dominicana Angola Botswana
Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
301
Estos resultados obtenidos con este nuevo enfoque son diferentes a los
obtenidos en la primera parte del estudio empírico, en donde se había utilizado
la metodología del Foro Económico Mundial en la elaboración del Índice de
Competitividad de los Negocios. En aquel caso la valoración de Cataluña, en
términos de competitividad, se situaba por debajo de la de España; en este
caso, en el que se ha utilizado un análisis estadístico distinto en el que se han
destacado las variables que se ha considerado que pueden influir más en la
competitividad los resultados son los contrarios: Cataluña obtiene una posición
más favorable que España en cuanto a la competitividad medida en base al
nuevo indicador de competitividad obtenido en el análisis factorial.
Factor 2- Tecnología
También para la categorización de este factor se ha establecido que el número
de grupos sea cuatro y los centros de los conglomerados resultantes son los
siguientes:
Cuadro 5.37
Centros de los conglomerados finales
1 2 3 4
Factor 2 - Tecnología -1,503482 -0,583672 0,49788 1,287908
Conglomerado
El grado de significación obtenido en el test ANOVA confirma que el análisis
cluster realizado es correcto.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
302
Cuadro 5.38
ANOVA
Media
cuadrática glMedia
cuadrática glFactor 2 - Tecnología 41,16 3 0,101 134 407,988 0,000
Sig.
Conglomerado Error
F
Una vez obtenidos los cuatro grupos se puede realizar un análisis de
frecuencias para el Factor 2 categorizado, que resulta en la siguiente
distribución:
Cuadro 5.39.
Distribución de frecuencias para el Factor 2 categorizado
Frecuencia PorcentajePorcentaje
válidoPorcentaje acumulado
Válidos 1 22 15,9 15,9 15,92 44 31,9 31,9 47,83 43 31,2 31,2 79,04 29 21,0 21,0 100,0
Total 138 100,0 100,0
Aunque los grupos 2 y 3 contienen un porcentaje de observaciones
sensiblemente superior a los grupos 1 y 4, la distribución de observaciones
dentro de cada grupo es bastante más homogénea que para el Factor 1.
La distribución de la variable región en cada uno de los grupos muestra cómo
los países pertenecientes a UE 15 están únicamente en los grupos 3 y 4, así
como los de América del Norte y Oceanía.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
303
La región africana tiene presencia en este caso en los cuatro grupos, pero la
mayoría de las observaciones se encuentran en los grupos 1 y 2. Asia y Resto
de Europa se distribuyen en los cuatro grupos.
Cuadro 5.40.
Distribución de frecuencias de la variable región según el Factor 2
categorizado
3 13,6 13,6 13,6
8 36,4 36,4 50,0
11 50,0 50,0 100,0
22 100,0 100,0
9 20,5 20,5 20,5
4 9,1 9,1 29,5
16 36,4 36,4 65,9
15 34,1 34,1 100,0
44 100,0 100,0
8 18,6 18,6 18,6
7 16,3 16,3 34,9
2 4,7 4,7 39,5
11 25,6 25,6 65,1
11 25,6 25,6 90,7
4 9,3 9,3 100,0
43 100,0 100,0
8 27,6 27,6 27,6
5 17,2 17,2 44,8
1 3,4 3,4 48,3
9 31,0 31,0 79,3
3 10,3 10,3 89,7
2 6,9 6,9 96,6
1 3,4 3,4 100,0
29 100,0 100,0
Resto Europa
Asia
Africa
Total
Válidos
Resto Europa
Resto América
Asia
Africa
Total
Válidos
EU 15
Resto Europa
América del Norte
Resto América
Asia
Africa
Total
Válidos
EU 15
Resto Europa
América del Norte
Resto América
Asia
Oceanía
Africa
Total
Válidos
Factor 2 - Tecnologíacategorizado1
2
3
4
Frecuencia PorcentajePorcentaje
válidoPorcentajeacumulado
La tabla siguiente muestra los países incluidos en cada grupo, ordenados de
mayor a menor puntuación factorial. En este caso, tanto España como
Cataluña se encuentran en el grupo 3 aunque se puede observar que España
obtiene una puntuación factorial superior a Cataluña.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
304
Cuadro 5.41.
Distribución de países según el Factor 2 categorizado
Grupo 1 Grupo 2 Grupo 3 Grupo 4Gambia Singapur Grecia Puerto Rico Tanzania Sri Lanka Hungría Bahamas Uzbekistan Nepal Taiwan Portugal Moldavia Nicaragua Bahrain Jamaica Argelia Pakistán Turquía Chile Zimbabwe Botswana El Salvador Brasil República Kirguistán Rumania Lituania Panamá Armenia Kenia Alemania Malta Madagascar Mali Islandia Reino Unido Camboya Mongolia Mauricio Suecia China Montenegro Trinidad y Tobago República Dominicana Lesotho Nigeria Filipinas Estonia Burundi Camerún Bélgica Guatemala Tajikistan Ghana Dinamarca Nueva Zelanda Angola Mauritania Tailandia Japón Timor-Leste Polonia India Francia Serbia Emiratos Arabes Unidos Mexico Noruega Chad Malasia Estados Unidos Austria Libia Bulgaria Namibia República Eslovaca Omán Bolivia Kuwait Israel Bielorusia Qatar Senegal Canadá Etiopía Marruecos Chipre Sudáfrica
Benin España (0,50225) Irlanda Guyana Uruguay Australia Bosnia y Herzegovina Honduras Perú Suriname Finlandia Hong Kong SAR Georgia Costa Rica Holanda Burkina Faso Paraguay Luxemburgo Arabia Saudí Barbados República Checa Siria Suiza Brunei Egipto Zambia Colombia Uganda Ecuador Vietnam Corea. Malawi Latvia Azerbayán Bangladesh Mozambique Italia Túnez Croacia Albania Jordania Ucrania Eslovenia Indonesia Cataluña (0,04226) Macedonia, FYR Venezuela Kazastán Argentina Rusia
Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
305
Factor 3- Institucional
Se ha establecido que el número de grupos sea cuatro, y los centros de los
conglomerados resultantes son los siguientes:
Cuadro 5.42
Centros de los conglomerados finales
1 2 3 4
Factor 3 - Institucional -1,177733 -0,186393 0,565411 1,698657
Conglomerado
El grado de significación obtenido en el test ANOVA confirma que el análisis
cluster realizado es correcto.
Cuadro 5.43
ANOVA
40,842 3 ,108 134 378,110 ,000Factor 3 - Institucional
Mediacuadrática gl
Conglomerado
Mediacuadrática gl
Error
F Sig.
Una vez obtenidos los cuatro grupos se puede realizar un análisis de
frecuencias para el Factor 3 categorizado que resulta en la siguiente
distribución:
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
306
Cuadro 5.44.
Distribución de frecuencias para el Factor 3 categorizado
39 28,3 28,3 28,3
42 30,4 30,4 58,7
38 27,5 27,5 86,2
19 13,8 13,8 100,0
138 100,0 100,0
1
2
3
4
Total
VálidosFrecuencia Porcentaje
Porcentajeválido
Porcentajeacumulado
Los grupos 1, 2 y 3 contienen un número de observaciones próximos al 30%
cada uno de ellos, bastante por encima del 13% de observaciones incluidas en
el grupo 4.
En este factor, la distribución de la variable región no sigue unas pautas tan
claras como en los dos factores anteriores. Todas las regiones se distribuyen
de forma bastante uniforme en los cuatro grupos (exceptuando obviamente
América del Norte y Oceanía que tienen menos de cuatro observaciones). Por
ejemplo, África al igual que Asia tienen prácticamente el mismo número de
países en los grupos 1 y 2 que en los grupos 3 y 4.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
307
Cuadro 5.45.
Distribución de frecuencias para la variable Región según el Factor 3
categorizado
2 5,1 5,1 5,1
10 25,6 25,6 30,8
1 2,6 2,6 33,3
14 35,9 35,9 69,2
6 15,4 15,4 84,6
6 15,4 15,4 100,0
39 100,0 100,0
5 11,9 11,9 11,9
6 14,3 14,3 26,2
1 2,4 2,4 28,6
7 16,7 16,7 45,2
14 33,3 33,3 78,6
9 21,4 21,4 100,0
42 100,0 100,0
7 18,4 18,4 18,4
6 15,8 15,8 34,2
1 2,6 2,6 36,8
2 5,3 5,3 42,1
8 21,1 21,1 63,2
1 2,6 2,6 65,8
13 34,2 34,2 100,0
38 100,0 100,0
2 10,5 10,5 10,5
2 10,5 10,5 21,1
1 5,3 5,3 26,3
10 52,6 52,6 78,9
1 5,3 5,3 84,2
3 15,8 15,8 100,0
19 100,0 100,0
UE 15
Resto Europa
América del Norte
Resto América
Asia
África
Total
Válidos
UE 15
Resto Europa
América del Norte
Resto América
Asia
África
Total
Válidos
UE 15
Resto Europa
América del Norte
Resto América
Asia
Oceanía
África
Total
Válidos
UE 15
Resto Europa
Resto América
Asia
Oceanía
África
Total
Válidos
Factor 3 - Institucionalcategorizado1
2
3
4
Frecuencia PorcentajePorcentaje
válidoPorcentajeacumulado
El Cuadro 5.46 muestra los países incluidos en cada grupo, ordenados de
mayor a menor puntuación factorial.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
308
Cuadro 5.46.
Distribución de países según el Factor 3 categorizado
Grupo 1 Grupo 2 Grupo 3 Grupo 4Senegal Georgia Kuwait Singapur Filipinas Armenia Gambia Qatar Macedonia, FYR Vietnam Suiza Emiratos Arabes UnidosCamerún Reino Unido Chipre Brunei Uganda Siria Bahamas Barbados Rumania Mali Luxemburgo Bahrain Honduras España Holanda Islandia Timor-Leste Indonesia Malta Túnez Nigeria Azerbayán Ghana Australia Polonia Corea. Bielorusia Dinamarca Hungría China Uzbekistan Malasia Bangladesh Trinidad y Tobago Sudáfrica Hong Kong SAR Jamaica Uruguay Suecia Noruega Moldavia Egipto Austria Finlandia Cataluña Burkina Faso Libia Botswana Mongolia Lesotho Irlanda Omán Rusia Francia Namibia Jordania Nepal Bélgica Montenegro Arabia Saudí Guyana Madagascar Marruecos Argelia Mexico Camboya Zambia República Dominicana El Salvador Canadá Puerto Rico Suriname Angola República Checa Pakistán Nueva Zelanda Bulgaria Taiwan Tanzania Guatemala Albania Estonia Perú Portugal Malawi Nicaragua Mozambique Kazastán Argentina Burundi Mauricio República Kirguistán República Eslovaca Etiopía Bolivia Eslovenia Israel Venezuela Panamá Tajikistan Chad Costa Rica Mauritania Ucrania Estados Unidos Tailandia Italia Colombia Chile Bosnia y Herzegovina Benin Latvia Zimbabwe Croacia Alemania Ecuador Turquía Grecia Paraguay Japón India Brasil Lituania
Serbia Kenia Sri Lanka
Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
309
Es digno de mención el caso de Cataluña, que es la única observación de UE
15, junto a Italia, que se queda en el grupo 1, mientras que España se sitúa en
el grupo 2, junto a otros cuatro países de EU 15. El grupo 4 incluye algunos
países africanos como Argelia, Bostwana o Túnez.
Si bien es cierto que Cataluña, tal y como se comentó en el Capítulo 4,
adolece de ciertos problemas institucionales que están condicionados por ser
una Comunidad Autónoma, no deja de resultar sorprendente su inclusión en el
grupo 1 y la aparentemente mejor situación institucional de algunos países
menos desarrollados. Esto puede deberse al reducido número de variables que
se incluyen en el factor institucional, por ello se ha considerado conveniente
realizar en el apartado 6.2. un nuevo análisis factorial con toda la base de
datos, lo que ampliará significativamente el número de variables consideradas
en el nuevo factor institucional.
6.1.3. Análisis de la relación entre el estado de desarrollo de los clusters y los
factores de competitividad obtenidos mediante análisis de correspondencias
múltiples.
Una vez categorizados los tres factores obtenidos se pueden observar más
fácilmente las relaciones entre ellos, así como con la variable “estado de
desarrollo de los clusters” y la variable “región”. El análisis de correspondencia
múltiples permite observar esas relaciones.
Se han incluido por tanto los tres factores obtenidos, así como la variable
“estado de desarrollo de los clusters” y la variable “región”.
El cuadro que se muestra a continuación contiene un resumen del modelo.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
310
Cuadro 5.47
Resumen del modelo
Total (Autovalores) Inercia
% de la varianza
1 0,735 2,427 0,485 48,5382 0,540 1,760 0,352 35,203Total 4,187 0,837Media 0,653 2,094 0,419 41,871
Varianza explicada
DimensiónAlfa de
Cronbach
El Alfa de Cronbach Promedio está basado en los autovalores promedio
En el gráfico de puntos (véase figura 5.12) se observa cómo los grupos 4 del
Factor Competitividad Microeconómicay de la variable “estado de desarrollo de
los clusters” están muy asociados. Esto indica que clusters muy desarrollados
se asocian con tasas muy altas de Competitividad Microeconómica lo que
confirma la hipótesis central de esta tesis.
Estos altos grados de desarrollo de los clusters y de Competitividad
Microeconómica se relacionan claramente a su vez con las regiones de UE15
y América del Norte.
Los grupos 1 y 2 del Factor Tecnológico se asocian con el grupo 1 de la
variable “estado de desarrollo de los clusters”. En cuanto al Factor Institucional,
el grupo 1 se asocia al grupo 2 de la variable “estado de desarrollo de los
clusters” pero, en el resto de grupos, no se observa una asociación tan clara.
África y el Resto de Europa se asocian con los grupos 1 y 2 de los factores y
Asia, en general, con el grupo 3.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
311
Figura 5.12
Diagrama conjunto de puntos de categorías
Como conclusiones de este primer análisis factorial realizado con una
muestra de 34 variables se pueden señalar las siguientes:
a) Las variables se agrupan claramente en torno a tres factores que
definen los grandes temas que afectan a la competitividad general de un
país o región y que son: la Competitividad Microeconómica, la
Tecnología y el factor Institucional. Estos son los nuevos indicadores de
competitividad obtenidos en este trabajo y que permiten un análisis de la
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
312
competitividad desde otro punto de vista y caracteriza con más claridad
la influencia de los clusters en la competitividad.
b) La categorización de estos factores permite clasificar a los 137 países y
a la región catalana en función de su grado de competitividad
microeconómica, avance tecnológico e instituciones. La valoración de
Cataluña en términos del factor de Competitividad Microeconómica es
excelente, al situarse en el grupo 4 con una puntuación factorial de
1,0922, por encima de España que queda en el grupo 3 con una
puntuación factorial de 0,6375. Esto supone un resultado diferente del
obtenido en la primera parte del análisis empírico realizado según la
metodología del Índice de Competitividad de los Negocios del Foro
Económico Mundial, que otorgaba a Cataluña una tasa de
competitividad microeconómica por debajo del de España.
c) En términos del factor Tecnología tanto España como Cataluña
presentan resultados similares y están incluidas en el grupo 3. Sin
embargo, en lo que se refiere al factor Institucional Cataluña se sitúa en
el grupo 1, con los países que obtienen valoraciones más bajas en estas
variables, mientras España se coloca en el grupo 2, aunque como ya se
ha señalado en relación al factor Institucional hay que tener en cuenta
las limitaciones de comparar una Comunidad Autónoma con países.
d) El análisis de correspondencias múltiples ha permitido constatar que
clusters muy desarrollados se asocian muy estrechamente con los
resultados más altos de Competitividad Microeconómica, lo que
corrobora la hipótesis central de este estudio.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
313
6.2. Obtención de factores de competitividad con toda la base de datos
El análisis factorial realizado en el apartado anterior, con una muestra de 34
variables, cumple la condición de mantener la proporción adecuada entre el
número de observaciones y el de variables y proporciona unos resultados muy
claros en cuanto a la relación entre los clusters y la competitividad.
La principal limitación que plantea el análisis factorial anterior es que está
realizado con una selección de las variables que se consideran más
importantes pero para confirmar definitivamente la veracidad de la hipótesis
establecida sobre que el desarrollo de los clusters favorece la competitividad de
los países o regiones se ha considerado conveniente ampliar el análisis
factorial incluyendo todas las variables que la Encuesta Ejecutiva de Opinión
del Foro Económico Mundial contempla para la elaboración del Índice de
Competitividad Global1.
6.2.1. Definición de variables
Para el análisis factorial con todas las variables de la base de datos se
tomará como base cada uno de los factores obtenidos en el análisis anterior
(Factor 1- Competitividad Microeconómica, Factor 2– Tecnología, Factor 3–
1 Tal y como se ha comentado con anterioridad en este Capítulo, en el análisis factorial se contemplan las variables incluidas en la Encuesta Ejecutiva de Opinión que el Foro Económico Mundial utiliza para la elaboración de su Índice de Competitividad Global. Sin embargo, no se incluyen las variables del Índice de Competitividad Global que corresponden a datos publicados, y no a encuestas. Por otro lado, la Encuesta Ejecutiva de Opinión incluye más variables de las que finalmente se utilizan en el cálculo del Índice de Competitividad Global. Por lo tanto, el total de variables contempladas en esta parte del análisis empírico es superior a las incluidas en el Índice de Competitividad Global definido en el Capítulo 2.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
314
Institucional), pero ampliando el número de variables incluidas en cada factor
hasta que todas las variables de la base de datos que utiliza el Foro
Económico Mundial e la elaboración del Índice de Competitividad Global estén
incluidas en alguno de los tres factores.
Se han asignado las variables a cada factor según su mayor afinidad con
cada uno de estos tres factores. Una vez añadidas todas las variables, en el
grupo 1, correspondiente a Competitividad Microeconómica, habrá 36
variables, 19 en el grupo 2, de Tecnología, y 74 en el grupo 3 de Institucional.
A continuación se realizará un análisis factorial en cada uno de los grupos y
se seleccionará el factor principal que resulte en cada uno de esos tres análisis,
ya que es el que explicará un mayor porcentaje de la varianza de las variables
de ese grupo. Estos nuevos factores obtenidos utilizando todas las variables
serán los indicadores de competitividad que se utilizarán para medir la
competitividad de España y Cataluña y compararla con la del resto de los
países. Con el factor principal de cada uno de los grupos se realizará
posteriormente un análisis cluster para analizar mejor la posición de cada país
en cada uno de los indicadores de competitividad y un análisis de
correspondencias múltiples para comprobar las relaciones entre los factores de
competitividad y el estado de desarrollo de los clusters.
Finalmente, los tres factores principales seleccionados se utilizarán en la
regresión lineal con el objeto de comprobar la relación de causalidad entre el
estado de desarrollo de los clusters y la competitividad.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
315
Primer grupo: variables de Competitividad
A las 14 variables incluidas en el Factor 1- Competitividad obtenido en el
análisis factorial realizado con anterioridad, se les han añadido otras 22
variables de la base de datos de la Encuesta Ejecutiva de Opinión del Foro
Económico Mundial, aquellas que guardan una relación más directa con
aspectos de competitividad microeconómica, por lo que el número final de
variables relacionadas con el Factor 1-Competitividad es de 36. El cuadro 5.48
muestra las 36 variables con sus estadísticos descriptivos.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
316
Cuadro 5.48.
Estadísticos descriptivos de las variables de Competitividad utilizadas en
el análisis factorial con toda la base de datos.
Variable MediaDesviación
típicaN. del
análisis
Intensidad de la competencia local 4,81964 0,73782 138
Sofisticación de compradores 3,83694 0,95888 138
Cantidad de proveedores locales 4,68665 0,69392 138
Calidad de los proveedores locales 4,46743 0,88357 138
Estado de desarrollo de los clusters 3,57756 0,75964 138
Disponibilidad local de equipos de procesamiento 2,92705 1,01283 138
Disponibilidad local de servicios de investigación y formación 3,94016 0,94860 138
Naturaleza de la ventaja competitiva 3,69566 1,00143 138
Presencia global en la cadena de valor 3,76808 1,04847 138
Capacidad de innovación 3,40078 0,98938 138
Sofisticación de los procesos productivos 3,79776 1,08541 138
Control local de distribución internacional 4,05938 0,65426 138
Presencia regional de exportaciones 4,40435 1,11222 138
Presencia internacional de exportaciones 3,72232 1,23594 138
Estandares regulatorios 4,20399 1,02986 138
Política antitrust 3,97174 0,97920 138
Dominio del mercado 3,87957 0,93859 138
Facilidad para empezar negocios 4,12812 0,89907 138
Marketing 4,34609 1,00041 138
Orientación al cliente 4,59652 0,72814 138
Delegación de autoridad 3,94304 0,85311 138
Compensación por incentivos 4,07703 0,77799 138
Profesionalidad de la gestión 4,59159 0,84152 138
Eficacia de los Consejos de Administración 4,66783 0,57834 138
Solidez de los bancos 5,52659 0,78502 138
Facilidad de acceso a bancos 3,41391 0,98029 138
Disponibilidad capital riesgo 3,24312 0,89948 138
Acceso a crédito 4,55399 0,67098 138
Acceso a mercados de capitales 4,38543 1,14745 138
Regulación de intercambio de acciones 4,51862 1,02624 138
Restricciones entrada y salida capitales 4,84188 1,18395 138
Prevalencia propiedad extranjera 5,03072 0,77417 138
Impacto regulacion en FDI 5,01551 0,75126 138
Prevalencia barreras comerciales 4,59623 0,74883 138
Fortaleza de estandares de auditoria y contabilidad 4,70225 0,94288 138
Protección intereses minoritarios 4,47101 0,81077 138
Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
317
Los resultados del test de Bartlett y la prueba KMO indican la adecuación de la
realización del análisis factorial con este conjunto de variables.
Cuadro 5.49.
Prueba KMO y test de Bartlett
0,962
Prueba de esfericidad de BartlettChi-cuadrado aproximado 8220,452gl 630Sig. 0,000
Medida de adecuación muestral de Kaiser-Meyer-Olkin
Las comunalidades obtenidas son altas en todas las variables (véase cuadro
5.50).
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
318
Cuadro 5.50. Matriz de comunalidades de las variables de competitividad
microeconómica Variable Inicial Extracción
Intensidad de la competencia local 1 0,805
Sofisticación de compradores 1 0,888
Cantidad de proveedores locales 1 0,792
Calidad de los proveedores locales 1 0,929
Estado de desarrollo de los clusters 1 0,715
Disponibilidad local de equipos de procesamiento 1 0,888
Disponibilidad local de servicios de investigación y formación 1 0,908
Naturaleza de la ventaja competitiva 1 0,734
Presencia global en la cadena de valor 1 0,875
Capacidad de innovación 1 0,891
Sofisticación de los procesos productivos 1 0,903
Control local de distribución internacional 1 0,790
Presencia regional de exportaciones 1 0,764
Presencia internacional de exportaciones 1 0,913
Estandares regulatorios 1 0,933
Política antitrust 1 0,886
Dominio del mercado 1 0,835
Facilidad para empezar negocios 1 0,658
Marketing 1 0,877
Orientación al cliente 1 0,854
Delegación de autoridad 1 0,844
Compensación por incentivos 1 0,794
Profesionalidad de la gestión 1 0,781
Eficacia de los Consejos de Administración 1 0,761
Solidez de los bancos 1 0,752
Facilidad de acceso a bancos 1 0,804
Disponibilidad capital riesgo 1 0,836
Acceso a crédito 1 0,588
Acceso a mercados de capitales 1 0,745
Regulación de intercambio de acciones 1 0,863
Restricciones entrada y salida capitales 1 0,652
Prevalencia propiedad extranjera 1 0,859
Impacto regulacion en FDI 1 0,858
Prevalencia barreras comerciales 1 0,680
Fortaleza de estandares de auditoria y contabilidad 1 0,921
Protección intereses minoritarios 1 0,723
Método de extracción: análisis de componentes principales.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
319
Cuadro 5.51.
Varianza explicada por cada factor
25,866 71,849 71,849 25,866 71,849 71,849 14,876 41,323 41,323
2,410 6,695 78,544 2,410 6,695 78,544 9,282 25,783 67,106
1,023 2,842 81,386 1,023 2,842 81,386 5,141 14,280 81,386
,848 2,357 83,743
,771 2,141 85,884
,627 1,741 87,625
,587 1,631 89,257
,436 1,211 90,468
,359 ,996 91,464
,330 ,915 92,380
,268 ,746 93,125
,251 ,697 93,822
,230 ,638 94,460
,222 ,617 95,077
,206 ,573 95,650
,189 ,526 96,176
,155 ,431 96,607
,136 ,377 96,984
,122 ,339 97,323
,108 ,300 97,623
,097 ,271 97,894
,090 ,250 98,144
,082 ,229 98,373
,077 ,214 98,587
,069 ,191 98,778
,067 ,187 98,965
,063 ,175 99,140
,055 ,154 99,294
,049 ,136 99,430
,047 ,131 99,561
,036 ,099 99,659
,032 ,088 99,747
,028 ,077 99,825
,023 ,063 99,888
,021 ,059 99,947
,019 ,053 100,000
Componente1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
Total% de lavarianza % acumulado Total
% de lavarianza % acumulado Total
% de lavarianza % acumulado
Autovalores inicialesSumas de las saturaciones al cuadrado de
la extracciónsuma de las saturaciones al cuadrado de la
rotación
Método de extracción: análisis de componentes principales
Se ha realizado una rotación Varimax y se han extraído tres factores, que
conjuntamente explican más del 81% de la varianza de las variables tal y como
se muestra en el cuadro 5.51.
El primer factor agrupa la mayor parte de las variables e incluye todas las
variables comprendidas en el Factor 1- Competitividad Microeconómica que se
había definido anteriormente, así como algunas de las variables introducidas
ahora. Se puede denominar a este factor Factor 1A- Competitividad
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
320
Microeconómica. Este factor explica el 41% de la varianza de todas las
variables incluidas y es el que se toma como indicador de la Competitividad
Microeconómica para el análisis posterior.
El segundo de los factores explica aproximadamente el 25% de la varianza
de las variables y agrupa básicamente a las variables que hacen referencia al
sistema financiero. Se podría llamar a este factor Factor 1B – Competitividad
Financiera. El tercer factor sólo incluye tres variables que hacen referencia a la
inversión extranjera y explica el 14% de la varianza de todas la variables. Se
podría denominar a este factor Factor 1C- Competitividad de Inversión. Las
variables asociadas a cada factor se pueden observar en el cuadro 5.52.
Por tanto, de entre las 36 variables de la base de datos que hacen referencia
a aspectos de competitividad microeconómica, se pueden extraer tres factores,
pero hay uno de ellos (el Factor 1A - Competitividad Microeconómica), que
explica el 41% de la varianza del conjunto de variables. Se utilizará este factor
en los análisis posteriores que van a realizarse ya que se conseguirá disminuir
notablemente la complejidad de los datos con un solo factor que es capaz de
explicar gran parte de la varianza de las variables.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
321
Cuadro 5.52.
Matriz de componentes rotados
1 2 3
Disponibilidad local de equipos de procesamiento 0,929
Capacidad de innovación 0,886
Presencia global en la cadena de valor 0,845
Presencia internacional de exportaciones 0,831
Disponibilidad local de servicios de investigación y formación 0,831
Sofisticación de los procesos productivos 0,813 0,424
Control local de distribución internacional 0,807
Cantidad de proveedores locales 0,795
Orientación al cliente 0,792
Dominio del mercado 0,791
Calidad de los proveedores locales 0,772 0,502
Estandares regulatorios 0,751 0,518
Estado de desarrollo de los clusters 0,735
Presencia regional de exportaciones 0,719
Naturaleza de la ventaja competitiva 0,717
Sofisticación de compradores 0,715 0,548
Política antitrust 0,708 0,523
Compensación por incentivos 0,677 0,557
Marketing 0,666 0,584
Delegación de autoridad 0,652 0,586
Intensidad de la competencia local 0,646 0,475 0,402
Disponibilidad capital riesgo 0,644 0,600
Fortaleza de estandares de auditoria y contabilidad 0,427 0,774
Regulación de intercambio de acciones 0,401 0,738
Acceso a mercados de capitales 0,413 0,734
Facilidad de acceso a bancos 0,501 0,699
Acceso a crédito 0,693
Solidez de los bancos 0,679 0,495
Profesionalidad de la gestión 0,497 0,653
Eficacia de los Consejos de Administración 0,529 0,615
Protección intereses minoritarios 0,423 0,606 0,420
Prevalencia barreras comerciales 0,577 0,513
Facilidad para empezar negocios 0,477 0,487 0,441
Impacto regulacion en FDI 0,863
Prevalencia propiedad extranjera 0,858
Restricciones entrada y salida capitales 0,702
ComponenteVariables
Método de extracción: análisis de componentes principales. La rotación convergió en 7 iteraciones.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
322
Segundo grupo: variables de Tecnología
En el caso del Factor 2 – Tecnología, se han añadido otras diez variables de
contenido tecnológico a las 9 ya incluidas en el Factor 2 del análisis factorial
realizado con una muestra de 34 variables y con las 19 resultantes se ha
realizado de nuevo un análisis factorial.
Cuadro 5.53.
Estadísticos descriptivos de las variables de tecnología utilizadas en el
análisis factorial con toda la base de datos
MediaDesviación
típicaN del
análisis
Disponibilidad de últimas tecnologías 4,3014 1,0869 138
Absorción de tecnología por empresas 4,7168 0,7868 138
Prevalencia de tecnología extranjera 4,4236 0,8595 138
Calidad de las instituciones de investigación 3,9304 0,9457 138
Gasto empresarial en I + D 3,4043 0,9330 138
Colaboración en investigación universidad industria 3,2712 0,9607 138
Competencia en el sector ISP 4,1393 0,9462 138
Uso de Internet por las empresas 3,9940 0,9520 138
Uso de Internet en los colegios 3,6458 1,3729 138
FDI y transferencia tecnología extranjera 4,8289 0,5981 138
Tecnología avanzada proporcionada por el Gobierno 3,6425 0,6479 138
Prioridad del Gobierno a las TIC 4,6266 0,7095 138
Exito Gobierno en promoción de las TIC 4,2060 0,7429 138
Servicios gubernamentales online 3,6220 1,2508 138
TIC y productividad gubernamental 4,1626 0,9052 138
Estrategia del Gobierno en TIC 3,9980 0,8354 138
Presencia TIC en oficinas gobierno 4,3022 0,9281 138
Leyes relativas a TIC 3,7638 1,0851 138
Convergencia contenido digital 4,2955 0,9082 138
Fuente: Elaboración propia
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
323
Cuadro 5.54.
Prueba KMO y test de Bartlett
0,95
Prueba de esfericidad de BartlettChi-cuadrado aproximado 4539,551gl 171Sig. 0,000
Medida de adecuación muestral de Kaiser-Meyer-Olkin
Los resultados del test de Bartlett y la prueba KMO indican la adecuación de
la realización del análisis factorial.
Las comunalidades obtenidas también son altas para casi todas las variables
(véase Cuadro 5.55).
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
324
Cuadro 5.55.
Matriz de comunalidades de las variables tecnológicas.
Inicial Extracción
Disponibilidad de últimas tecnologías 1,000 0,893
Absorción de tecnología por empresas 1,000 0,854
Prevalencia de tecnología extranjera 1,000 0,776
Calidad de las instituciones de investigación 1,000 0,811
Gasto empresarial en I + D 1,000 0,867
Colaboración en investigación universidad industria 1,000 0,893
Competencia en el sector ISP 1,000 0,698
Uso de Internet por las empresas 1,000 0,923
Uso de Internet en los colegios 1,000 0,861
FDI y transferencia tecnología extranjera 1,000 0,452
Tecnología avanzada proporcionada por el Gobierno 1,000 0,841
Prioridad del Gobierno a las TIC 1,000 0,899
Exito Gobierno en promoción de las TIC 1,000 0,933
Servicios gubernamentales online 1,000 0,805
TIC y productividad gubernamental 1,000 0,821
Estrategia del Gobierno en TIC 1,000 0,959
Presencia TIC en oficinas gobierno 1,000 0,853
Leyes relativas a TIC 1,000 0,916
Convergencia contenido digital 1,000 0,896
Método de extracción: análisis de componentes principales.
En un primer análisis se han obtenido dos factores, uno de los cuales explica
el 76% de la varianza. Se ha realizado una rotación Varimax que ha resultado
nuevamente en dos factores principales, que explican conjuntamente el 83,9%
de la varianza de las variables pero, en este caso, con una distribución más
homogénea, tal y como se muestra en el cuadro 5.56.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
325
Cuadro 5.56.
Varianza total explicada por cada factor
14,478 76,202 76,202 14,478 76,202 76,202 9,644 50,758 50,758
1,473 7,750 83,952 1,473 7,750 83,952 6,307 33,195 83,952
,706 3,715 87,667
,589 3,099 90,766
,365 1,922 92,688
,336 1,768 94,455
,216 1,136 95,591
,156 ,820 96,411
,109 ,575 96,986
,107 ,566 97,552
,080 ,421 97,973
,078 ,409 98,382
,060 ,317 98,699
,059 ,309 99,008
,047 ,246 99,254
,044 ,234 99,488
,036 ,190 99,678
,034 ,179 99,857
,027 ,143 100,000
Componente1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
Total% de lavarianza % acumulado Total
% de lavarianza % acumulado Total
% de lavarianza % acumulado
Autovalores inicialesSumas de las saturaciones al cuadrado de
la extracciónSuma de las saturaciones al cuadrado de
la rotación
Método de extracción: análisis de componentes principales.
En el primer factor, que explica un 50% de la varianza, se agrupan un mayor
número de variables, entre las que se incluyen todas las que se habían
utilizado para el análisis factorial realizado con una muestra de 34 variables y
algunas de las incluidas en este segundo análisis. Se puede denominar a este
primer factor Factor 2A- Tecnología General y es el que se toma de referencia
dentro del apartado de tecnología para el análisis posterior. En el segundo
factor se agrupan básicamente las variables que hacen referencia a las TIC y al
Gobierno. Se puede denominar a este grupo Factor 2B – Gobierno y TIC.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
326
Cuadro 5.57.
Matriz de components rotados
1 2
Uso de Internet por las empresas 0,898
Colaboración en investigación universidad industria 0,889
Gasto empresarial en I + D 0,887
Calidad de las instituciones de investigación 0,851
Convergencia contenido digital 0,833 0,450
Leyes relativas a TIC 0,830 0,478
Uso de Internet en los colegios 0,828 0,420
Disponibilidad de últimas tecnologías 0,823 0,464
Prevalencia de tecnología extranjera 0,775 0,418
Absorción de tecnología por empresas 0,756 0,531
Competencia en el sector ISP 0,751
Servicios gubernamentales online 0,728 0,525
FDI y transferencia tecnología extranjera 0,508 0,441
Estrategia del Gobierno en TIC 0,925
Exito Gobierno en promoción de las TIC 0,921
Prioridad del Gobierno a las TIC 0,888
Presencia TIC en oficinas gobierno 0,573 0,724
Tecnología avanzada proporcionada por el Gobierno 0,570 0,718
TIC y productividad gubernamental 0,562 0,711
Component
Método de extracción: análisis de componentes principales. La rotación convergió en 3 iteraciones
Tercer grupo: variables Institucionales
En el apartado Institucional , a las 5 variables incluidas en el Factor 3-
Institucional, obtenido en el análisis factorial realizado con 34 variables se les
han añadido las 69 restantes variables de la base de datos hasta un total de
74.
La prueba de esfericidad de Bartlett y el test de KMO confirman la adecuación
del análisis factorial para estas variables.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
327
Cuadro 5.58.
KMO y prueba de Bartlett
,924
16833,862
2701
,000
Medida de adecuación muestral deKaiser-Meyer-Olkin.
Chi-cuadradoaproximado
gl
Sig.
Prueba de esfericidadde Bartlett
El cuadro 5.59 muestra las variables incluidas e indica las comunalidades,
que como puede observarse son altas para todas las variables.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
328
Cuadro 5.59.
Matriz de comunalidades de las variables institucionales
Inicial ExtracciónExpectativas de recesión 1,000 0,627Eficiencia del marco legal 1,000 0,928Gasto público 1,000 0,852Centralización de la política económica 1,000 0,687Derechos de propiedad 1,000 0,878Libertad de prensa 1,000 0,810Fiabilidad de servicios policiales 1,000 0,859Calidad de las infraestructuras 1,000 0,927Sofisticación de los mercados financieros 1,000 0,918Calidad del sistema educativo 1,000 0,877Calidadcarreteras 1,000 0,852Ferrocarril 1,000 0,822Puertos 1,000 0,822Transporte aéreo 1,000 0,846Transporte aéreo internacional 1,000 0,857Redes transporte nacional 1,000 0,872Electricidad 1,000 0,837Infraestructura fax y telefono 1,000 0,740Coste empresarial del terrorismo 1,000 0,853Coste empresarial de la violencia 1,000 0,909Crimen organizado 1,000 0,819Economía sumergida 1,000 0,844Efectividad de nstituciones legislativas 1,000 0,830Confianza en politicos 1,000 0,934Favoritismo de oficiales públicos 1,000 0,930Efecto de los impuestos 1,000 0,784Distorsionde subvenciones 1,000 0,836Costes de la politica agricola 1,000 0,638Peso de la regulacion 1,000 0,754Transparencia del Gobierno 1,000 0,875Procedimientos de aduanas 1,000 0,853Proteccción de la propiedad intelectual 1,000 0,933Reducción de la pobreza 1,000 0,877Calidad de la educación primaria 1,000 0,869Calidad de la educación en matemáticas y yciencias 1,000 0,856
Método de extracción: análisis de componentes principales.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
329
Cuadro 5.59.
Matriz de comunalidades de las variables institucionales
Inicial ExtracciónCalidad de las escuelas de negocios 1,000 0,809Fuga de cerebros 1,000 0,773Disponibilidad de científicos e ingenieros 1,000 0,833Practicas de contratación y despido 1,000 0,781Cooperación trabajdor-empleador 1,000 0,710Flexibilidad en determinación de salarios 1,000 0,725Salario y productividad 1,000 0,800Facilidad de contratación de extranjeros 1,000 0,705Formacion del staff 1,000 0,895Desigualdad salarial por sexo 1,000 0,866Empleo de la mujer en el sector privado 1,000 0,859Corrupción empresas nacionales 1,000 0,933Corrupción empresas extranjeras 1,000 0,897Independencia judicial 1,000 0,875Medidas contra la corrupción 1,000 0,884Desviación de fondos públicos 1,000 0,954Pagos irregulares de exportaciones 1,000 0,928Pagos irregulares en energía 1,000 0,862Pagos irregulares en recaudación de impuestos 1,000 0,895Pagos irregulares en contratos públicos 1,000 0,951Pagos irregulares en decisiones judiciales 1,000 0,913coste de la corrupción en los negocios 1,000 0,923Impacto del nepotismo 1,000 0,881Comportamiento ético de las empresas 1,000 0,937Soborno en empresas 1,000 0,911Regulación del cambio climático 1,000 0,852Regulación medioambiental 1,000 0,906Aplicación de la regulación medioambiental 1,000 0,917Calidad medioambiental 1,000 0,768Impacto de la malaria en los negocios 1,000 0,851Impacto de la tuberculosis en los negocios 1,000 0,903Impacto del sida en los negocios 1,000 0,914Impacto del sida en las operaciones 1,000 0,903Política de información del sida 1,000 0,910Política de tests del sida 1,000 0,902Política de prevención del sida 1,000 0,890Políticas de discriminación de sida 1,000 0,844Políticas de tratamiento de sida 1,000 0,901Efectividad de la política de sida en empresas 1,000 0,793Método de extracción: Análisis de Componentes principales.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
330
Cuadro 5.60.
Varianza total explicada por cada factor
41,288 55,794 55,794 41,288 55,794 55,794 35,186 47,548 47,548
6,936 9,373 65,168 6,936 9,373 65,168 8,375 11,317 58,866
4,067 5,495 70,663 4,067 5,495 70,663 4,205 5,682 64,548
2,351 3,177 73,840 2,351 3,177 73,840 3,271 4,420 68,968
2,269 3,067 76,907 2,269 3,067 76,907 2,830 3,824 72,792
1,417 1,915 78,822 1,417 1,915 78,822 2,580 3,487 76,279
1,345 1,818 80,640 1,345 1,818 80,640 2,106 2,846 79,125
1,242 1,679 82,319 1,242 1,679 82,319 1,791 2,420 81,544
1,231 1,664 83,983 1,231 1,664 83,983 1,462 1,976 83,520
1,016 1,372 85,355 1,016 1,372 85,355 1,358 1,835 85,355
,846 1,143 86,498
,708 ,957 87,455
,668 ,903 88,358
,603 ,815 89,173
,598 ,808 89,981
,571 ,772 90,753
,514 ,695 91,447
,443 ,599 92,047
,417 ,564 92,610
,386 ,521 93,132
,367 ,495 93,627
,344 ,465 94,092
,292 ,395 94,487
,265 ,358 94,845
,254 ,343 95,188
,235 ,318 95,506
,209 ,283 95,788
,199 ,269 96,057
,192 ,260 96,317
,184 ,248 96,565
,165 ,223 96,788
,159 ,214 97,002
,151 ,205 97,207
,141 ,190 97,397
,134 ,181 97,578
,123 ,166 97,744
,118 ,159 97,904
,115 ,155 98,059
,106 ,144 98,202
,105 ,142 98,345
,089 ,121 98,465
,087 ,117 98,582
,086 ,116 98,699
,074 ,100 98,799
,067 ,090 98,889
,064 ,086 98,975
,061 ,082 99,057
,055 ,074 99,132
,054 ,074 99,205
,053 ,072 99,277
,052 ,070 99,347
,046 ,062 99,408
,043 ,059 99,467
,038 ,052 99,519
,035 ,047 99,566
,034 ,045 99,612
,030 ,040 99,652
,028 ,038 99,690
,027 ,036 99,726
,025 ,034 99,759
,025 ,033 99,793
,022 ,029 99,822
,020 ,027 99,849
,018 ,024 99,873
,016 ,022 99,895
,013 ,018 99,913
,012 ,016 99,929
,010 ,014 99,944
,009 ,012 99,955
,008 ,011 99,967
,008 ,010 99,977
,007 ,010 99,987
,006 ,007 99,994
,004 ,006 100,000
Componente1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
Total% de lavarianza % acumulado Total
% de lavarianza % acumulado Total
% de lavarianza % acumulado
Autovalores inicialesSumas de las saturaciones al cuadrado
de la extracciónSuma de las saturaciones al cuadrado
de la rotación
Método de extracción: Análisis de Componentes principales.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
331
Cuadro 5.61.
Matriz de componentes rotados
1 2 3 4 5 6 7 8 9 10
Corrupción empresas nacionales 0,946
Pagos irregulares contrataciones públicas 0,940
Pagos irregulares judiciales 0,928
Comportamiento ético empresas 0,926
Desvío de fondos públicos 0,921
Protección propiedad intelectual 0,920
Sobornos en empresas 0,915
Pagos irregulares en exportaciones 0,909
Coste de la corrupción en los negocios 0,906
aplicación regulación medioambiental 0,903
Calidad de las infraestructuras 0,893
Corrupción empresas extranjeras 0,889
Regulación medioambiental 0,881
Pagos irregulares recaudación impuestos 0,879
Eficiencia del marco legal 0,878
Favoritismo de oficiales públicos 0,876
Independencia judicial 0,860
Impacto nepotismo 0,859
Formacion staff 0,858
Calidad de carreteras 0,853
Procedimientos de aduanas 0,849
Derechos de propiedad 0,846
Confianza en políticos 0,844
Medidas contra corrupción 0,844
Transparencia del Gobierno 0,844
Pagos irregulares energía 0,843
Sofisticación de los mercados financieros 0,838
Puertos 0,825
Calidad medioambiental 0,816
Fiabilidad de servicios policiales 0,796
Transporte aéreo 0,793
Electricidad 0,790
Economía sumergida 0,776
Calidad del sistema educativo 0,767
Reduccion pobreza 0,752 0,467
Efectividad de instituciones legislativas 0,746
Transporte aéreo internacional 0,742 Calidad educación primaria 0,735
Componente
Método de extracción: análisis de componentes principales. La rotación convergió en 3 iteraciones
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
332
Cuadro 5.61.
Matriz de componentes rotados (cont.)
1 2 3 4 5 6 7 8 9 10
Redes transporte nacional 0,734 0,488
Efectividad de políticas de sida en empresas 0,731
Fuga de cerebros 0,722
Calidad de escuelas de negocio 0,708
Gasto público 0,688 0,503
Ferrocarril 0,680 0,554
Distorsión por subvenciones 0,654 0,564
Infraestructura de fax y teléfono 0,652
Crien organizado 0,594 0,516
Cooperación trabajador empleador 0,560 0,421
Calidad de educación en matemáticas y ciencias 0,547 0,505
Coste empresarial de la violencia 0,528 0,407 0,414
Peso de la regulación 0,508 0,413 0,494
Políticas de tratamiento de sida -0,938
Políticas de información de sida -0,917
Políticas de test de sida -0,914
Políticas de prevención de sida -0,900
Políticas de discriminación por sida -0,863
Impacto del sida en los negocios 0,406 0,787
Impacto del sida en operaciones 0,780
Impacto de tuberculosis en negocios 0,497 0,687
Impacto de malaria en negocios 0,467 0,613 0,451
Expectativas de recesión 0,734
Efecto de imopuestos 0,681
Costes de la política agrícola 0,655
Centralización de la política económica 0,614
Disponibilidad de científicos e ingenieros 0,523 0,598
Flexibilidad en determinación de salarios 0,807
Prácticas de contratación y despido 0,778
Salario y productividad 0,410 0,628
Desigualdad salarial por sexo 0,852
Empleo de la mujer en el sector privado 0,827
Coste empresarial del terrorismo 0,885
Facilidad de contratación de extranjeros 0,625
Libertad de prensa 0,512 0,564
Regulación del cambio climático 0,858
Componente
Método de extracción: análisis de componentes principales. La rotación convergió en 3 iteraciones
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
333
En el cuadro 5.60 se muestran los factores obtenidos, que en este caso
son 10; sin embargo, el primero de ellos explica un 47% de la varianza muy
por encima de los restantes.
La matriz de componentes rotados (cuadro 5.61) muestra además como la
mayoría de las variables se asocian a este primer factor, que es el que se
tomará como base para el análisis de conglomerados y el análisis factorial. Se
llamará a este factor resultante Factor 3A – Institucional.
Una vez obtenidos los tres factores, que constituyen los nuevos indicadores
de competitividad es interesante observar cómo se sitúa cada uno de los
países u observaciones respecto a cada factor. Para ello se realizan gráficos
de dispersión de puntos, al igual que se hizo tras el análisis factorial realizado
con 34 variables. Los gráficos de dispersión de puntos permiten observar cómo
se sitúan todos los países y Cataluña en cuanto a los tres factores obtenidos.
En el primer gráfico de dispersión (Véase Figura 5.13) se han agrupado los
países en función del factor 1A- Competitividad Microeconómica, y 2A –
Tecnología.
Como se puede observar, tanto Cataluña como España en su conjunto se
sitúan en el cuadrante superior derecho, junto a la mayoría de los países más
desarrollados. Sin embargo, la situación de Cataluña más arriba y a la
izquierda indica una mejor posición de esta región frente a España en cuanto a
competitividad microeconómica y sin embargo una posición menos favorable
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
334
en cuanto a tecnología. Esto es totalmente coherente con el mayor desarrollo
de los clusters en Cataluña, y refuerza una de las hipótesis centrales de este
estudio: que los clusters inciden positivamente en la competitividad y que esa
influencia se manifiesta sobre todo en el aspecto microeconómico.
Figura 5.13.
Gráfico de dispersión de puntos para los factores 1A (Competitividad
Microeconómica) y 2A (Tecnología).
Factor 2A- Tecnología3,000002,000001,000000,00000-1,00000-2,00000-3,00000
Facto
r 1A
- C
om
peti
tivid
ad
Mic
roeco
nó
mic
a
4,00000
2,00000
0,00000
-2,00000
Suiza
Suecia
Japón
HolandaFrancia
FinlandiaDinamarca
Corea.
Austria
Alemania
Reino UnidoNoruega
Islandia
Canadá
Nueva Zelanda
Australia
SingapurLuxemburgo
TaiwanEstados Unidos
Israel
Irlanda
Puerto Rico
Omán
España
EsloveniaCataluña
Sudáfrica
Portugal
EstoniaChile
Túnez
Bielorusia
Qatar
Jordania
Emiratos Arabes Unidos
Namibia
Mauricio
Malta
Botswana
Barbados
Italia
PoloniaLituania
India
China
Costa Rica
República EslovacaPerú Latvia
Panamá
Bahamas
Egipto
Mexico
Zimbabwe
Trinidad y Tobago
Malawi
Georgia
Tajikistan
Moldavia
Argelia
Lesotho
Uganda
Senegal
Zambia
Armenia
Siria
Mauritania
Mali
LibiaChad
Timor-Leste Mongolia
Ghana
Burundi
Bolivia
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
335
La figura 5.14 muestra a los países agrupados en función de los factores 1 y
3, competitividad microeconómica e instituciones. En este caso el resultado es
parecido, situándose de nuevo Cataluña y España en el cuadrante superior
derecho pero en esta ocasión la diferencia entre ambas observaciones en
cuanto al factor institucional es menor, aunque España sigue estando mejor
posicionada.
Figura 5.14.
Gráfico de dispersión de puntos para los factores 1A
(Competitividad Microeconómica) y 3A (Institucional).
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
336
Con el objeto de ver más claramente las diferencias entre los países situados
en el mismo cuadrante de Cataluña y España se ha realizado un gráfico de
dispersión de puntos únicamente para los países situados en ese cuadrante
(véase figura 5.15).
En primer lugar se ha realizado para los factores 1A y 2A Se observa cómo
Cataluña se sitúa sensiblemente por encima de España en cuanto a
Competitividad Microeconómica, en una posición destacada y junto a países
como Malasia, China o Reino Unido. España se encuentra en una posición más
cercana a la mayoría de países del grupo, que presentan valores muy
parecidos.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
337
Figura 5.15.
Gráfico de dispersión de puntos de los factores 1A (Competitividad
Microeconómica) y 2A (Tecnología) para los países situados en el
cuadrante de España y Cataluña.
Lo mismo ocurre en la figura 5.16, en el que se relacionan los factores 1A y
3A para los países pertenecientes al grupo de Cataluña y España. De nuevo se
observa como la diferencia es mucho más pronunciada en cuanto al factor de
Competitividad Microeconómica que en cuanto al factor Institucional.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
338
Figura 5.16. Gráfico de dispersión de puntos de los factores 1A
(competitividad microeconómica) y 3A (Instituciones) para los países
situados en el cuadrante de España y Cataluña.
Estos gráficos de dispersión de punto permiten observar de forma gráfica la
posición relativa de los distintos países y, sobre todo, de España y Cataluña en
función de los tres factores obtenidos.
Pero con el objeto de obtener una mejor clasificación de los países en función
de cada factor se va a realizar un análisis cluster con los factores obtenidos.
Con este análisis se generarán cuatro grupos dentro de cada factor y se
ordenarán de menor a mayor valoración, es decir, el primer grupo contendrá a
los países que hayan obtenido las valoraciones más bajas en las variables
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
339
representadas por ese factor y el último grupo incluirá aquellos países con
valoraciones más altas en el factor.
6.2.2. Categorización de factores
Se ha realizado de nuevo un análisis cluster con los factores obtenidos. Con
este análisis se generarán grupos dentro de cada factor, lo que permitirá
clasificar a los países de forma más clara en función de cada factor, así como
analizar la distribución de frecuencias en cada uno de los factores.
Factor 1A- Competitividad Microeconómica
Se ha establecido que el número de grupos sea cuatro, y los centros de los
conglomerados resultantes son los siguientes:
Cuadro 5.62.
Centros de los conglomerados finales para el factor 1A.
1 2 3 4Factor 1A- Competitividad Microeconómica -1,13145 -0,21899 0,78439 1,99250
Conglomerado
El grado de significación obtenido en el test ANOVA confirma que el análisis
cluster realizado es correcto.
Cuadro 5.63.
ANOVA
Suma de cuadrados gl
Media cuadrática F Sig.
Inter-grupos 124,041 3 41,347 427,552 ,000Intra-grupos 12,959 134 ,097Total 137,000 137
Factor 1A- Competitividad Microeconómica
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
340
Una vez obtenidos los cuatro grupos se puede realizar un análisis de
frecuencias para el Factor 1A categorizado, que resulta en la siguiente
distribución:
Cuadro 5.64.
Distribución de frecuencias para el factor 1A categorizado
Número inicial de casos
36 26,1 26,1 26,1
56 40,6 40,6 66,7
32 23,2 23,2 89,9
14 10,1 10,1 100,0
138 100,0 100,0
1
2
3
4
Total
ValidFrecuencia Pocentaje
Porcentajeválido
Porcentajeacumulado
Como puede observarse, más del 40% de los países se encuentran en el
grupo 2 en cuanto a Competitividad Microeconómica. Tanto España como
Cataluña se sitúan en el grupo 3. Estos resultados difieren de los obtenidos al
categorizar el Factor 1- Competitividad Microeconómica resultante del análisis
factorial realizado con 34 variables, en el que Cataluña se situaba en el grupo 4
mientras España seguía estando en el grupo 3.
Sin embargo, a pesar de que en este caso las dos observaciones se sitúan
en el grupo 3, el cuadro 5.64 que se muestra a continuación señala los países
incluidos en cada uno de los grupos ordenados de mayor a menor puntuación
factorial y se puede observar que aunque Cataluña se encuentra en el grupo 3,
está entre los primeros del grupo en cuanto a puntuación factorial (1,02799) y,
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
341
por tanto, en cuanto a Competitividad Microeconómica, claramente por encima
de España (0,65187).
Cuadro 5.65.
Distribución de países según el factor 1A categorizado
Grupo 1 Grupo 2 Grupo 3 Grupo 4Tanzania Emiratos Arabes Unidos China Japón Jamaica Kenia Reino Unido Alemania Mauricio Hungría Cataluña (1,02799) Suiza Panamá Libia Malasia Corea. Armenia Nigeria Bielorusia Italia Timor-Leste Chipre Uzbekistan Estados Unidos Venezuela Mauritania Canadá Taiwan Burundi Bulgaria Eslovenia Austria Montenegro Jordania Túnez Francia Malta Croacia Omán Holanda Nepal Mexico Indonesia Dinamarca Gambia Sudáfrica Noruega Finlandia Barbados Chad Israel Bélgica Burkina Faso Nueva Zelanda Hong Kong SAR Suecia Nicaragua Chile República Checa Bolivia Filipinas Siria Mongolia Portugal Arabia Saudí Guyana Tajikistan Ucrania Bangladesh Qatar Brasil Trinidad y Tobago Camboya India Bosnia y Herzegovina Colombia Singapur Paraguay Benin España (0,65187) Albania Serbia Luxemburgo Mozambique República Dominicana Islandia Zimbabwe República Kirguistán Azerbayán Bahrain Camerún Costa Rica Georgia República Eslovaca Irlanda Lesotho Uruguay Egipto Suriname Grecia Polonia Bahamas Estonia Turquía Ghana Mali Lituania Malawi Argelia Argentina Namibia Madagascar Botswana Latvia Angola Macedonia, FYR Zambia Honduras
Ecuador Uganda Brunei Etiopía El Salvador Perú Pakistán Moldavia
Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
342
Factor 2A – Tecnología
Los centros de los conglomerados finales obtenidos para el factor de
tecnología son los siguientes:
Cuadro 5.66.
Centros de los conglomerados finales para el factor 2A- tecnología
1 2 3 4Factor 2A- Tecnología -1,25173 -0,45032 0,37421 1,64676
Conglomerado
El grado de significación obtenido en el test ANOVA confirma que el análisis
cluster realizado es correcto.
Cuadro 5.67.
ANOVA
Suma de cuadrados gl
Media cuadrática F Sig.
Inter-grupos 126,457 3 42,152 535,727 ,000Intra-grupos 10,543 134 ,079Total 137,000 137
Factor 2A- Tecnología
La distribución de frecuencias indica como también en el caso de este factor
un mayor porcentaje de países se encuentra en el grupo 2; no obstante,
España y Cataluña se encuentran en el grupo 3.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
343
Cuadro 5.68.
Distribución de frecuencias para el factor 2A categorizado
Frecuencia PorcentajePorcentaje
válidoPorcentaje acumulado
Válidos 1 28 20,3 20,3 20,32 46 33,3 33,3 53,63 39 28,3 28,3 81,94 25 18,1 18,1 100,0
Total 138 100,0 100,0
En este caso España obtiene una puntuación factorial ligeramente superior a
la de Cataluña (0,68715 frente a 0,51337), como puede observarse en el
cuadro que se muestra a continuación pero ambas están en la parte superior
del grupo 3, es decir, entre los países con mayor puntuación en cuanto a
tecnología dentro de su grupo.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
344
Cuadro 5.69.
Distribución de países según el factor 2A categorizado.
Grupo 1 Grupo 3 Grupo 4Bolivia Mexico Singapur Suiza Macedonia, FYR Grecia Sudáfrica Alemania Vietnam Zimbabwe Polonia Estados Unidos Guyana Namibia Malasia Reino Unido Libia Arabia Saudí Eslovenia Suecia Nicaragua Túnez República Eslovaca Israel Camboya Barbados Estonia Holanda Lesotho Serbia España (0,68715) Canadá Camerún Ecuador Brasil Japón Ghana Trinidad y Tobago Hungría Bélgica Siria Bielorusia Luxemburgo Finlandia Mozambique Jordania Cataluña (0,51337) Corea. Tajikistan Bulgaria India Austria Moldavia Colombia Chile Australia Albania Uruguay Latvia Dinamarca Gambia Rumania Panamá Noruega Timor-Leste Malta Lituania Indonesia Mongolia Bosnia y Herzegovina Filipinas República Checa Chad Honduras Tailandia Puerto Rico Burkina Faso Nigeria Turquía Islandia Benin Pakistán Kuwait Irlanda Burundi Azerbayán Argentina Nueva Zelanda Madagascar Qatar Italia Francia Mali Senegal Rusia Hong Kong SAR Etiopía Suriname Croacia Taiwan Angola Egipto Costa Rica Argelia Emiratos Arabes Unidos Chipre Mauritania República Dominicana Guatemala
Marruecos Omán Kazastán Jamaica Georgia Kenia República Kirguistán Sri Lanka Zambia China Mauricio Venezuela Malawi Bahamas Uganda Ucrania Botswana Perú El Salvador Portugal Bahrain Uzbekistan Tanzania Brunei Nepal Armenia Bangladesh Montenegro Paraguay
Grupo 2
Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
345
Factor 3A - Institucional
En el caso del factor de Instituciones los centros de los conglomerados
obtenidos son los siguientes:
Cuadro 5.70.
Centros de los conglomerados finales para el factor 3A- Institucional
1 2 3 4Factor 3A - Institucional -1,03222 -0,28100 0,76110 1,81570
Conglomerado
El grado de significación obtenido en el test ANOVA confirma que el análisis
cluster realizado es correcto.
Cuadro 5.71.
ANOVA
Suma de cuadrados gl
Media cuadrática F Sig.
Inter-grupos 51,332 3 17,111 27,023 ,000Intra-grupos 83,581 132 ,633Total 134,913 135
Factr 3A- Instituciones
La distribución es algo más homogénea que para los dos factores anteriores.
También en el caso de este factor, España y Cataluña obtienen valoraciones
parecidas y se encuentran en el grupo 3.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
346
Cuadro 5.72.
Distribución de frecuencias para el factor 3A categorizado
La posición de Cataluña (0,48143) es inferior a la de España (0,7539) en
cuanto a puntuación factorial y, por tanto, en cuanto al indicador Institucional,
tal y como muestra el cuadro 5.73.
41 29,7 30,1 30,1 48 34,8 35,3 65,4 28 20,3 20,6 86,0 19 13,8 14,0 100,0
136 98,6 100,0
2 1,4
138 100,0
1 2 3 4 Total
Valido
Total
Frecuencia PorcentajePorcentaje válido
Porcentaje acumulado
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
347
Cuadro 5.73.
Distribución de países según el factor 3A- Institucional
Grupo 1 Grupo 2 Grupo 3 Grupo 4Mali Tailandia Bélgica Finlandia Rumania Costa Rica Barbados Dinamarca Madagascar Zimbabwe Sudáfrica Singapur Ghana Turquía Irlanda Nueva Zelanda Suriname Malawi Emiratos Arabes Unidos Suecia Timor-Leste El Salvador Chile Holanda Ucrania Italia Estados Unidos Islandia República Dominicana Gambia Malasia Alemania Zambia Panamá Portugal Australia Nicaragua Lituania Israel Suiza Uganda Guatemala Taiwan Noruega Nepal Colombia Eslovenia Austria Filipinas Jamaica Túnez Reino Unido Rusia Latvia Botswana Luxemburgo Benin Moldavia España (0,7539) Japón Nigeria Hungría Qatar Francia Burundi Arabia Saudí Namibia Canadá Ecuador Honduras Uruguay Corea. Montenegro Kuwait Brunei Hong Kong SAR Vietnam Bahamas Puerto Rico Bolivia Sri Lanka Omán Venezuela Croacia Estonia República Kirguistán Mexico Cataluña (0,48143) Albania Grecia Jordania Mauritania Polonia Bahrain Libia Marruecos Malta Camboya Tanzania Mauricio Argentina Etiopía Bielorusia Azerbayán Georgia Serbia Egipto Senegal Kenia Bosnia y Herzegovina Macedonia, FYR Camerún República Checa Armenia Argelia Paraguay Pakistán Chad República Eslovaca Angola Tajikistan Siria India Mongolia Perú Indonesia China Bangladesh Kazastán
Brasil Mozambique Burkina Faso Lesotho Trinidad y Tobago Bulgaria Guyana
Fuente: Elaboración propia.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
348
Los resultados son diferentes a los obtenidos en el análisis de conglomerados
con los factores resultantes del primer análisis factorial, ya que en el área de
instituciones, Cataluña se quedaba rezagada en el grupo 1 y España también
obtenía una calificación desfavorable en el grupo 2. Parecen más coherentes
los resultados obtenidos en el presente análisis factorial, realizado con toda la
base de datos, ya que si bien Cataluña presenta ciertamente desventajas a
institucionales, en parte derivadas del hecho de comparar una Comunidad
Autónoma con países, como se ha señalado en el capítulo 4 de esta tesis, no
es lógico suponer que dichas desventajas le sitúen en el grupo 1, junto a
muchos países subdesarrollados.
Las diferencias de resultados de Cataluña y España en los dos análisis
factoriales respecto al factor Institucional se deben a que en el primer análisis
factorial, realizado con una muestra de 34 variables, el factor Institucional
estaba formado por un número reducido de variables, y en el análisis factorial
realizado en el presente apartado, con todas las variables de la base de datos,
el factor Institucional cuenta con un número muy superior de variables y es más
consistente.
6.2.3. Análisis de la relación entre el “estado de desarrollo de los clusters” y los
factores de competitividad mediante análisis de correspondencias múltiples
Con estos tres nuevos factores categorizados que constituyen los nuevos
indicadores de competitividad obtenidos con el análisis factorial de todas las
variables se ha realizado un análisis de correspondencias múltiples con el
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
349
objeto de ver cómo se asocian las distintas categorías. Se han añadido las
variables “región” y “estado de desarrollo de los clusters”. El Cuadro 5.74.
muestra un resumen del modelo realizado.
Cuadro 5.74.
Resumen del modelo de correspondencias múltiples de los
tres factores obtenidos con toda la base de datos
La figura 5.17. muestra de forma muy clara como los tres factores y la
variable “estado de desarrollo de los clusters” se asocian según los grupos
establecidos. En el caso de la variable “estado de desarrollo de los clusters” y
el factor 1A- Competitividad Microeconómica, se observa como la asociación es
muy clara en todos los valores pero especialmente en los valores centrales.
Las observaciones correspondientes a los grupos 2 y 3 de la variable “estado
de desarrollo de los clusters” categorizada se asocian muy estrechamente a las
correspondientes a los grupos 2 y 3 del factor 1A- Competitividad
Microeconómica. En las observaciones correspondientes al grupo 1 la
asociación también es fuerte y se observa asociación, aunque no tan estrecha
en los valores correspondientes al grupo 4.
,904 3,610 ,722
,655 2,101 ,420
5,711 1,142
,812 2,855 ,571
Dimension 1 2 Total Media
Alpha de Cronbach's
TotalAutovalores Inercia
Varianza
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
350
La variable “estado de desarrollo de los clusters” también se asocia claramente
al factor 2A- Tecnología y al 3A-Institucional para cada uno de los grupos.
En cuanto a las regiones es también muy claro como UE15, Oceanía y
América del Norte están asociadas a los grupos 4 de todas las variables, África
a los valores 1 y Asia, Resto de Europa y Resto de América están entre los
valores 2 y 3 de todas las variables.
Figura 5.17.
Diagrama conjunto de puntos de categorías de los factores
obtenidos con toda la base de datos
Dimension 13210-1
Dimension 2
1,5
1,0
0,5
0,0
-0,5
-1,0
-1,5
Africa
Oceanía
Asia Resto América
América del Norte
Resto europa
EU 15
4
3
2
1 4
3
2
14
3
2
1 4
3
2
1
Región Factor 3 InstitucionesFactor 2 Tecnología
Factor 1 Competitividad Microeconómica
Estado desarrollo de los clusters categorizado
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
351
Como conclusiones de este segundo análisis factorial realizado con todas las
variables de la base de datos se pueden señalar las siguientes:
a) Se han obtenido tres factores que explican la mayor parte de la varianza
de las variables, agrupadas en tres temas: Competitividad
Microeconómica (factor 1A), Tecnología (factor 2A) e Institucional
(factor 3A). Estos tres factores son los indicadores de competitividad
que se utilizarán para medir los resultados de España y Cataluña en
cuanto a competitividad.
b) La categorización de estos factores permite clasificar a los 137 países y
a Cataluña en función de su grado de competitividad microeconómica,
avance tecnológico y calidad de sus instituciones. Cataluña se sitúa en
el grupo 3 en términos de Competitividad Microeconómica, al igual que
España. Sin embargo, los cuadros de distribución de países según los
grupos ordenados por puntuación factorial permiten comprobar que la
posición de Cataluña dentro del grupo 3 de Competitividad
Microeconómica es superior a la de España.
c) En términos de tecnología e institucional tanto España como Cataluña
presentan resultados similares y están incluidas en el grupo 3.
d) El análisis de correspondencias múltiples ha permitido constatar que el
“estado de desarrollo de los clusters” se asocia muy estrechamente con
los tres indicadores de competitividad y, en concreto, con los resultados
de Competitividad Microeconómica, especialmente en los valores
centrales, correspondientes a los grupos 2 y 3, aunque la asociación es
claramente observable también en los otros grupos. Esto corrobora, al
igual que sucedía con el análisis factorial realizado con 34 variables en
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
352
el apartado 6.1 de este capítulo, la hipótesis central de este estudio,
que es la influencia de los clusters en la competitividad de los países y
regiones.
7. ANÁLISIS DE LA RELACIÓN CAUSAL ENTRE CLUSTERS Y
COMPETITIVIDAD MEDIANTE REGRESIÓN LINEAL.
Los dos análisis factoriales que se han realizado han permitido comprobar
una clara asociación entre la variable “estado de desarrollo de los clusters” y
los tres factores hallados (Competitividad Microeconómica, Tecnología e
Institucional). Un análisis de regresión lineal permitirá analizar la relación de
causalidad entre los clusters y la competitividad y comprobar si son los clusters
los que influyen en la competitividad, y en su caso, a través de qué variables lo
hacen, o si por el contrario es un mayor grado de competitividad el que genera
un mejor desarrollo de los clusters.
Para analizar la posible influencia de los clusters en la competitividad y las
variables a través de las cuales se produce esa influencia se van a utilizar los
factores obtenidos en los dos análisis factoriales realizados. Por tanto, se
realizarán dos grupos de regresiones factoriales, una con los factores
obtenidos en el análisis factorial realizado con 34 variables, y una segunda con
los factores obtenidos en el análisis factorial realizado con todas las variables
de la base de datos.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
353
7.1. Regresión lineal con los indicadores de competitividad resultantes
del análisis factorial realizado con 34 variables
Tomando como base el primer análisis factorial que se ha realizado (en el
que se obtuvieron tres factores que representan tres indicadores de
competitividad (Factor 1- Competitividad Microeconómica, Factor 2 –
Tecnología y Factor 3 – Institucional), se ha realizado un análisis de regresión
lineal con el objeto de estudiar la influencia del Estado de desarrollo de los
clusters sobre estos tres factores, y por tanto en la competitividad, y viceversa.
Para ello, en primer lugar, se ha analizado la influencia de los tres factores
sobre el estado de desarrollo de los clusters y, a continuación, se ha analizado
el efecto inverso: la influencia del estado de desarrollo de los clusters sobre
cada uno de los tres factores.
7.1.1. Variable dependiente: estado de desarrollo de los clusters
En primer lugar se ha realizado un análisis de regresión tomando como
variable dependiente la variable “estado de desarrollo de los clusters” y como
variables independientes los tres factores obtenidos en el primer análisis
factorial que se realizó: Factor 1- Competitividad Microeconómica, Factor 2-
Tecnología y Factor 3-Institucional.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
354
Cuadro 5.75.
Resumen del modelo de regresión con los indicadores obtenidos en el
primer análisis factorial y el estado de desarrollo de los clusters como
variable dependiente.
Resumen del modelo
,839a ,703 ,697 ,41832Modelo1
R R cuadradoR cuadradocorregida
Error típ. de laestimación
Variables predictoras: (Constante), Factor 3 - Institucional,Factor 2 - Tecnología, Factor 1 - Competitividad
a.
El coeficiente de correlación múltiple es claramente alto, lo que indica una
relación fuerte entre la variable dependiente y los tres factores. El coeficiente
de determinación obtenido R cuadrado es de 0,703 lo que indica que más
del 70% de la varianza de la variable “estado de desarrollo de los cluster” está
explicada por el modelo.
El test ANOVA nos permite aceptar la bondad del modelo, y el dato de
significación muestra que la variación explicada por el modelo no se debe al
azar.
Cuatro 5.76.
Test ANOVA.
55,608 3 18,536 105,927 ,000a
23,448 134 ,175
79,056 137
Regresión
Residual
Total
Modelo1
Suma decuadrados gl
Mediacuadrática F Sig.
Variables predictoras: (Constante), Factor 3 - Institucional, Factor 2 - Tecnología,Factor 1 - Competitividad
a.
Los coeficientes beta (β) son todos estadísticamente significativos. Los
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
355
factores de Competitividad, Tecnología e Institucional tienen por tanto un
impacto positivo en el “estado de desarrollo de los cluster”, aunque se observa
que la Competitividad Microeconómica es el factor con mayor peso.
Cuadro 5.77.
Coeficientes para los tres factores.
3,578 ,036 100,467 ,000
,501 ,036 ,659 14,004 ,000
,325 ,036 ,428 9,095 ,000
,223 ,036 ,294 6,240 ,000
(Constante)
Factor 1 - Competitividad
Factor 2 - Tecnología
Factor 3 - Institucional
Modelo1
B Error típ.
Coeficientes noestandarizados
Beta
Coeficientesestandarizados
t Sig.
7.1.2. Variable independiente: estado de desarrollo de los clusters
En este análisis de regresión se trata de comprobar la influencia del “estado
de desarrollo de los clusters” sobre cada uno de los tres indicadores de
competitividad que han resultado del análisis factorial realizado con 34
variables, es decir, si el “estado de desarrollo de los clusters” influye sobre la
Competitividad Microeconómica (representada por las variables incluidas en el
Factor 1-Competitividad), si influye sobre la competitividad Tecnológica
(representada por las variables incluidas en el Factor 2-Tecnología) y si influye
sobre la competitividad Institucional (representada por las variables incluidas en
el Factor 3- Institucional). Para ello se realizan tres regresiones lineales
bivariables en las que la variable independiente es el “estado de desarrollo de
los clusters” y la variable dependiente será cada uno de los tres factores
resultantes del análisis factorial realizado con anterioridad.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
356
a) Primer análisis
Variable independiente: “estado de desarrollo de los clusters”
Variable dependiente: Factor 1-Competitividad Microeconómica
Cuadro 5.78.
Resumen del modelo de regresión del factor 1A y el
“estado de desarrollo de los clusters”.
,659a ,434 ,430 ,75501613Modelo1
RR
cuadradoR cuadradocorregida
Error tip. de laestimación
Variables predictoras: (Constante), "estado de desarrollode los clusters".
a.
En este caso el coeficiente R obtenido muestra que hay una relación
significativa entre el “estado de desarrollo de los clusters” y la competitividad
definida por el Factor 1. El R cuadrado obtenido indica que un 43,4% de la
varianza del Factor 1-Competitividad está explicada por el modelo.
El test ANOVA nos permite aceptar la bondad del modelo, y el dato de
significación muestra que la variación explicada por el modelo no se debe al
azar.
Cuadro 5.79.
Test ANOVA.
59,473 1 59,473 104,330 ,000 a
77,527 136 ,570
137,000 137
Regresion Residual
Total
Modelo 1
Suma decuadrados df
Mediacuadrática F Sig.
Predictores: (Constante), "estado de desarrollo de los clusters".a.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
357
Cuadro 5.80.
Coeficientes del modelo.
El coeficiente beta (β) es estadísticamente significativo1. El “estado de
desarrollo de los clusters” tiene por tanto un impacto positivo en el grado de
Competitividad Microeconómico.
b) Segundo análisis
Variable independiente: “estado de desarrollo de los clusters”
Variable dependiente: Factor 2- Tecnología
Cuadro 5.81.
Resumen del modelo de regresión del factor 2 y el
“estado de desarrollo de los clusters”.
,428a ,183 ,177 ,90714850Modelo1
RR
cuadradoR cuadrado
ajustadoError tip. de la
estimación
Predictores: (Constante), "estado de desarrollo de losclusters".
a.
El test ANOVA nos permite aceptar la bondad del modelo y el dato de
significación muestra que la variación explicada por el modelo no se debe al
azar.
1 El coeficiente beta es el coeficiente de regresión parcial estandarizado y define la ecuación de regresión.
-3,103 ,311 -9,993 ,000
,867 ,085 ,659 10,214 ,000
(Constante)
Estado de desarrollo de los clusters
Modelo 1
B Error tip.
Coeficientes noestandarizados
Beta
Coeficientesestandarizados
t Sig.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
358
Cuadro 5.82.
Test ANOVA.
El coeficiente beta (β) es estadísticamente significativo. El “estado de
desarrollo de los clusters” tiene por tanto un impacto positivo en el aspecto de
tecnología.
Cuadro 5.83.
Coeficientes para el modelo de regresión del factor 2 y
el “estado de desarrollo de los clusters”.
En este caso tanto el coeficiente R como R cuadrado descienden
significativamente, lo que indica que la relación del “estado de desarrollo de los
clusters” sobre el Factor 2 – Tecnología es menos significativa que sobre el
Factor 1.
c) Tercer análisis
Variable independiente: “estado de desarrollo de los clusters”
Variable dependiente: Factor 3- Institucional
25,083 1 25,083 30,481 ,000 a
111,917 136 ,823
137,000 137
Regresion Residual
Total
Modeo 1
Suma decuadrados df
Mediacuadrática F Sig.
Predictores: (Constante), "estado de desarrollo de los clusters".a.
-2,015 ,373 -5,401 ,000
,563 ,102 ,428 5,521 ,000
(Constante)
Estado de desarrollo de los clusters
Modelo 1
B Error tip.
Coeficientes noestandarizados
Beta
Coeficientesestandarizados
t Sig.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
359
En el caso del Factor 3 – Institucional, el resultado muestra una relación aún
menor entre el “estado de desarrollo de los clusters” y las instituciones. El R
obtenido en la regresión lineal es de 0,294 y el dato de R cuadrado obtenido
indica que tan sólo un 0,86% de la varianza del Factor 3 – Institucional está
explicada por el modelo.
Cuadro 5.84.
Resumen del modelo de regresión entre el factor 3 y el
“estado de desarrollo de los clusters”.
,294a ,086 ,079 ,95943906Modelo1
RR
cuadradoR cuadrado
ajustadoError tip. de la
estimación
Predictores: (Constante), "estado de desarrollo de losclusters".
a.
Cuadro 5.85.
Test ANOVA.
El test ANOVA permite aceptar la bondad del modelo y el coeficiente beta (β)
es estadísticamente significativo. El “estado de desarrollo de los clusters” tiene
por tanto un impacto positivo en las instituciones, aunque el R cuadrado
obtenido muestra que este impacto es bajo.
11,809 1 11,809 12,828 ,000 a
125,191 136 ,921
137,000 137
Regresion Residual Total
Modelo 1
Suma decuadrados df
Mediacuadrática F Sig.
Predictores: (Constante), "estado de desarrollo de los clusters".a.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
360
Cuadro 5.86.
Coeficiente para el modelo de regresión del factor 3 y el “estado de
desarrollo de los clusters”.
7.2. Regresión lineal con los indicadores de competitividad resultantes
del análisis factorial de toda la base de datos.
En esta ocasión el análisis de regresión lineal se ha realizado tomando los
indicadores resultantes del segundo análisis factorial ,el que se ha realizado
incluyendo todas las variables de la base de datos, y que son el factor 1A-
Competitividad Microeconómica, el factor 2A-Tecnología y el factor 3A-
Institucional.
La regresión lineal se ha realizado también en dos fases: en primer lugar, se
ha estudiado la influencia de los tres factores sobre el “estado de desarrollo de
los clusters” y, a continuación, se ha estudiado la influencia del “estado de
desarrollo de los clusters” sobre cada uno de los factores.
7.2.1. Variable dependiente: “estado de desarrollo de los clusters”.
En primer lugar, se ha realizado un análisis de regresión tomando como
-1,383 ,395 -3,504 ,001
,386 ,108 ,294 3,582 ,000
(Constante)
"estado dedesarrollo de los clusters"
Modelo 1
B Error tip.
Coeficientes noestandarizados
Beta
Coeficientesestandarizados
t Sig.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
361
variable dependiente la variable Estado de desarrollo de los clusters y como
variables independientes los tres factores obtenidos en el segundo análisis
factorial que se realizó.
Cuadro 5.87.
Resumen del modelo de regresión con los indicadores obtenidos en el
análisis factorial con toda la base de datos y el “estado de desarrollo de
los clusters”.
,801a ,642 ,634 ,46137Modelo1
RR
cuadradoR cuadrado
ajustadoError típico dela estimación
Predictores: (Constante), Factor 3A - Instituciones, Factor1A- Competitividad Microeconómica, Factor 2A- Tecnología
a.
El coeficiente de correlación múltiple es claramente alto, lo que indica una
relación fuerte entre la variable dependiente y los tres factores. El coeficiente
de determinación obtenido o R cuadrado es de 0,634 lo que indica que más
del 60% de la varianza de la variable cluster está explicada por el modelo, es
decir, los tres indicadores de competitividad influyen sobre el estado de
desarrollo de los clusters.
El test ANOVA nos permite aceptar la bondad del modelo, y el dato de
significación muestra que la variación explicada por el modelo no se debe al
azar.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
362
Cuadro 5.88.
Test ANOVA.
Los coeficientes beta (β) son estadísticamente significativos para los factores
1A-Microeconomía y 2A- Tecnología, aunque no para el factor de Institucional.
Los factores de Competitividad Microeconómica y Tecnología tienen un
impacto positivo en el “estado de desarrollo de los clusters”.
Cuadro 5.89.
Coeficientes para los tres factores.
7.2.2. Variable independiente: “estado de desarrollo de los clusters”
En este análisis de regresión se trata de comprobar la influencia del Estado
de desarrollo de los clusters sobre cada uno de los tres indicadores de
competitividad que han resultado del segundo análisis factorial, es decir, si el
“estado de desarrollo de los clusters” influye sobre la Competitividad
50,446 3 16,815 78,998 ,000 a
28,097 132 ,213
78,544 135
Regression Residual
Total
Modelo 1
Suma decuadrdos df
Mediacuadrática F Sig.
Predictores: (Constante), Factor 3A - Instituciones, Factor 1A- Competitividad Microeconómica, Factor 2A- Tecnología
a.
3,574 ,040 90,325 ,000
,295 ,058 ,388 5,089 ,000
,307 ,070 ,406 4,363 ,000,066 ,058 ,086 1,129 ,261
(Constante)
Factor 1A- Competitividad Microeconómica Factor 2A- Tecnología Factor 3A - Instituciones
Modelo 1
B Std. Error
Coeficientes noestandarizados
Beta
Coeficientesestandarizados
t Sig.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
363
Microeconómica (entendida como las variables incluidas en el Factor 1A-
Competitividad microeconómica), si influye sobre la competitividad Tecnológica
(entendida como las variables incluidas en el Factor 2A-Tecnología) y si influye
sobre la competitividad Institucional (entendida como las variables incluidas en
el Factor 3A- Instituciones). Para ello se realizan tres regresiones lineales
bivariables en las que la variable independiente es el “estado de desarrollo de
los clusters” y la variable dependiente será cada uno de los tres factores
resultantes del análisis factorial realizado con anterioridad.
a) Primer análisis”
Variable independiente: “estado de desarrollo de los clusters
Variable dependiente: Factor 1A-Competitividad Microeconómica
Cuadro 5.90.
Resumen del modelo de regresión entre el factor 1A y el “estado de
desarrollo de los clusters”.
,735a ,540 ,536 ,68096766Modelo1
RR
cuadrado
Rcuadradoajustado
Error tip de laestimación
Predictores: (Constant), "estado de desarrollo de losclusters".
a.
El coeficiente de correlación múltiple es alto, lo que indica una relación clara
entre el “estado de desarrollo de los clusters” y la Competitividad
Microeconómica. El coeficiente de determinación obtenido o R cuadrado es de
0,536 lo que indica que más del 50% de la varianza de la variable cluster está
explicada por el modelo.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
364
El test ANOVA nos permite aceptar la bondad del modelo, y el dato de
significación muestra que la variación explicada por el modelo no se debe al
azar.
Cuadro 5.91.
Test ANOVA.
Cuadro 5.92.
Coeficientes para el modelo de regresión del factor 1A y el “estado de
desarrollo de los clusters”.
El coeficiente beta (β) es estadísticamente significativo. El “estado de
desarrollo de los clusters” tiene por tanto un impacto positivo en el grado de
competitividad microeconómico y esto corrobora una de las hipótesis
principales de esta tesis.
b) Segundo análisis
Variable independiente: “estado de desarrollo de los clusters”
Variable dependiente: Factor 2- Tecnología
73,934 1 73,934 159,439 ,000 a
63,066 136 ,464
137,000 137
Regresion Residual
Total
Modelo 1
Suma decuadrados df
Mediacuadrática F Sig.
Predictorse: (Constante), "estado de desarrollo de los clusters".a.
-3,460 ,280 -12,353 ,000
,967 ,077 ,735 12,627 ,000
(Constante)
Estado de desarrollo de los clusters
Modelo 1
B Error tip.
Coeficientes noestandarizados
Beta
Coeficientesestandarizados
t Sig.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
365
En este caso se trata de comprobar si existe relación directa entre el estado
de desarrollo de los clusters y la tecnología, medida por el factor 2A.
Cuadro 5.93.
Resumen del modelo de regresión entre el factor 2A
y el “estado de desarrollo de los clusters”
El coeficiente de correlación múltiple es alto, lo que indica una relación clara
entre el estado de desarrollo de los clusters y la competitividad tecnológica. El
coeficiente de determinación obtenido o R cuadrado es de 0,56 lo que indica
que más del 50% de la varianza de la variable cluster está explicada por el
modelo.
El test ANOVA nos permite aceptar la bondad del modelo, y el dato de
significación muestra que la variación explicada por el modelo no se debe al
azar.
,751 a ,563 ,560 ,66326385
Modelo 1
R R
cuadrado
Rcuadradoajustado
Error tip. de la estimación
Predictores: (Constante), "estado de desarrollo de losclusters".
a.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
366
Cuadro 5.94.
Test ANOVA.
Estos resultados difieren sensiblemente de los obtenidos al realizar esta
misma regresión lineal pero con el factor tecnológico obtenido en el primer
análisis factorial, en el que la correlación entre ambos no era tan significativa.
El coeficiente beta (β) es estadísticamente significativo. El “estado de desarrollo
de los clusters” tiene por tanto un impacto positivo en el factor de Tecnología.
Cuadro 5.95.
Coeficientes para el modelo de regresión del factor 2A y el “estado de
desarrollo de los clusters.
c) Tercer análisis
Variable independiente: “estado de desarrollo de los clusters”
Variable dependiente: Factor 3- Institucional
En el caso del Factor 3 – Institucional, el resultado muestra una relación menor
77,171 1 77,171 175,421 ,000 a
59,829 136 ,440
137,000 137
Regresion Residual
Total
Modelo 1
Suma decuadrado
s dfMedia
cuadratica F Sig.
Predictores: (Constante), "estado de desarrollo de los clusters".a.
-3,535 ,273 -12,958 ,000
,988 ,075 ,751 13,245 ,000
(Constante)
Estado de desarrollo de los clusters
Modelo 1
B Error tip.
Coeficientes noestandarizados
Beta
Coeficientesestandarizados
t Sig.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
367
entre el ”estado de desarrollo de los clusters” y las Instituciones, que son los
otros dos indicadores de competitividad. El dato de R cuadrado obtenido indica
que un 35% de la varianza del Factor 3 – Institucional está explicada por el
modelo. Sin embargo, este resultado es significativamente más alto que el que
se obtenía con el factor 1- Institucional obtenido en el primer análisis factorial
con 34 variables.
Cuadro 5.96.
Resumen del modelo de regresión entre el factor 3A y
el “estado de desarrollo de los clusters”.
,601a ,361 ,356 ,80249352Modelo1
RR
cuadrado
Rcuadradoajustado
Error tip. de ladesviación
Predictores: (Constante), "estado de desarrollo de losclusters".
a.
El test ANOVA nos permite aceptar la bondad del modelo, y el dato de
significación muestra que la variación explicada por el modelo no se debe al
azar.
Cuadro 5.97.
Test ANOVA.
48,705 1 48,705 75,629 ,000 a
86,295 134 ,644
135,000 135
Regresion Residual
Total
Modelo 1
Suma decuadrados df
Mediacuadrática F Sig.
Predictores: (Constante), "estado de desarrollo de los clusters".a.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
368
Cuadro 5.98.
Coeficientes para el modelo de regresión del factor 3A y “el estado de
desarrollo de los clusters”.
El coeficiente beta (β) es estadísticamente significativo. El estado de
desarrollo de los clusters tiene por tanto un impacto positivo en el factor de las
instituciones.
Como conclusiones del análisis de regresión lineal se pueden señalar las
siguientes:
a) Se ha comprobado cómo el “estado de desarrollo de los clusters” es un
predictor de la competitividad a través de factores de Competitividad
Microeconómica, de Tecnología e Institucional, aunque la influencia
mayor se produce a través de los factores microeconómicos.
b) Pero también los tres factores en los que se han dividido las variables de
competitividad (Microeconómicos, de Tecnología e Institucionales)
influyen en el “estado de desarrollo de los clusters”, siendo de nuevo la
influencia de los factores de Competitividad Microeconómico la mayor de
las tres.
-2,812 ,331 -8,506 ,000
,787 ,091 ,601 8,696 ,000
(Constante)
Estado de desarrollo de los clusters
Modelo 1
B Error tip.
Coeficientes noestandarizados
Beta
Coeficientesestandarizados
t Sig.
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
369
Capítulo 5. Investigación empírica utilizando métodos estadísticos alternativos
370
PARTE IV
CONCLUSIONES
CAPITULO 6
CONCLUSIONES
Capítulo 6. Conclusiones
372
Capítulo 6. Conclusiones
373
ÍNDICE
1. INTRODUCCIÓN.........................................................................................375
2. CONCLUSIONES PARCIALES...................................................................377
2.1. Del marco conceptual...........................................................................377
2.1.1. Conclusiones parciales respecto al concepto de
competitividad...........................................................................377
2.1.2. Conclusiones parciales respecto al concepto de cluster............379
2.2. Del estudio empírico.............................................................................380
2.2.1. Primera fase................................................................................380
2.2.2. Segunda fase..............................................................................382
3. CONCLUSIONES DE LA INVESTIGACIÓN................................................385
Capítulo 6. Conclusiones
374
Capítulo 6. Conclusiones
375
1. INTRODUCCIÓN
El objetivo de esta tesis es demostrar la posible influencia de los clusters en la
competitividad y analizar a través de qué mecanismos o variables se produce
dicha influencia. Para ello se ha estudiado la situación competitiva de España y
otros 136 países y el grado de desarrollo de sus clusters. Además, se ha
realizado un análisis de una región española, Cataluña, en la que existe un
elevado grado de desarrollo de los clusters para intentar comprobar si éstos
están impulsando positivamente el desarrollo económico de esta región y si su
experiencia puede ser aplicada a otras regiones para lograr mejorar la
competitividad de la economía española.
Tal y como se ha desarrollado en capítulos anteriores de esta tesis, los
conceptos de clusters y competitividad han sido ampliamente estudiados y
analizados, y la relación o posible influencia de los clusters sobre la
competitividad de países y regiones es objeto de interés no sólo por parte de la
comunidad académica, sino también por parte de las empresas y
administraciones públicas. A pesar de ello, no existen estudios empíricos que
analicen la influencia de los clusters en la competitividad de países y regiones
con un enfoque global e integrador.
Este vacío justifica el interés que puede tener esta tesis para los estudiosos,
administraciones públicas y sector empresarial, ya que se realiza un análisis en
Capítulo 6. Conclusiones
376
profundidad de la importancia de los clusters en la competitividad en España y,
de forma específica, en Cataluña, en el que además:
- se utiliza un concepto de competitividad de países y regiones amplio e
integrador, en el que se incluyen múltiples variables de tipo macroeconómico y
microeconómico
- se utiliza un concepto de cluster amplio en el que caben agrupaciones del
tipo de los distritos industriales pero también de otras características, en el que
se considera relevante la dimensión geográfica y en el que pueden coexistir
empresas de distintos tamaños, así como instituciones y otros tipos de
organismos
- además de Cataluña y España se incluyen otros 136 países, lo que
proporciona una visión internacional del tema
- se combina una metodología ampliamente reconocida, como es la del Índice
de Competitividad de los Negocios del Foro Económico Mundial, con métodos
estadísticos alternativos. El Índice de Competitividad de los Negocios
proporciona una selección de variables reconocida y probada, así como unos
primeros resultados, que podrán ser analizados en mucho más detalle y
profundidad mediante la utilización de métodos estadísticos alternativos.
En el estudio realizado a lo largo de esta tesis se ha partido de las siguientes
hipótesis:
1. Los clusters pueden influir positivamente en la competitividad de los
países y las regiones
Capítulo 6. Conclusiones
377
2. La influencia de los clusters sobre la competitividad suelen producirse
especialmente a través de determinadas variables del entorno
microeconómico en el que operan las empresas
3. El mayor grado de desarrollo de los clusters en Cataluña respecto al
resto de España en su conjunto debería implicar mayores tasas de
competitividad, especialmente, en lo referente a la competitividad
microeconómica.
Este capítulo presenta las principales conclusiones tanto parciales como
generales de la investigación realizada.
2. CONCLUSIONES PARCIALES 2.1. Del marco conceptual
Las conclusiones parciales que pueden extraerse con respecto al marco
conceptual desarrollado en esta tesis pueden agruparse en las referentes al
concepto de competitividad y las referentes al concepto de clusters.
2.1.1. Conclusiones parciales respecto al concepto de competitividad.
a) Aunque el término competitividad es un concepto maduro, no se
puede concluir que exista una definición generalmente aceptada, ni
que los factores que influyen sobre la competitividad sean los
mismos para los diferentes autores y organismos que la han
estudiado. No obstante, sí se puede destacar que existe una
evolución del concepto desde nociones basadas esencialmente en
aspectos macroeconómicos a otras en las que los aspectos
Capítulo 6. Conclusiones
378
microeconómicos cobran cada vez más importancia y, con ellos el
papel que las empresas desempeñan como impulsoras de la
competitividad de los países ha ido aumentando. También es de
destacar la tendencia de muchos autores a relacionar, en ocasiones
muy estrechamente, los términos competitividad y productividad
aunque se debe mantener siempre clara la diferencia existente entre
ambos conceptos.
En esta tesis se ha decido seguir el concepto de competitividad más
amplio e integrador, que incluye tanto variables macroeconómicas
como microeconómicas.
b) Respecto a cómo medir la competitividad, aunque no existe una
única metodología unánimemente aceptada, sí se pueden destacar
los índices realizados anualmente por el Foro Económico Mundial y
el International Institute for Management Development, los cuales
son reconocidos internacionalmente por la metodología utilizada y la
información aportada.
En esta tesis se ha decido utilizar la metodología del Foro Económico
Mundial, ya que incluye un número muy superior de países y,
además, su Índice de Competitividad de los Negocios contempla
expresamente el papel de los clusters.
.
Capítulo 6. Conclusiones
379
2.1.2. Conclusiones parciales respecto al concepto de cluster.
a) Existen diferencias con respecto a la definición de cluster y a la
delimitación del concepto y además, discrepancias entre autores cuando
se trata precisamente de centrar o definir esos límites. Sin embargo, sí
se pueden extraer algunas características más generalmente aceptadas,
como son: la inclusión de una dimensión geográfica y una necesidad de
un grado de proximidad entre empresas del cluster, aunque ésta no
esté definida de modo preciso; la existencia de relaciones tanto de
cooperación como de competencia y, la posibilidad de que en el cluster
coexistan distintos tipos de empresas e instituciones de tamaño
diferente. Este es el concepto de cluster que se ha decidido seguir en
esta tesis y en el que tienen cabida agrupaciones del tipo de los distritos
industriales pero también de otras características.
b) Pese a los diversos estudios que se han realizado no se ha logrado
obtener un único criterio para la identificación y análisis de los clusters
ya que los métodos utilizados en los distintos estudios han sido muy
diversos. No obstante, gracias a los resultados de esos estudios se ha
podido obtener información sobre la identificación, localización,
características y funcionamiento de clusters en distintos países, lo que
constituye un buen punto de partida para nuevos trabajos.
c) Se puede considerar que los clusters generan ciertas ventajas tanto para
las empresas que los integran como para las regiones donde se
Capítulo 6. Conclusiones
380
desarrollan, derivadas tanto de la aglomeración empresarial como de la
difusión del conocimiento.
d) Aunque se han realizado diversos estudios que relacionan clusters y
competitividad estos se han centrado o bien en un grupo de empresas, o
bien en alguna de las ventajas de los clusters o algún aspecto concreto
relacionado con la competitividad de los países y regiones. En realidad,
faltan trabajos empíricos que aporten una visión más global e integral de
la influencia de los clusters en la competitividad de países y regiones y
de los mecanismos a través de los cuales se produce esta influencia.
Además se considera de gran interés incluir en estos análisis a las
principales economías mundiales.
2. 2. Del estudio empírico.
La investigación empírica se ha realizado en dos fases, generándose las
conclusiones parciales que se presentan a continuación.
2.2.1. Primera fase.
En esta fase se ha aplicado la metodología del Foro Económico Mundial en su
Índice de Competitividad de los Negocios a las observaciones de Cataluña, con
el objeto de comprobar si un mayor grado de desarrollo de los clusters tiene
implicaciones directas en la competitividad, especialmente en el área
microeconómica, y se ha observado que:
Capítulo 6. Conclusiones
381
a) Los resultados obtenidos para Cataluña en cuanto a competitividad
se sitúan claramente por debajo de los de España por lo que en este
caso no existe evidencia de que un mayor grado de desarrollo de los
clusters se de necesariamente con altas tasas de competitividad
general de la región.
b) Tampoco se observa una influencia del mayor desarrollo de los
clusters sobre el entorno microeconómico de Cataluña en relación a
España, ya que en el Índice de Competitividad Microeconómico el
entorno de negocios en Cataluña también obtiene unos resultados
sensiblemente por debajo de los de España.
c) No obstante, sí existen determinados aspectos en los que Cataluña
presenta resultados superiores a los de España y que parecen
indicar un mayor dinamismo de los mercados y de las empresas que
operan en clusters. Algunos de estos aspectos son: la capacidad de
innovación; el número de patentes; la naturaleza de la ventaja
competitiva; la calidad de los proveedores locales; la competencia en
el mercado local; la disponibilidad local de servicios especializados
en investigación y formación; la disponibilidad de equipos
industriales; el control de la distribución internacional o el dominio del
mercado. Por tanto se puede afirmar que existe evidencia de ciertas
ventajas competitivas en aspectos de tipo microeconómico en
regiones como Cataluña, en las que el estado de desarrollo de los
clusters es alto. Estos indicios de asociación entre el desarrollo de
los clusters y ciertas variables de competitividad microeconómica se
Capítulo 6. Conclusiones
382
han estudiado en profundidad en la segunda parte del análisis
empírico.
2.2.2. Segunda fase.
En una segunda fase se ha profundizado en la relación entre el grado de
desarrollo de los clusters y la competitividad, así como con las variables que
influyen en dicha competitividad, utilizando la misma base de datos que el Foro
Económico Mundial utiliza para el Índice de Competitividad Global, añadiendo
las observaciones de Cataluña y aplicando una metodología alternativa basada
exclusivamente en métodos estadísticos.
En esta parte de la investigación empírica, realizada con métodos estadísticos
alternativos, la relación entre el estado de desarrollo de los clusters y la
competitividad se ha evidenciado en diversos apartados del análisis. También
se han identificado las principales variables a través de las cuales se produce
esta influencia.
a) Se ha demostrado la asociación entre la variable “estado de desarrollo
de los clusters” y otras 12 variables relativas al entorno microeconómico
en el que actúan las empresas. Esto se ha realizado mediante las tablas
de contingencia. Estos resultados corroboran además las evidencias de
asociación entre el “estado de desarrollo de los clusters” y las variables
que se apuntaron en la primera parte de la investigación empírica, como:
la capacidad de innovación; el número de patentes; la naturaleza de la
ventaja competitiva; la calidad de los proveedores locales; la
Capítulo 6. Conclusiones
383
competencia en el mercado local; la disponibilidad local de servicios
especializados en investigación y formación; la disponibilidad de equipos
industriales o el control de la distribución internacional.
b) Las variables se agrupan claramente en torno a tres factores que definen
grandes temas que afectan a la competitividad general de un país o
región, en concreto: la competitividad microeconómica, la tecnología y
las instituciones. Estos factores pueden constituir nuevos indicadores de
competitividad que permiten un análisis alternativo de la competitividad,
así como un mecanismo para analizar la influencia de los clusters en la
competitividad.
c) La categorización de estos factores ha permitido clasificar a España,
Cataluña y los otros 136 países en función de su tasa de competitividad
microeconómica, avance tecnológico y calidad de sus instituciones. La
valoración de Cataluña en términos de competitividad microeconómica
es muy positiva, situándose en los dos análisis factoriales realizados por
encima del valor obtenido por España de forma global. Esto supone un
resultado diferente del obtenido en la primera parte del análisis empírico
realizado según la metodología del Índice de Competitividad de los
Negocios del Foro Económico Mundial, que otorga a Cataluña una tasa
de competitividad microeconómica por debajo del de España. Aunque
resulta lógico que al aplicarse diferentes metodologías a unos mismos
datos los resultados varíen, hay que señalar que los resultados
obtenidos en el capítulo 5, aplicando métodos estadísticos alternativos,
Capítulo 6. Conclusiones
384
verifican en mayor medida la hipótesis de que los clusters influyen en la
competitividad y, por tanto, que los países o regiones con mayor grado
de desarrollo de los clusters deberían verlo reflejado en sus tasas de
competitividad.
d) Se ha constatado, mediante análisis de correspondencias múltiples, que
el estado de desarrollo de los clusters se asocia muy estrechamente con
los tres indicadores de competitividad y, en concreto, con la
competitividad microeconómica. Esto corrobora una de las hipótesis
centrales de este estudio, que es la importancia de los clusters en la
competitividad.
e) Las regresiones lineales realizadas han permitido corroborar esta
relación, y han demostrado que es bidireccional. Por un lado, el estado
de desarrollo de los clusters influye en la competitividad a través de
factores de competitividad microeconómica, de tecnología y de
instituciones, aunque la mayor influencia se produce a través de los
factores microeconómicos. Por otro lado, los tres factores en los que se
han divido las variables de competitividad (microeconómicos, de
tecnología e institucionales) influyen en el estado de desarrollo de los
clusters, siendo de nuevo la influencia de los factores de competitividad
microeconómico la mayor de las tres.
Capítulo 6. Conclusiones
385
3. CONCLUSIONES DE LA INVESTIGACIÓN
Como conclusiones generales de la investigación se puede destacar que se
ha demostrado la influencia de los clusters en la competitividad y se han
comprobado las variables a través de las cuales se produce esa influencia.
1. Con los resultados de los análisis factoriales, de correspondencias
múltiples y de regresión realizados en la segunda parte del análisis
empírico de esta tesis se comprueba que los clusters influyen
positivamente en la competitividad de los países y las regiones. Esto se
ha demostrado para España y otros 136 países, así como para la
Comunidad Autónoma de Cataluñña. Además, por primera vez se ha
aplicado la metodología del Foro Económico Mundial a Cataluña, lo
que supone una aportación única para entender las claves de la
competitividad de esta Comunidad Autónoma y la influencia que en ella
tienen los clusters.
2. La influencia de los clusters sobre la competitividad en España, Cataluña
y el resto de países analizados se produce, sobre todo, a través de
determinadas variables del entorno microeconómico en el que operan
las empresas. Se ha mostrado evidencia de asociación entre el “estado
de desarrollo de los clusters” y dichas variables en la primera parte del
análisis empírico y, posteriormente, se ha comprobado que el “estado de
desarrollo de los clusters” se asocia claramente a estas variables de tipo
Capítulo 6. Conclusiones
386
microeconómico a través de las tablas de contingencia y
correspondencias múltiples.
3. El mayor grado de desarrollo de los clusters en Cataluña respecto a
España en su conjunto debería implicar mayores tasas de
competitividad, especialmente en lo referente a la competitividad
microeconómica. Esta hipótesis no ha podido verificarse en la primera
parte del estudio empírico, pero sí en la segunda, en la que se han
desarrollado nuevos indicadores de competitividad en base a análisis
factoriales y se ha observado cómo Cataluña obtiene resultados
superiores a España en cuanto a competitividad microeconómica.
En definitiva, se puede mantener que los clusters pueden mejorar la
competitividad de las áreas territoriales en las que se establecen, con las
repercusiones que esto puede tener para las Administraciones Públicas, que
pueden utilizarlos como un instrumento de gran potencial para lograr un mayor
desarrollo económico, y para las empresas, que son a fin de cuentas las
integrantes de los clusters y protagonistas, en última instancia, de la
competitividad de los países y regiones.
Capítulo 6. Conclusiones
387
Capítulo 6. Conclusiones
388
REFERENCIAS
389
Acemoglu, D., Johnson, S., Robinson, J. y Thaicharoen, Y. (2003).
“Institutional causes, macroeconomic symptoms: volatility, crises and
growth”, Journal of Monetary Economics, nº 50, pp. 49-123.
Ahedo, M. (2006), “Business Systems and Cluster Policies in the Basque
Country and Catalonia (1990-2004)”, European Urban and Regional
Studies, nº 13 (1), pp. 25-39.
Almeida, P. y Kogut, B. (1999). “Localization of knowledge and the mobility
of engineers in regional networks”, Management Science, nº 45 (7), pp. 905-
917.
Amin, A. y Tomaney, J. (1995). Behind the Myth of European Union.
Prospects for Cohesion. Londres: Routledge.
Aranguren, M.J. (1999). “Determinants of Economics Unit Creation in the
Period 1985-93. The Case of the Manufacturing Industry in the CAPV”,
Small Business Economics, 12 (3), pp. 203-215.
Argandoña, A. (1988). "Competitividad y especialización en la economía
española", en la obra del Círculo de Empresarios La competitividad de la
economía española: determinantes micro y macroeconómicos, pp. 11-22.
Madrid.
390
Asheim, B. (2006). "Economic geography as (regional) contexts", en la obra
de S. Bagchi-Sen y H. Lawton, (Eds), Past, present and future of economic
geography , pp. 173-185. Londres: Routledge.
Asheim, B., Cooke, P. y Martin, R. (2006). "The Rise of the Cluster Concept
in Regional Analysis policy: a Critical Assessment", en la obra de B. Asheim,
P. Cooke y R. Martin, (Eds) Clusters and regional development, pp. 1-29.
Londres: Routledge.
Asheim, B. y Gertler, M (2005). "The Geography of Innovation: Regional
Innovation Systems", en la obra de J. Fegerberg, D. Mowery y R. Nelson
(Eds). The Oxford Handbook of Innovation, pp. 291-317. Oxford: Oxford
University Press.
Audretsch, D.B., y Feldman, M.P. (1996). “R&D spillovers and the
geography of innovation and production”, The American Economic Review,
nº 86, pp. 630-640.
Azua, J. (2003). “La Clusterización de la Actividad Económica: Concepto,
Diseño e Innovación. Apuntes para su Aplicación en la Estrategia
Competitiva de Euskadi”, Ekonomiaz, Revista Vasca de Economía, 53, pp.
222-238.
391
Baldwin, J.R., Gray, T. y Johnson, J. (1995). Technology use, training and
plant specific knowledge in manufacturing establishments. Working paper
No. 86. Otawa: Canada Statistics Micro-Economics Analysis Division.
Ballarín, E. y Blázquez, M.L. (2003). Consumer electronics in Catalonia.
Madrid: IESE Business School Publishing.
Banco de España (2004). La competitividad del sector turístico. Boletín
Económico 9/2004. Madrid: Banco de España.
Banco Mundial (2009). Clusters for Competitiveness. Washington:
International Trade Department, Banco Mundial.
Basant, R. (2002). Knowledge flows and industrial clusters. Ahmedabad:
Indian Institute of Management.
Beaudry, C. y Breschi, S. (2003). « Are firms in clusters really more
innovative?”, Economics of Innovation and New Technology, nº 12 (4), pp.
325-341.
Becattini, G. (1979). "Dal settore industriale al distretto industriali", Rivista di
Economia e Politica Industriale, nº 1, pp. 1-8.
Becattini, G. (1987). Mercato e forze locali: il distretto industriale. Bolonia: Il
Mulino.
392
Becattini, G. (1990). “The marshallian industrial districts as a socio-
economic notion”, en la obra de F. Pyke, G. Becattini y W. Sengenberger,
(Eds), Industrial districts and local economic regeneration, pp. 37-51.
Ginebra: International Institute for Labor Studies.
Becattini, G., Bellandi, M., Dei Ottati, G. y Sforzi, F. (2001). Il caleidoscopio
dello sviluppo locale. Transformazioni economiche nell´Ítalia
contemporanea. Turín: Rosenberg & Sellier.
Bellandi, M. y Russo, M. (1994). Distretto industriale e cambiamento
economico locale. Turín: Rosenberg & Sellier.
Belussi, F. (2006). “In Search of a Useful Theory of Spatial Clustering”, en la
obra de B. Asheim, P. Cooke y R. Martin (Eds) Clusters and Regional
Development, pp. 69-89. Londres: Routledge.
Benzecri, J. (1976). L´analyse des donées. París: Dunod.
Bennett, R., Robson, P. y Bratton, W. (2001). “The influence of location on
the use by SMEs of external advice and collaboration”, Urban Studies, nº 38
(9), pp. 1531-1557.
393
Bergman, E.M. y Feser, E.J. (1999). Industrial and Regional Clusters:
Concepts and Comparative Application. Morgantown: West Virginia
University, Regional Research Institute.
Bibiloni, A. y Pons, J. (2001). “El lento cambio organizativo en la industria
del calzado mallorquina (1900-1960)”, en la obra de F. Arenas y J. Pons
(Eds.), Trabajo y relaciones laborales en la España contemporánea, pp.
355-369. Sevilla: Mergablum.
Bisquerra, R. (1989). Introducción conceptual al análisis multivariante.
Barcelona: Promociones y Publicaciones Universitarias.
Boasson, V. y MacPherson, A. (2001). “The role of geographic location in
the financial and innovation performance of publicly traded pharmaceutical
companies: empirical evidence from the United States”, Environment and
Planning, nº 33 (8), pp. 1431-1444.
Boix, R. (2008). "Los distritos industriales en la Europa Mediterránea: los
mapas de Italia y España", en la obra de V. Soler i Marco (Ed.), Los distritos
industriales, pp. 161-181. Almería: Mediterráneo Económico, Fundación
Cajamar.
Boix, R. y Galetto, V. (2004). Identificación de sistemas locales de trabajo y
distritos industriales en España. Madrid: Secretaría General de Industria,
394
Dirección General de Política para la Pequeña y Mediana Empresa,
Ministerio de Industria, Trabajo y Comercio.
Boix, R. y Galetto, V. (2006). “El mapa de los distritos industriales de
España”, Economía Industrial, nº 359, pp. 95-112.
Boltho, A. (1996). “The assessment: international competitiveness”, Oxford
Review of Economic Policy, nº 12 (3), pp. 1-16.
Bottazzi, G. Dosi, G. y Fagiolo, G. (2002). “Sulla onnipresenza delle
economie di agglomerazione e le loro diverse determinanti: alcune note”, en
la obra de A. Curzio y M. Fortis (Eds) Complessitá e distretti industriali, pp.
265-298. Bolonia: Fondazione Edison.
Bravo, S. y Gordo, E. (2003). “Los factores determinantes de la
competitividad y sus indicadores para la economía española”, Boletín
Económico del Banco de España, septiembre, pp. 73-86.
Breschi, S. y Lissoni, F. (2001). “Localised knowledge spillovers versus
innovative milieux: knowledge tacitness reconsidered”, Papers in Regional
Science, nº 80 (3), pp. 255-273.
Bresnahan, T. y Gambardella, A. (2004). Building High-Tech Clusters:
Silicon Valley and Beyond. Cambridge: Cambridge University Press.
395
Brusco, S. (1989). Piccole inmprese e distretti industriali. Una raccolta di
saggi. Turín: Rosemberg & Sellier.
Budí, V. (2008). “El distrito de la cerámica de Castellón”, en la obra de V.
Soler i Marco (Ed.), Los distritos industriales, pp. 383-407. Almería:
Mediterráneo Económico, Fundación Cajamar.
Bueno, E. (1987). "La competitividad de la empresa española", Revista
Española de Financiación y Contabilidad, nº 54 (Vol XVII), pp. 733-740.
Cairncross, F. (1997). The Death of Distance. Londres: Orion Business
Books.
Calleja, A. (1988). “La competitividad de la economía española y el mercado
interior europeo”, en la obra del Círculo de Empresarios La competitividad
de la economía española: determinantes micro y macroeconómicos, pp. 11-
22. Madrid: Círculo de Empresarios.
Camisón, C. y Molina, J. (1998). “El distrito industrial cerámico valenciano:
¿mito o realidad competitiva?”, Revista Valenciana d´Estudis Autonomics,
nº 22, pp. 83-102.
Canals, J. (1988). “La posición competitiva de la economía española en la
CEE”, en la obra del Círculo de Empresarios La competitividad de la
396
economía española: determinantes micro y macroeconómicos, pp. 11-22.
Madrid: Círculo de Empresarios.
Caravaca, I., González, G., Pérez, B. y Silva, R. (2000). "Sistemas
productivos locales y medios innovadores en Andalucía", en la obra de J.L.
Alonso y R. Méndez Innovación, pequeña empresa y desarrollo local en
España. Madrid: Civitas.
Celada, F. (1988). “El distrito industrial de la periferia sudoeste del área
metropolitana de Madrid”, Economía y Sociedad: Revista de estudios
Regionales de la Comunidad de Madrid, nº 1 (Diciembre), pp. 70-85.
Centre for Strategy and Competitiveness (2007). European Cluster
Observatory. Estocolmo: Centre for Strategy and Competitiveness,
Stockholm School of Economics.
Ciampi, C.A. (1996). Enhancing European Competition, Boletín trimestral nº
197, pp. 143-164. Roma: Banca Nazionale di Lavoro
Claphan, J.H. (1920). “Of empty economic boxes”, The Economic Journal,
nº 32 (127), pp. 308-314.
Climent, E. (2000). Los sistemas productivos locales en la Rioja:
identificación, dinámica interna y mercados. Logroño: Colección Ciencias
Sociales No. 7, Instituto de Estudios Riojanos.
397
Coe, N. (2000). “The view from out West: embeddedness, inter-personal
relations and the development of an indigenous film industry in Vancouver”,
Geoforum, nº 31 (4), pp. 391-407.
Comisión Europea (1999). The competitiveness of the European industry.
Luxemburgo: Office of Official Publications of the European Communities.
Comisión Europea (2003). Final report of the expert group on Enterprise
clusters and networks. Bruselas: Enterprise Directorate General.
Comisión Europea (2006). Creating an innovative Europe. Report of the
Independent Expert Group on R&D and Innovation appointed following the
Hampton Court Summit. Luxemburgo: Office of Official Publications of the
European Communities.
Comisión Europea (2008). The concept of clusters and cluster policies and
their role for competitiveness and innovation: main statistical results and
lessons learned. Luxemburgo: Office of Official Publications of the European
Communities.
Competitiveness.com (2008). Case studies of clustering efforts in Europe:
analysis of their potential for promoting innovation and competitiveness.
Estocolmo: Enterprise and Industry Directorate General of European
398
Commission, European Presidential Conference on innovation and clusters,
22-23 Enero.
Comrey, A. L. (1985). Manual de análisis factorial. Madrid: Cátedra.
Conejos, J., Duch, E. y otros (1997). Cambio estratégico y clusters en
Cataluña. Barcelona: Gestión 2000.
Cooke, P. (1998). “Introduction: origins of the concept”, en la obra de H.
Braczyk, P. Cooke y M. Heidenreich (Eds), Regional Innovation Systems,
pp. 2-25. Londres: UCL Press.
Cooke, P. y Huggins, R. (2003). “High Technology Clustering in Cambridge”,
en la obra de F. Sforzi (Ed.), The Institutions of Local Development, pp. 51-
74. Aldershot: Ashgate.
Cooper, D. (2001). “Innovation and reciprocal externalities: information
transmission via job mobility”, Journal of Economic Behavior and
Organization, nº 45 (4), pp. 403-25.
Cortright, J. (2006). Making Sense of Clusters: Regional Competitiveness
and Economic Development. Washington: The Brookings Institution,
Metropolitan Policy Program, Marzo.
399
Costa, M. T. (1988). “Descentramiento productivo y difusión industrial. El
modelo de especialización flexible”, Papeles de Economía Española, nº 25,
pp. 251-276.
Costa, M.T. y Viladecans-Marsal, E. (1999). “The district effect and the
competitiveness of manufacturing companies in local productive systems”,
Urban Studies, nº 36 (12), pp. 2085-2098.
Crouch, C. y Farell, H. (2001). “Great Britain: falling through the holes in the
network concept”, en la obra de C. Crouch et al. (Eds), Local Production
Systems in Europe: Rise or Demise?, pp. 154-186. Oxford: Oxford
University Press.
Crouch, C., Le Gales, P. Toglia, C. y Voelzkow, C. (2001). Local Production
Systems in Europe: Rise or Demise? Oxford: Oxford University Press.
Cuadras, C. M. (1996). Métodos de análisis multivariante. Barcelona:
Promociones y Publicaciones Universitarias.
Cuervo, A. (1993). “El papel de la empresa en la competitividad”, Papeles
de Economía española, nº 56, pp. 362-378.
Czamanski, S. (1974). Study of Clusters of Industries. Halifax: Dalhousie
University, Institute of Public Affairs.
400
Dahl, M. (2002). Embedded knowledge flows through labor mobility in
regional clusters in Denmark. Copenague: Danish Research Unit for
Industrial Dynamics, New Economy Conference, 6-8 Junio.
Datta, D.K. (1991). "Organizational fit and acquisition performance: effects of
post acquisition integration", Strategic Management Journal, nº 12, pp. 281-
297.
Dayasindhu, N. (2002). "Embeddedness, knowledge transfer, industry
clusters and global competitiveness: a case study of the Indian software
industry", Technovation, nº 22, pp. 551-560.
De Carolis, D.M. y Deeds, D.L. (1999). “The impact of stocks and flows of
organizational knowledge on firm performance: an empirical investigation on
biotechnology industry”, Strategic Management Journal, nº 20 (10), pp. 953-
968.
De la Dehesa, G. (1988). “Factores determinantes de la competitividad de
la economía española”, en la obra del Círculo de empresarios La
competitividad de la economía española: determinantes micro y
macroeconómicos , pp. 79-94. Madrid: Círculo de Empresarios.
Delgado, M. (2007). The effects of industry clusters on company competitive
strategy. Tesis doctoral. Madrid: Universidad Complutense, Departamento
de Administración de Empresas, Febrero.
401
De Lucio, J.J. (1998). Un análisis global, regional y sectorial de los efectos
externos al conocimiento. Documento de trabajo. Madrid: Fundación de
Estudios de Economía Aplicada.
Departamento de Comercio e Industria (1998). Biotechnology clusters:
report of a team led by Lord Sainsbury, Minister of Science. Londres:
Departamento de Comercio e Industria.
Departamento de Comercio e Industria. (2001). Business clusters in the UK:
a first assessment. Londres: Departamento de Comercio e Industria.
Departamento de Comercio e Industria. (2002). Productivity and
competitiveness indicators. Londres: Departamento de Comercio e
Industria.
Dolnicar, S. (2002). “Review of Data-Driven Market Segmentation in
Tourism”, Journal of Travel & Tourism Marketing, 12 (1), pp. 1-22.
Doms, M., Dunne, T. y Troske, K.R (1997). “Workers, wages and
technology”, Quarterly Journal of Economics, nº 112 (1), pp. 253-290.
Dorgan, S. y Dowdy, J. (2004). “When IT lifts productivity”, The McKinsey
Quarterly , vol 4, pp. 9-11.
402
Espínola, J.R. (1996). Concentración y divergencia interregional en la
economía española 1986-92. Documento de trabajo. Madrid: Universidad
Complutense, Facultad de Ciencias Económicas y Empresariales.
Fernández, V. J. (1988). “Precios relativos, tipo de cambio y
competitividad”, en la obra del Círculo de Empresarios La competitividad de
la economía española: determinantes micro y macroeconómicos, pp. 95-
120. Madrid: Círculo de Empresarios.
Ferraro, F.J. y Aznar, J.A. (2008). “ El distrito agroindustrial de Almería: un
caso atípico”, en la obra de V. Soler i Marco (Ed.), Los distritos industriales,
pp. 353-382. Almería: Mediterráneo Económico, Fundación Cajamar.
Feser, E. J. (1998). “Old and New Theories of Industry Clusters”, en la obra
de M. Steiner (Ed.), Clusters and Regional Specialisation: on geography,
technology and networks, pp. 18-40. Londres: Pion.
Fisher, S. (1993). “The role of macroeconomic factors in growth”, Journal of
Monetary Economics, nº 32(3), pp.1176-1196.
Foro Económico Mundial (2006). The Global Competitiveness Report 2006-
07. Ginebra: Palgrave MacMillan.
Foro Económico Mundial (2007). The Global Competitiveness Report 2007-
08. Ginebra: Palgrave MacMillan.
403
Foro Económico Mundial (2008). The Global Competitiveness Report 2008-
09. Ginebra: Palgrave MacMillan.
Fosfuri, A., Motta, M. y Ronde, T. (2001). “Foreign direct investment and
spillovers through workers´mobility”, Journal of International Economics, nº
51 (1), pp. 204-22.
Fujita, M., Krugman, P. y Venables, A. (2000). The Spatial Economy: Cities,
Regions and International Trade. Cambridge: MIT Press.
Galetto, V. (2008). "Distritos industriales e innovación”, en la obra de V.
Soler i Marco (Ed.), Los distritos industriales, pp. 117-137. Almería:
Mediterráneo Económico, Fundación Cajamar.
Gardiner, B., Martín, R. y Tyler, P. (2004). “Competitiveness, productivity
and economic growth across the European regions”, Regional Studies, nº 38
(9), pp. 1045-1067.
Gertler, M . y Wolfe, D.A. (2006). “Spaces of knowledge flows: clusters in a
global context”, en la obra de B. Asheim, P. Cooke y R. Martin (Eds)
Clusters and regional development , pp. 218-235. Londres: Routledge.
Gestrelius, S. y Sandström, A. (2008). National and Regional Cluster
Profiles. Estocolmo: Vinnova.
404
Giner, J.M. y Santamaría, M.J. (2002). “Territorial systems of small firms in
Spain: an analysis of productive and organizational characteristics in
industrial districts”, Entrepreneurship & Regional Development, nº 14, pp.
211-228.
Glaeser, E., Kallal, H., Scheinkman, J. y Shleifer, A. (1992). “Growth in
cities”, Journal of Political Economy, nº 100(6), pp. 1126-1152.
Gobbo, F. (1989). Distretti e sistemi producttivi alla soglia delli anni 90.
Milán: Angeli.
Gray, J. (1998). False Dawn: The Delusions of Global Capitalism. Londres:
Granta Books.
Gordon, I. y McCann, P. (2000). “Industrial clusters: complexes,
agglomeration or social networks?”, Urban studies, nº 37 (3), pp. 513-532.
Guigou, J. L. (1977). Méthodes multidimensionnelles. Analyse des données
et choix à critères multiples. París: Dunod.
Hair, J.F., Anderson, R.E., Tatham, R.L. y Black, W.C. (1998). Multivariate
Data Analysis (5ª edición). Upper Saddle River, New Jersey: Prentice Hall.
405
Hall, E.H. y St. John, C.H. (1994). "A methodological note on diversity
measurement", Strategic Management Journal, nº 15, pp. 153-168.
Henderson, V. (1994). Externalities and industrial development. Documento
de trabajo nº 4730. Cambridge: National Bureau of Economic Research.
Henry, N., Pollard, J. y Benneworth, P. (2006). “Putting Clusters in Their
Place”, en la obra de B. Asheim, P. Cooke y R. Martin (Ends), Clusters and
Regional Development, pp. 272-291. Londres: Routledge,
Herce, J.A., de Lucio, J.J. y Goicolea, A. (1996). “La industria en las
comunidades autónomas: 1978-1992”, Papeles de Economía Española, nº
67, pp. 134-147.
Hernández, J.M, Fontrodona, J. y Pezzi, A. (2005). Mapa de los sitemas
productivos locales industriales en Cataluña. Barcelona: Generalitat de
Cataluña, Departamento de Trabajo e Industria.
Hilpert, U. (1992). Archipielago Europe: islands of innovation. Bruselas:
Comisión Europea.
Hoen, A. (1999). Three variations on identifying clusters. Paris: OECD
Discussion paper.
406
Humphrey, T. y Schmitz, H. (1995). Principles for promoting clusters and
networks of SMEs. Small and Medium enterprises Programme, Discussion
Paper nº 1. Viena: United Nations Industrial Development Organization.
Institute for Strategy and Competitiveness (2003). Cluster mapping project.
Boston: Institute for Strategy and Competitiveness, Harvard Business
School.
International Institute for Management Development (2007). World
Competitiveness Yearbook. Lausanne: International Institute for
Management Development.
Isaksen, A. y Hauge, E.(2002). Regional Clusters in Europe. Observatory of
European SMEs, Informe nº. 3. Luxemburgo: Office for Official Publications
of the European Communities.
Jardine, N. y Sibson, R. (1968). "The construction of hierarchic and non-
hierarchic classifications". The Computer Journal, nº 11 (2), pp. 177-184.
Johnson, S.C. (1967). "Hierarchical clustering schemes", Psychometrika, nº
32 (3), pp. 241-254.
Kaiser, H.F. (1974). "An index of factorial simplicity", Psychometrika, nº 39,
pp. 31-36.
407
Ketchen, D. J. y Shook, C.L. (1996). “The Application of Cluster Analysis in
Strategic Management Research: an Analysis and Critique”, Strategic
Management Journal, 17 (6), pp. 441-458.
Ketels, C. (2003). The development of the cluster concept: present
experiences and further development. Duisburg: NRW conference on
clusters.
Ketels, C., Sölvell, Ö., Duch, E., Sagrario, I., Folkesson, T. y Lindqvist, G.
(2006). Innovation clusters in the 10 new member states of the European
Union. Luxemburgo: Office for Official Publications of the European
Communities.
Kitson, M., Martin, R. y Tyler, P. (2004). “Regional competitiveness: an
elusive yet key concept?”, Regional Studies, nº 38 (9), pp. 991-999.
Krueger, A.B. (1993). “How computers have changed the wage structure:
evidence from microdata, 1984-1989”, The Quarterly Journal of Economics,
nº 108 (1), pp. 33-61.
Krugman, P. (1991). "Increasing Returns and Economic Geography", The
Journal of Political Economy, nº 00(3), pp. 483-499.
Krugman, P. (1996). “Making Sense of the Competitiveness Debate”, Oxford
Review of Economic Policy, nº 12 (3), pp.17-35.
408
Krugman, P. (1997). Pop Internationalism. Cambridge: MIT Press.
Kuchiki, A. y Tsuji, M. (2005). Industrial Clusters in Asia: Analysis of their
Competition and Cooperation. Nueva York: Palgrave McMillan.
Larrea, M. (2000). Sistemas productivos locales en la Comunidad Autónoma
del País Vasco. Vitoria: Servicio de publicaciones del Gobierno Vasco.
Lerman, I.C. (1970). Les bases de la classification automatique. París:
Gauthier-Villars.
Lissoni, F. (2001). “Knowledge codification and the geography of innovation:
the case of Brescia mechanical cluster”, Research Policy, nº 30 (9), pp.
1479-1500.
López, M., Más, F. y Molina, F.X. (2008). "Política tecnológica aplicada a los
distritos industriales", en la obra de V. Soler i Marco (Ed.), Los distritos
industriales, pp. 435-458. Almería: Mediterráneo Económico, Fundación
Cajamar.
Lorenz, E. (1999). “Trust, contract and economic cooperation”, Cambridge
Journal of Economics, nº 23 (3), pp. 301-315.
409
Lundvall, B.A. (1992). National systems of innovation: towards a theory of
innovation and interactive learning. Londres: Pinter publishers.
Malmberg, A. y Power, D. (2006). "True clusters: a severe case of
conceptual headache", en la obra de B. Asheim, P. Cooke y R. Martin (Eds),
Clusters and regional development: critical reflections and explorations, pp.
50-68. Londres: Routledge.
Marshall, A. (1961). Principles of Economics. Nueva York: Macmillan.
Martin, R. y Sunley, P. (2003). “Deconstructing Clusters: Chaotic Concept or
Policy Panacea”, Journal of Economic Geography, nº 3 (1), pp. 5-35.
Martínez, C. y Rúa, A. (2005). "Tipología y factores explicativos de las
diferencias en la difusión de las TIC entre las regiones españolas: el caso
de la penetración de la conexión de banda ancha”, Reunión de Estudios
Regionales, nº 31, pp. 1-27.
Maskell, P. (2001). "Knowledge creation and difussion in geographic
clusters", International Journal of Innovation Management, nº 52, pp. 213-
237.
Meyer-Stamer, J. (2001). Clustering and the Creation of an Innovation-
Oriented Environment for Industrial Competitiveness. Experiences from a
410
Comparative Perspective. Duisburg: Institute for Development and Peace,
University of Duisburg.
Mochón, F. y Pajuelo, A. (1988). "La competitividad de la economía
española: determinantes macro y microeconómicos", en la obra del Círculo
de Empresarios La competitividad de la economía española: determinantes
micro y macroeconómicos, pp. 229-244. Madrid: Círculo de Empresarios.
Molina, F.X. (2008). "Los distritos industriales en la europa Mediterránea: las
diferencias entre Italia y España", en la obra de V. Soler i Marco (Ed.), Los
distritos industriales, pp. 182-201. Almería: Mediterráneo Económico,
Fundación Cajamar.
Monitor Company y Ballarín y Faus Asociados (1992). Els avantatges
competitius de Catalunya. Barcelona: Generalitat de Cataluña,
Departamento de Economía y Finanzas.
Nadal, A. (2005). "La competitividad de la economía española", Información
Comercial Española, nº 826, pp. 437-452.
Navarro, M. (2003). “Análisis y políticas de clusters: teoría y realidad”,
Ekonomiaz, nº 53 (II), pp. 14-49.
Nooteboom, B. (2006). “Innovation, Learning and Cluster Dynamics”, en la
obra de B. Asheim, P. Cooke y R. Martin (Eds), Clusters and Regional
411
Development: Critical Reflections and Explorations, pp. 137-163. Londres:
Routledge.
Norton, R. D. (2001). Creating the New Economy: the Entrepreneurs and the
US Resurgence. Cheltenham: Edward Elgar.
Nuti, F. (1992). I distretti dell`industrie manifatturiera in Italia. Milán: Franco
Angeli.
O´Brien, R. (1992). Global Financial Integration: the End of Geography?.
Londres: Pinter.
OCDE (1999). Managing national innovation systems. París: OCDE.
OCDE (2001). World congress on local cluster- local networks of enterprises
in the world economy. París: OCDE-DATAR.
Ohlin, B. (1933). Interregional and International Trade. Cambridge: Harvard
University Press.
Ohmae, K. (1995). The End of the Nation State: The Rise of Regional
Economies. Londres: Harper Collins.
412
O`Mahony, M. y van Ark, B. (2003). EU productivity and competitiveness.
An industry perspective. Can Europe resume the catching-up process?
Bruselas: Comisión Europea, Enterprise Publications.
Paniccia, I. (2006). “Cutting through the Chaos: Towards a New Typology of
Industrial Districts and Clusters”, en la obra de B. Asheim, P. Cooke y R.
Martin (Eds), Clusters and Regional Development: Critical Reflections and
Explorations, pp. 90-114. Londres: Routledge.
Peralta, M.J., Rúa., Redondo, R. y del Campo, C. (2000). Estadística:
problemas resueltos. Madrid: Pirámide.
Pigou, A.C. (1925). Memorials of Alfred Marshall. Londres: MacMillan.
Piore, M. y Sabel, C. (1984). Second Industrial Divide. Nueva York: Basic
Books.
Porter, M. (1990). The Competitive Advantages of Nations. Londres:
MacMillan.
Porter, M. (1998a). "Clusters and the new economics of competition",
Harvard Business Review, nº 76 (6), pp. 77-90.
Porter, M. (1998b). On Competition. Boston: Harvard Business School
Press.
413
Porter, M. (2000). "Location, competition and economic development: local
clusters in a global economy", Economic Development Quarterly, nº 14(1),
pp. 15-34.
Porter, M. (2003). “The Economic Performance of Regions”, Regional
Studies, nº 37 (6-7), pp. 549-578.
Porter, M. (2004). The diamond model: advanced economies. Documento
de trabajo. Harvard Business School: Microeconomics of Competitiveness
Course.
Porter, M. y S. Stern (2004). “Ranking national innovative capacity: Findings
from the National Innovative Capacity Index”, en la obra de X. Sala-i-Martín,
(Ed.), The Global Competitiveness Report 2003-2004, pp. 91-116. Nueva
York: Oxford University Press.
Puig, F. et al. (2008). "Los distritos industriales como unidad de análisis: una
propuesta metodológica para su identificación", Revista ICADE, nº 73
(Enero-Abril) , pp. 321-345.
Pyke, F., Becattini, G. Y Segenberger, W. (1990). Industrial Districts and
Inter-Firm Cooperation in Italy. Génova: International Institute for Labour
Studies.
414
Raines, P. (2000). Developing Cluster Policies in Seven European Regions,
Regional and Industrial Policy Research Paper, nº 42. Glasgow: European
Policies Research Centre, Universidad de Strathclyde.
Ramos, R. (2001). Modelo de Evaluación de la Competitividad Internacional:
Una Aplicación Empírica al Caso de las Islas Canarias. Tesis doctoral. Las
Palmas: Universidad de Las Palmas de Gran Canaria, Departamento de
Economía y Dirección de Empresas, Diciembre.
Reve, T. y Jakobsen, E.W. (2001). A Value Creating Norway. Oslo:
Universitetsforlaget.
Ricardo, D. (1973). Principios de economía política y tributación. México
D.F. : Fondo de Cultura Económica.
Rodríguez Carrasco, J.M. (2001). "La competitividad de la economía
española en clave empresarial", en la obra de Mera, Mª.T. y Gómez, F.
(Coords), De economía y pensamiento económico: homenaje al Prof. Dr.
Juan Velarde Fuertes, pp. 17-52. Madrid: Universidad Pontificia Comillas.
Roeland , T.J.A. y den Hertog, P. (1998). Cluster analysis and cluster based
policy making in OECD countries: various approaches, early results and
policy implications. Draft sysnthesis report on phase 1, focus group on
industrial clusters. La Haya: OCDE.
415
Roeland , T.J.A. y den Hertog, P. (1999). “Cluster analysis and cluster
based policy making in OECD countries: introduction to the theme”, en la
obra de la OCDE Boosting innovation, the cluster approach, pp. 9-26. París:
OCDE.
Rohlf, F.J. (1970). “Adaptive hierarchical clustering schemes”, Systematic
Zool, nº 19, pp. 58-82.
Rosenfeld, S. (1997). “Bringing business clusters into the mainstream of
economic development”, European Planning Studies, nº 5 (1), pp. 3-21.
Rowthorn, R. (1999). "Unemployment, wage bargaining and capital labour
substitution", Cambridge Journal of Economics, nº 23, pp. 413-425.
Rúa, A., Redondo, R. y del Campo, C. (2003). “Distribución municipal de la
realidad socieconómico gallega”, Revista Galega de Economía, nº 12 (2),
pp. 1-20.
Sala, M. y Torres, T. (2006). "La competitividad exterior de las pymes y las
grandes empresas industriales españolas". Ekonomiaz, nº 62, pp. 358-377.
Santa María, M.J., Giner, M. y Fuster, A. (2004). Identificación de sistemas
productivos locales en España: una aproximación desde el territorio a los
fenómenos industriales. Documento de trabajo 1/2004. Alicante:
Universidad de Alicante.
416
Santa María, M.J. e Ybarra, J.A. (2008). “El distrito de juguete de la Foia de
Castalla y su evolución”, en la obra de V. Soler i Marco (Ed.), Los distritos
industriales, pp. 409-434. Almería: Mediterráneo Económico, Fundación
Cajamar.
Scarpeta, S., Bassanini, A., Pilat, D., y Schreyer, P. (2002). Economic
growth in the OCDE area: recent trends at the aggregate and sectorial level.
Working Paper, nº. 248. París: OCDE Economic Department.
Schmitz, H. y Nadvi, K. (1999). “Clustering and Industralization:
Introduction”, World Development, nº 27 (9), pp. 1503-1514.
Scott, A. (1988). New Industrial Spaces. Londres: Pion.
Scott, A. (1998). Regions and the World Economy. Oxford: Oxford University
Press.
Scott, B.R. (1985). “US competitiveness: concepts, performance and
implications”, en la obra de B.R. Scott y G. Lodge (Eds.), US
competitiveness in the world economy, pp. 14-32. Boston: Harvard Business
School Press.
Signorini, L.F. (1994). “The price of Prato, or, measuring the industrial
district effect”, Papers in Regional Science, nº 73 (4), pp. 369-392.
417
Signorini, L. F. (2000). L´effetto distretto: motivazioni e risultati di un progetto
di ricerca. Roma: Donzelli Editore.
Simmie, J. (2006). “Do Clusters or Innovation Systems Drive
Competitiveness?”, en la obra de B. Asheim, P. Cooke y R. Martin (Eds)
Clusters and Regional Development, pp. 164-187. Londres: Routledge.
Soler, V. (2000). “Verificación de las hipótesis del distrito industrial: una
aplicación al caso valenciano”, Economía Industrial, nº 334, pp. 13-23.
Soler i Marco, V. (2008). “Los distritos industriales como una oportunidad
competitiva”, en la obra de V. Soler i Marco (Ed.), Los distritos industriales,
pp. 11-40. Almería: Mediterráneo Económico, Fundación Cajamar.
Sölvell, Ó., Lindqvist, G. y Ketels, C. (2003). The Cluster Initiative
Greenbook. Estocolmo: Ivory Towers AB.
Staber, U. (1997). “Specializing in a declining industrial district: the case of
Waden-Würtemberg textiles and clothing”, Growth and Change, nº 28(4),
pp. 475-495.
Steiner, M. (2006). “Do Clusters Think?. An institutional perspective on
knowledge creation and difusión in clusters”, en la obra de B. Asheim, P.
418
Cooke y R. Martin (Eds), Clusters and regional development. Londres:
Routledge.
Storper, M. (1997). The Regional World: Territorial Development in a Global
Economy. Nueva York: Guilford Press.
Storper, M. y Venables, A.J. (2004). “Buzz: face-to-face contact and the
urban economy”, Journal of Economic Geography, nº 4 (4), pp. 351-370.
Subirà, A. (2009). An incentive to local competitiveness. Barcelona: Notes
on Globalization and Strategy, IESE Business School.
Subirà, A. y Gurguí, A. (2007). Políticas para la competitividad: una
experiencia de gobierno. Barcelona: Antoni Bosch.
Swann, G. (2002). The implications of clusters. Some reflections. High
technology small firms cluster conference, Abril. Manchester: Manchester
Business School.
Swann, G. y Prevezer, M. (1998). “Introduction”, en la obra de G. Swann, M.
Prevezer y D. Stout (Eds), The Dynamics of Industrial Clustering:
International comparisons in Computing and Biotechnology, pp. 1-12.
Oxford: Oxford University Press.
419
Temple, P. (1998). “Clusters and competitiveness: a policy perspective”, en
la obra de G. Swann, M. Prevezer y D. Stout (Eds), The Dynamics of
Industrial Clustering: International comparisons in Computing and
Biotechnology, pp. 256-297. Oxford: Oxford University Press.
The Gallup Organization (2006). 2006 Innobarometer on cluster´s role in
facilitating innovation in Europe. Budapest: Gallup Organization Hungary.
Thiebout, C. (1956). " A pure theory of local public expenditures", Journal of
Political Economy, nº 65, pp. 416-424.
Timpano, F. (2004). Cluster identification: policy implications of the evolution
of the cluster concept in the context of globalisation and European
enlargement. Byalistok, Sofia y Bucarest: Conference Includ Project.
Tomás, J.A. y Such, J. (1997). “Internationalization of small and medium
firms in four Valencia region industrial districts”, Quaderns de Politica
Economica, nº7, pp.1-18.
Trichet, J.C. (2008). How to increase the competitiveness of the European
economy. Aachen: Conferencia del Karlspreis Europa Forum, 30 Abril.
Trullén, J. (2002). La metropoli de Barcelona cap a l´economia del
coneixement: aglomeració central i arc tecnològic 2002. Barcelona:
Diputación de Barcelona.
420
Tyson, L. (1992). Who´s bashing whom? Trade conflicts in high-technology
industries. Washington: Peterson Institute for International Economics.
Van der Berg, L., Braun, E. y Van widen, W. (2001). “Growth clusters in
european cities: an integral approach”, Urban Studies, nº 38, pp. 185-205.
Van der Linde, C. (2003). “The Demography of Clusters. Findings from the
Cluster Meta-Study”, en la obra de J. Bröcker, D. Dohse y R. Soltwedel
(Eds), Innovation Clusters and Interregional Competition, pp. 130-149.
Berlín, Heidelberg, Nueva York: Springer-Verlag.
Vázquez Barquero, A. (1987). Pautas de localizacón territorial de empresas
industriales. Madrid: Ministerio de Obras Públicas y Transporte.
Wallsten, S. (2004). “The Role of Government in Regional Technology
Development: the Effects of Public Venture Capital and Science Parks”, en
la obra de T. Bresnahan y A. Gambardella (Eds), Building High-Tech
Clusters: Silicon Valley and Beyond, pp. 229-279. Cambridge: Cambridge
University Press.
Welz, G. (2003). “The cultural swirl: anthropological perpectives on
innovation”, Global Networks – A journal of Transnational Affairs, nº 3(3),
pp. 255-270.
421
Woolthius, R.K. (1999). Sleeping with the enemy: Trust dependence and
contract in interorganisational relationships. Enschede: University of Twente
Press.
Yamawaki, H. (2002). “The evolution and structure of industrial clusters in
Japan”, Smalll Business Economics, nº 18 (Feb-Mar), pp. 121-140.
Ybarra, J.A. (1991). “Determinación cuantitativa de distritos industriales: la
experiencia del país valenciano”, Estudios Territoriales, nº 37, pp. 53-67.
Young, A. (1928). “Increasing returns and economic progress”, The
Economic Journal, nº 38 (152), pp. 527-542.
Zuchella, A. (2003). Geographic co-location and global value chains: cluster
dynamis and strategic innovations in cluster-based firms. Pavia: Universidad
de Pavia.
422
ANEXOS
423
Anexo 1. Países incluidos en el Global Competitiveness Report
Albania El Salvador Mauricio TanzaniaAlemania Emiratos Arabes Unidos Mauritania Timor-LesteAngola España Mexico Trinidad y TobagoArabia Saudi Estados Unidos Moldavia TúnezArgelia Estonia Mongolia TurquíaArgentina Etiopia Montenegro UcraniaArmenia Filipinas Mozambique UgandaAustralia Finlandia Namibia UruguayAustria Francia Nepal UzbekistanAzerbaijan Gambia Nicaragua VenezuelaBahamas, The Georgia Nigeria VietnamBahrain Ghana Noruega ZambiaBangladesh Grecia Nueva Zelanda ZimbaweBarbados Guatemala OmanBélgica Guyana PakistanBenin Holanda PanamaBielorusia Honduras ParaguayBolivia Hong Kong SAR PeruBosnia y Herzegovina Hungría PoloniaBotswana India PortugalBrasil Indonesia Puerto RicoBrunei Irlanda QatarBulgaria Islandia Reino UnidoBurkina Faso Israel República KirguistánBurundi Italia República ChecaCamboya Jamaica República DominicanaCamerún Japón República EslovacaCanada Jordania RumaníaCataluña Kazastán RusiaColombia Kenia SenegalCorea Kuwait SerbiaCosta Rica Latvia SingapurCroacia Lesoto SiriaChad Libia Sri LankaChile Lituania SudáfricaChina Luxemburgo SueciaChipre Macedonia, FYR SuizaDinamarca Madagascar SurinameEcuador Malasia TailandiaEgipto Malawi Taiwan, ChinaEslovenia Marruecos Tajikistan Fuente: Adaptado del Foro Económico Mundial (2007)
424
Anexo 2. Países incluidos en el Anuario de competitividad del IMD
Alemania IrlandaArgentina IsraelAustralia ItaliaAustria JapónBélgica JordaniaBrasil LituaniaBulgaria LuxemburgoCanada MalasiaColombia MéxicoCorea NoruegaCroacia Nueva ZelandaChile PerúChina PoloniaDinamarca PortugalEslovaquia Reino UnidoEslovenia República ChecaEspaña RumaníaEstados Unidos RusiaEstonia SingapurFilipinas SudáfricaFinlandia SueciaFrancia SuizaGrecia TailandiaHolanda TaiwanHong Kong TurquíaHungría UcraniaIndia VenezuelaIndonesia
Fuente:Adaptado del International Institute for Management Development
(2007)
425
Anexo 3. Cargas factoriales del Índice de Competitividad de los Negocios
I.ESTRATEGIAS Y OPERACIONES DELAS COMPAÑIAS Carga factorial
Amplitud de los mercados internacionales 0,9350Capacidad para la innovación 0,9204Gasto empresarial en I+D 0,9338Control de la distribución in ternacional 0,8787Grado de orientación al cliente 0,9126Medida de compensación po r incentivos 0,8448Medida del marke ting 0,9212Medida de exportaciones 0,9350Medida de formación del personal 0,9659Naturaleza de la ventaja competitiva 0,8944Licencias de tecnología extranjera 0,6862Sofisticación de los p rocesos de producción 0,9521Confianza en la gestión profesional 0,8738Presencia en la cadena de valor 0,8860Voluntad de delegar autoridad 0,9273
II. ENTORNO MICROECONÓMICO DE NEGOCIOS
Calidad de las infraestructuras 0,9192Desarro llo de la infraestructura ferroviaria 0,7835Calidad de las infraestructuras portuarias 0,8497Calidad de las infraestructuras de transporte aéreo 0,8503Calidad de la infraestructura de teléfonos/fax 0,7630Calidad del suministro eléctrico 0,8637Usuarios de internet (hard data ) 0,8343Teléfonos móviles (hard data ) 0,7432Confianza en los servicios polic ia les 0,8608Independencia del poder judicial 0,8869Efic iencia del marco lega l 0,9122Impacto de pagos ilega les en las po líticas de gobierno 0,8800Centralización de la política económica 0,5425Leyes relativas a TI 0,9085Calidad del sistema educativo 0,8574Calidad de la enseñanza de c iencias y matemáticas 0,7056Calidad de las escuelas de negocios 0,8266Cooperación en las relaciones empleador-empleado 0,6382Disponibilidad de c ientíficos e ingenieros 0,7214Calidad de las instituciones de investigación c ientífica 0,9023Colaboración para investigación entre universidades y empresas 0,9042Paten tes USA (hard data) 0,6873Sofisticación de los mercados financieros 0,8759Fácil acceso a préstamos 0,8400Acceso a la bolsa local 0,7149Disponibilidad de capital riesgo 0,8901Sofisticación de los compradores 0,9280Obtención del gobierno de productos de tecno logía avanzada 0,8019Presencia de estándares regulación 0,9629Exigencia de las normativas med io ambientales 0,9320Calidad de los proveedores locales 0,9459Cantidad de proveedores locales 0,8476Disponibilidad local de equ ipos industriales 0,6836Disponibilidad local de servicios especializados en investigación y formación 0,9060Favoritismo en decis iones de funcionarios públicos 0,8817Eficacia de la gestión corporativa 0,7389Protección de la propiedad inte lectual 0,9571Derechos de propiedad 0,8521Competencia en el mercado local 0,8219Efectividad de la política antimonopo lio 0,9244Barreras arancelarias 0,6482Dominio de mercado 0,8635 Fuente: Adaptado del Foro Económico Mundial (2007)
426