VIII REUNIÓN DE ECONOMÍA MUNDIAL

La Competitividad en la Era Digital: Un Índice para Evaluar el Impacto de las TIC en las Regiones

Europeas.

Ángel Díaz Chao José Luis Montes Universidad Rey Juan Carlos Universidad Rey Juan Carlos y Fundación SEPI joseluis.montes@urjc.es angel.diaz@urjc.es

Durante los últimos años hemos asistido a cambios importantes en la forma de competir de las empresas como producto de la aparición de las denominadas nuevas tecnologías. Esta transformación se ha reflejado también a nivel regional. En este artículo se propone una metodología basada en un modelo de ecuaciones estructurales con variables latentes para estudiar el efecto de las tecnologías digitales (también denominadas tecnologías de la Información y de la Comunicación – TIC) en la competitividad de las regiones europeas. Esta metodología permite la elaboración de un ranking de regiones según su grado de competitividad. Los resultados muestran como las economías más competitivas, que aparecen en los primeros lugares de dicho ranking, son aquellas con un mayor desarrollo de los sectores de alta tecnología y más intensivos en conocimiento

PALABRAS CLAVE: Índice de competitividad, Tecnologías de la Información y la Comunicación, Cambio tecnológico, crecimiento regional CÓDIGOS JEL: C30, R11, O30

1. Introducción

La literatura económica ha explorado en muchas ocasiones y de muy diversas formas la competitividad, así como la manera de aproximarse a su medida. Tal y como veremos en las próximas páginas, muchos autores han investigado en profundidad las distintas fuentes que explican cómo distintas empresas, regiones, o países pueden tener diferentes resultados pese a tener, al menos aparentemente, estructuras similares (Cancelo y Vázquez (1995), Raymond y Melle (2001) y Krugman (1990) son algunas de las aportaciones). No obstante, la aparición de las tecnologías de la información y de la comunicación (TIC) en la segunda mitad de la década de los noventa ha provocado importantes cambios en el funcionamiento de las empresas, regiones y países para los que la literatura actual no ha dado una respuesta1.

Las TIC son un conjunto de tecnologías que tienen como característica principal su utilización no sólo en los sectores propiamente dichos de la información y de la comunicación, sino también en la mayoría de los sectores productivos de la economía. Esta característica, y la utilización del conocimiento como input y como output, es uno de los rasgos diferenciadores respecto de otros avances tecnológicos2.

A nivel microeconómico, Porter (2001) alude por primera vez a las TIC, en general, y a Internet en particular, como una parte fundamental en la estrategia global de la empresa y, en consecuencia, como una de las fuentes importantes de competitividad. De hecho, la tradicional relación de las clásicas fuerzas de Porter, tal y como el mismo señala en dicho artículo, se ven alteradas con la emergencia de las tecnologías digitales. Tanto la relación con los clientes y proveedores como el efecto de las barreras de entrada y las de salida tienen distintas implicaciones en las empresas en función del grado de utilización de las mismas en la empresa analizada y su intensidad en el propio sector.

Una característica adicional relativa a la competitividad, desde el punto de vista de las fuerzas de Porter, es el entorno. Durante los últimos años hemos asistido a un proceso de expansión internacional, que se ha venido denominando mundialización. Este proceso expansivo, propio de las economías capitalistas, se ha visto acompañado de la aparición de las TIC y de la globalización (entendemos por globalización un mercado funcionando 24 horas al día). La conjunción de estos tres procesos ha posibilitado una mayor difusión de las tecnologías digitales. Todo ello ha generado un entorno para la empresa completamente diferente al existente a mediados de los noventa. Se trata de un entorno mucho más dinámico para la empresa que, naturalmente, condiciona la estrategia empresarial y, en consecuencia, su capacidad competitiva.

Todos estos cambios se han reflejado a nivel macro en la gran mayoría de los denominados países desarrollados, de forma que aquellos con un mayor desarrollo de la economía del conocimiento han obtenido niveles de crecimientos relativamente más elevados y de mayor duración.

Por otro lado, en lo referente a la medida de la competitividad no existe tanta unanimidad en cuanto al modo de hacerlo, tal y como ocurre con sus fuentes3. Prácticas habituales son la utilización del ratio exportaciones-importaciones como

1 Brynjolfsson y Hitt (2003) describe el importante cambio que se ha producido en el funcionamiento de las empresas a partir de la aparición a las TIC, con especial atención a la productividad. 2 Véase, entre otros, Atkeson y Kehoe (2001), Castells (2000, 2001), De Long (2001), Norton (2001), Vilaseca y Torrent (2001) y Torrent (2002) 3 En Metcalfe y Georghiou (1991) o McFetridge (1995) se puede encontrar una descripción de los principales conceptos y la forma de medirlos.

aproximación a la competitividad internacional, o del peso las exportaciones sobre el PIB (o sobre las ventas en el caso de las empresas). No obstante, ésta no es una aproximación buena cuando estamos tratando con empresas que, por distintas causas, operan en el mercado doméstico.

Una alternativa a este tipo de medidas, utilizada por muchos economistas e instituciones, especialmente en el análisis de la competitividad de los países, es la construcción de un índice de competitividad. Este índice no es otra cosa que la suma ponderada de los distintos factores que afectan a la competitividad. Naturalmente, el gran debate, en este aspecto, es la atribución a las magnitudes que integran el índice de los pesos adecuados. En muchas ocasiones, la atribución de estos pesos no tiene carácter científico.

Con el objeto de resolver este último problema, en este artículo desarrollamos un modelo general de ecuaciones estructurales cuyos parámetros se estiman a través del método de máxima verosimilitud con información completa, así como por el de distribución asintótica libre (Jöreskog, 1984). La principal novedad de la propuesta desarrollada es el hecho de que la competitividad es, en este modelo, una variable latente no observable directamente. Así, este método permite, a través del sistema descrito, generar dicha variable y, por tanto, la obtención de los pesos de cada una de las variables observables en la competitividad.

Por otro lado, Eurostat ha progresado en los últimos años en el desarrollo de estadísticas regionales vinculadas con la sociedad de la información, en general, y, particular, relativas a la economía del conocimiento. Estos datos a nivel regional nos permiten construir, aplicando el método anteriormente mencionado, un índice de competitividad regional a partir de variables relativas a la intensidad de conocimiento, el esfuerzo innovador y el crecimiento.

A continuación, en los epígrafes segundo y tercero analizamos el estado del debate en torno a la competitividad, e introducimos las TIC como elemento determinante de la misma. En el cuarto se exponen las características más importantes de los datos que servirán para, en el quinto desarrollar el modelo de ecuaciones estructurales. En el epígrafe sexto presenta la estimación del índice de competitividad. Finalmente, epígrafe séptimo, se exponen las principales conclusiones. 2. Competitividad: Evidencia empírica

Ante el incremento de definiciones de competitividad, y de medidas asociadas, merece la pena considerar algunas de sus diferentes definiciones, para poder comprender mejor las distintas concepciones que se manejan en la literatura económica en dónde, a pesar de la utilización y difusión del concepto de competitividad, no hay una definición generalmente aceptada.

Las definiciones existentes se pueden agrupar en dos tipos: las de tipo macroeconómico, en las que la falta de de competitividad es considerada como un problema de tipo de cambio real, y las que consideran factores estructurales, que afectan el desempeño económico a medio y largo plazo tales como productividad, investigación, innovación y otros.

Como ejemplos, J. S. Metcalfe y L. Georghiou (1991), definen la competitividad en dos niveles: a) la de las empresas, como la habilidad para producir mejores o más baratos productos procesos o servicios y, por tanto, para defender su cuota de mercado o aumentarla y b) la de los países como la habilidad de estos para proveer las condiciones que permitan a las empresas alcanzar los resultados anteriores. El Global Competitiveness Report define la competitividad como el conjunto de instituciones, políticas, y regulaciones que soportan altos niveles de productividad […] y guían el crecimiento de la misma.

En cuanto a las medidas de la competitividad, citaremos únicamente algunas de las más conocidas: el índice del tipo de cambio real, la productividad, el índice WEF (World Economic Forum) que aparece en el Global Competitiveness Report, el índice del IMD (International Institute for Management Development) publicado en el World Competitiveness Yearbook, y el método CAN (análisis de la competitividad de los países) de la CEPAL. Además, existe una profusión de índices creados por gobiernos, instituciones de investigación y empresas consultoras. Todos ellos tratan de medir la competitividad y de ayudar a determinar la estrategia a seguir para aumentarla.

El World Economic Forum presenta dos índices complementarios el Growth Competitiveness Index (GCI) y el Business Competitiveness Index (BCI) construidos a partir de datos oficiales y de la Executive Opinion Survey llevada a cabo por el propio WEF.

El Growth Competitiveness Index (GCI) fue desarrollado por Jeffrey D. Sachs y John McArthur en 2001-02 y analiza el potencial de crecimiento sostenible, a medio y largo plazo, de los países. Considera que el proceso económico es función de tres factores, que son evaluados mediante tres subíndices: el ambiente macroeconómico medido por el Macroeconomic Environment index, la calidad de las instituciones públicas medido por el Public Institutions Index y el proceso tecnológico medido por el Technology Index. De la combinación de los tres subíndices anteriores se obtiene el Growth Competitiveness Index.

El Business Competitiveness Index (BCI) fue desarrollado por Michael Porter en el año 2000, y es una medida de la competitividad basada en los factores microeconómicos de los países. Está compuesto por dos subíndices que miden, mediante 15 variables, la sofisticación de las operaciones y estrategias empresariales, a los que otorga una ponderación de 7/10, y la calidad del ambiente de negocios nacional, mediante 49 variables, con una ponderación de 3/10.

Para concluir, el índice del International Institute for Management Development (IMD) se publica desde 1989, y sus componentes son: el desempeño económico, la eficiencia del gobierno, la eficiencia empresarial y a la infraestructura. Estos componentes son evaluados a partir de distintos conjuntos de variables.

A pesar de la difusión e importancia de estos índices, es sorprendente lo poco divulgados que están sus fundamentos económicos: la teoría económica que los sustenta y las técnicas estadístico-econométricas empleadas en su construcción. Además, la metodología de su construcción no suele estar completamente explicada en los correspondientes informes, lo que dificulta su análisis riguroso. No obstante se puede afirmar, aún admitiendo la importancia tanto teórica como práctica, de estos índices, que todos ellos presentan, en mayor o menor medida, problemas de importancia, de tipo analítico, metodológico y cuantitativo.

En este artículo, se trata de contribuir a paliar estas carencias en los aspectos siguientes: a) aporta un nuevo modelo contrastado estadísticamente para la medida y explicación de la competitividad, b) suministra un nuevo método, que creemos es más adecuado, conceptual y prácticamente, para la medida de la competitividad, c) el nuevo modelo debería ser una ayuda importante para la el diseño de la estrategia competitiva.

Por lo que se refiere al concepto de competitividad, frente a las definiciones anteriores, definimos la competitividad como la capacidad para competir; entendiendo por competir, dicho de dos o más entidades o personas, el contender entre si aspirando unas y otras con empeño al mismo objetivo. Cuando se trata de una cosa, competir significa igualar o mejorar otra similar en su perfección o en sus características o propiedades. Competir implica rivalidad para alcanzar el mismo objetivo; no significa necesariamente eficiencia. Aunque sea poco común en las economías globalizadas actuales, hablando estrictamente, es posible ser competitivo e ineficiente. Competitividad tampoco significa calidad, es posible

aunque también sea cada vez menos frecuente, ser competitivo y tener una calidad deficiente. Competitividad sí significa eficacia. La característica distintiva de una competitividad alta no es la eficiencia, si no ser el mejor tratando de alcanzar el objetivo deseado.

En consecuencia, se propone aquí un nuevo método para la medida de la competitividad que entendemos más flexible, y capaz de considerar prácticamente cualquier tipo de variables tanto medibles directamente como latentes. Más concretamente, supera los inconvenientes que se atribuyen a la generalidad de los índices hasta ahora divulgados, a saber:

a) Está basado en una sólida metodología econométrica: los sistemas de ecuaciones estructurales con variables latentes y errores de medida (véase punto 5).

b) Permite incluir variables latentes, tales como: debilidades del gobierno, acervos, ventajas comparativas, fallos de mercado etc.

c) Admite contrastar, con relativa facilidad, distintas teorías que justifiquen las relaciones postuladas en él.

d) Es aplicable a distintas unidades económicas que compitan, desde organizaciones hasta regiones y países.

e) Los pesos de las distintas variables están determinados por métodos econométricos contrastados y reproducibles, sin ningún grado de subjetividad.

3. TIC y Competitividad

Las Tecnologías de la Información y la Comunicación (TIC) son un conjunto de conjunto de técnicas digitales que integran tecnologías de microelectrónica, informática, telecomunicaciones y optoelectrónica, que son aplicadas de forma generalizada en la actividad económica. Desde su implantación en la actividad productiva de las empresas, a partir de la segunda mitad de los noventa, se han producido cambios importantes en la forma en que tanto las empresas como las regiones e incluso los países se organizan y compiten.

Por un lado, su introducción generalizada en las distintas ramas de actividad ha generado un flujo acumulativo y circular, entre los propios componentes del proceso de digitalización y sus usos productivos. Además, esto genera una retroalimentación, que posibilita una mayor difusión de las mismas. Es decir, la propia naturaleza de estas tecnologías y su extensión hacia otras ramas de la actividad económica, han generado un efecto de retroalimentación, que posibilita una mayor expansión de las mismas.

Este fenómeno tecnológico se ha visto acompañado de otros dos hechos económicos, sin los cuales no habría sido posible un cambio tan importante en tan poco tiempo: la mundialización y la globalización. La mundialización de la economía, que no es otra cosa que la tendencia a la expansión de los mercados, se ha visto impulsada en los últimos años por una corriente de libre comercio, que ha favorecido la expansión internacional de las empresas de los países más desarrollados. Este efecto, propio de las economías capitalistas, ha favorecido la difusión de las TIC que han hecho posible la existencia de un mercado que funciona las 24 horas del día: la Globalización (ver grafico 1). Estos tres fenómenos se han consolidado como los pilares de un nuevo modelo de crecimiento económico.

Gráfico 1. Los tres pilares del nuevo modelo económico Fuente: Elaboración propia

Ahora bien, ¿cómo se ve afectada la competitividad, como consecuencia de la conjunción de estos tres fenómenos? Por un lado, en el aspecto empresarial, el objetivo de éstas, en las economías capitalistas, es la maximización de beneficios. Esta maximización de beneficios se consigue a través de una determinada estrategia empresarial que divide la empresa en dos grandes agrupaciones; las actividades de soporte: las infraestructuras, los recursos humanos y la innovación, y las actividades de operación: las operaciones, el marketing y el servicio post-venta. La incorporación de las TIC a la actividad empresarial, contribuye a un funcionamiento más eficaz, por un lado, de cada una de las divisiones y, por otro, de la interacción entre las mismas. En Díaz y Montes (2005) se analiza la repercusión en la competitividad de las empresas del distinto grado de aplicación de las TIC. Los resultados muestran como aquellas que tienen más digitalizada su actividad obtienen también una ventaja relativa en términos de competitividad.

Por otra parte, la repercusión de la digitalización a nivel microeconómico se refleja, como es natural, también a nivel agregado. Las economías regionales o nacionales ven alterado su nivel de competitividad en función del grado de intensidad del conocimiento en las actividades que desarrollan. Así, según se investigará más abajo, economías que posean un elevado peso de actividades de servicios intensivos en conocimiento, deberán tener mayores niveles de competitividad, ya que estas actividades son, por naturaleza, más intensivas en la utilización de herramientas digitales.

A continuación, analizaremos los datos disponibles para, posteriormente, desarrollar el modelo econométrico que nos permitirá verificar estas relaciones en el sector manufacturero español. 4. Los datos

La base de datos que utilizaremos para realizar las estimaciones es la Regio, desarrollada por el Eurostat, instituto de estadística de la Unión Europea, en colaboración con los institutos de estadística nacionales de los distintos países de la Unión Europea. Dicha base de datos recoge información, entre otras cosas, del esfuerzo innovador según el sector de procedencia (público, privado y de educación superior), del personal ocupado según la intensidad tecnológica y el conocimiento y del crecimiento del PIB acumulado en términos reales. Estas variables, que serán las que utilicemos en nuestro modelo, se resumen en la tabla 1.

Globalización

TIC Mundialización

Retroalimentación

Tabla 1. Indicadores incluidos en el modelo GOV2002 I+D del sector público en porcentaje del PIB (año 2002) BES2002 I+D del sector privado en porcentaje del PIB (año 2002) HES2002 I+D del sector de educación superior en porcentaje del PIB (año

2002) SKIST02 Personal ocupado en servicios intensivos en conocimiento como

porcentaje del personal total ocupado (año 2002) SE_LKIS Personal ocupado en servicios menos intensivos en conocimiento

como porcentaje del personal total ocupado (año 2002) SKISHT02 Personal ocupado en servicios de alta tecnología intensivos en

conocimiento como porcentaje del personal total ocupado (año 2002)

SKISMS02 Personal ocupado en servicios de mercado intensivos en conocimiento como porcentaje del personal total ocupado (año 2002)

MHT02 Manufacturas de alta tecnología MMHT02 Manufacturas de tecnología media-alta MMLOWT Manufacturas de tecnología media-baja MLOWT02 Manufacturas de baja tecnología PIBTOT Crecimiento real acumulado en el período 1999-2002

Todas las variables han sido recogidas para el año 2002 a excepción del crecimiento económico que recoge el período 1999-2002. Todo ello hace que tengamos un conjunto de datos que comprende 231 regiones europeas (véase anexo 1). 5. El modelo general de sistemas de ecuaciones estructurales

El modelo general de los sistemas de ecuaciones estructurales es un modelo matemático formal, un conjunto de ecuaciones lineales, que comprende, como casos particulares, varias clases de modelos tales como: los modelos de regresión, los sistemas de ecuaciones simultáneas, el análisis factorial y el path analysis. Las variables en el sistema de ecuaciones pueden ser tanto variables directamente observadas y medibles como variables (teóricas) latentes, que representan conceptos no observados directamente, tales que pueden ser solamente abordados y medidos a mediante variables observadas y medibles. Las variables latentes han de ser continuas, no obstante las variables observadas dependientes pueden ser continuas, censuradas, binarias, ordenadas, categóricas (ordinales), o combinaciones de estos tipos de variables.

El modelo general está compuesto por dos submodelos: el modelo estructural, que relaciona las variables latentes entre si, y el modelo de medida, que relaciona cada variable latente con las correspondientes variables que la miden, denominadas indicadores. Se asume que existe una estructura causal entre las variables latentes. Los modelos de ecuaciones estructurales tienen ciertas características distintivas deseables como: a) inclusión explícita del error de medida en el proceso de estimación, b) estimación simultánea de los parámetros de una serie de relaciones de dependencia, en donde una variable puede actuar como dependiente en unas ecuaciones e independiente en otras, c) pueden recoger causas recíprocas y modelos recursivos y no recursivos, y d) aunque es una técnica confirmatoria, nuevos desarrollos permiten también su uso como exploratoria.

El modelo general de los sistemas de ecuaciones estructurales se define (Jöreskorg, K.G., 1984) mediante un sistema de ecuaciones lineales estructurales cuya representación matricial es:

η α η ξ ζ= +Β +Γ + (1) en donde η (m x 1) y ξ (n x 1) son vectores aleatorios de, respectivamente, variables latentes dependientes e independientes, α es un vector (m x 1) representando las intersecciones con los ejes, Β es la matriz (m x m) de coeficientes de las variables latentes endógenas representando los efectos de variables η en otras variables η , Γ es la matriz (m x n) de coeficientes de las

variables latentes exógenas, representando los efectos directos de las variables ξ

en las variables η , y ζ es un vector (m x 1) indicativo de las perturbaciones

aleatorias en la ecuación. Se asume que ( ) 0, ( ) 0, ( ) 0E E Eη ξ ζ= = = . Las variables observadas (medibles) están representadas por los vectores y

(p x 1), en donde p es el número de indicadores de ξ , y x (q x 1), siendo q el número de indicadores de η , que están relacionados con las variables latentes mediante las ecuaciones:

y yy τ η ε= +Λ +, (2)

y

x xx τ ξ δ= + Λ + , (3) siendo ε (p x 1) y δ (q x 1) los vectores de los términos de error. Se asume que ε está incorrelacionado con η , ξ yδ ; y que δ está incorrelacionado con η , ξ y

ε . yΛ (p x m) y xΛ (q x n) son matrices que contienen los coeficientes

estructurales ijλ , que relacionan las variables latentes y medibles (observadas), y

yτ (p x 1) y xτ (q x 1) son los vectores de los términos de intersección constantes.

La hipótesis fundamental de los sistemas de ecuaciones estructurales es ( )θ∑ = ∑ , en donde ∑ es la matriz covarianzas de la población y ( )θ∑ la matriz

de covarianzas del modelo, escrita como función de un vector de parámetros de éste θ . Las estimaciones de los parámetros se obtienen minimizando una función de ajuste:

( )ˆ( ) , ( )F F Sθ θ= ∑

Una vez han sido estimados los parámetros del modelo, la matriz de

covarianzas de éste se compara con la matriz de covarianzas de los datos y si la diferencia entre ambas matrices es estadísticamente aceptable el modelo de ecuaciones estructurales propuesto se reconoce como una explicación plausible de la realidad.

El gráfico 2, muestra el esquema del modelo propuesto, soporte del índice de competitividad, cuyas estimaciones expondremos a continuación. Como se puede observar en el mismo y, tal y como acabamos de ver, hay tres tipos de variables: las variables latentes no observables (competitividad regional); los

indicadores4 (expuestos en la tabla 1); y los errores de medida (e). En términos de las ecuaciones estructurales 1, 2 y 3, ésta última relaciona la matriz de indicadores (x) de las variables latentes exógenas (ξ ) con éstas; en este caso con la

competitividad ξ y la matriz de los errores de medida δ . La ecuación 2 refleja las relaciones entre los indicadores de las variables latentes endógenas (η ), siendo y la matriz de estos indicadores, y η la de latentes endógenas, más el error de estimación ε . Por último, la ecuación 1 refleja las relaciones entre variables latentes no observables que, en nuestro modelo, no existen y, por tanto, no se estiman. Gráfico 2. Modelo de ecuaciones estructurales a estimar

4 Hablamos de variables endógenas en el sentido de que están influidas por la variable exógena no observable (competitividad).

6. Los resultados

Los resultados de las estimaciones del modelo reflejado en el gráfico (2), se muestran en la tabla 2 adjunta. Tabla 2. Estimación del Índice de Competitividad 2001 Explicada Explicativa C.S.E C.E. S.E. R.C. P A. Relaciones con la competitividad GOV2002 COMPETITIVIDAD 0,08 0,42 0,014 5,762 ***

SKIST02 COMPETITIVIDAD 7,722 0,937 0,502 15,379 *** BES2002 COMPETITIVIDAD 0,049 0,117 0,031 1,586 0,113 SE_LKIS COMPETITIVIDAD -0,805 -0,182 0,305 -2,636 0,008 SKISHT02 COMPETITIVIDAD 1,035 0,772 0,076 13,649 *** SKISMS02 COMPETITIVIDAD 2,354 0,905 0,138 17,025 *** MHT02 COMPETITIVIDAD -0,042 -0,06 0,048 -0,881 0,378 MMHT02 COMPETITIVIDAD -0,614 -0,217 0,191 -3,21 0,001 MMLOWT COMPETITIVIDAD -1,235 -0,55 0,145 -8,509 *** MLOWT02 COMPETITIVIDAD -1,772 -0,593 0,19 -9,32 *** HES2002 COMPETITIVIDAD 0,013 0,087 0,01 1,369 0,171 PIBTOT COMPETITIVIDAD 1,571 0,382 0,729 2,155 0,031 B. Relaciones causales entre variables endógenas SKIST02 GOV200_2 -8,793 -0,203 2,231 -3,942 *** BES2002 GOV200_2 0,388 0,175 0,155 2,499 0,012 HES2002 GOV200_2 0,406 0,505 0,049 8,232 *** MMLOWT2 BES200_2 0,505 0,095 0,287 1,761 0,078 PIBTOT SE_LKI_1 -0,092 -0,099 0,208 -0,44 0,66 PIBTOT SKIST0_2 -0,216 -0,432 0,11 -1,963 0,05 C. Errores de medida SKISHT2 e1 0,852 0,635 0,044 19,242 *** SKISMS02 e2 1,107 0,425 0,104 10,67 *** SKIST02 e3 4,052 0,491 0,294 13,784 *** SE_LKIS e4 4,357 0,983 0,202 21,573 *** MHT02 e5 0,696 0,998 0,032 21,504 *** MMHT02 e6 2,765 0,976 0,126 21,889 *** MMLOWT e7 1,891 0,842 0,092 20,554 *** MLOWT02 e8 2,406 0,805 0,122 19,741 *** PIBTOT e9 4,032 0,98 0,191 21,103 *** BES2002 e10 0,409 0,969 0,019 21,456 *** GOV2002 e11 0,173 0,908 0,009 19,904 *** HES2002 e12 0,128 0,837 0,006 21,485 *** C.S.E. Coeficientes sin estandarizar; C.E. Coeficientes estandarizados; P. p-valor; R.C.. Razón Crítica

En primer lugar, es destacable, como no podría ser de otra manera, el efecto positivo del crecimiento real acumulado de las distintas regiones europeas en la competitividad. Es decir, las regiones que han alcanzado mayores niveles de crecimiento en términos reales obtienen un mayor índice de competitividad regional. No obstante, atendiendo a los coeficientes estandarizados, dicho efecto no es, en valor absoluto, el de mayor impacto, siendo éste la participación del personal de servicios intensivos en conocimiento en un su conjunto sobre el personal total ocupado en la región (SKIST02). Este resultado es análogo al encontrado en Díaz y Montes (2005), donde el análisis de la competitividad de las empresas manufactureras revelaba la relación positiva con el valor añadido de la empresa.

Por otra parte, el segundo conjunto de variables relacionadas en el modelo son las referidas, precisamente, a la especialización de las regiones. Estos indicadores nos ofrecen una perspectiva del impacto que tiene en la competitividad dicha especialización, según el grado de intensidad en conocimiento de las actividades. El efecto de estas variables está recogido en el gráfico adjunto.

Gráfico 3. Impacto de la especialización por regiones según su intensidad en conocimiento. Coeficientes Estandarizados

-1,0

-0,5

0,0

0,5

1,0

SKIST02 SKISHT02 SKISMS02 SE_LKIS MHT02 MMHT02 MMLOWT02 MLOWT02

Según se aprecia en el gráfico, las regiones más competitivas son aquellas con una mayor especialización en servicios de tecnología alta intensivos en conocimiento y en servicios de mercado intensivos en conocimiento (variables SKISHT02 y SKISMS02, respectivamente); frente a las manufacturas con una intensidad tecnológica baja (MMLOWT02 y MLOWT02). Se llama la atención sobre el hecho de que las estimaciones están reflejando el efecto sobre la competitividad exclusivamente del conjunto de sectores considerados. Por tanto, si hubiésemos considerado únicamente sectores industriales, los resultados serían diferentes. En el caso aquí estudiado, las regiones con una estructura relativamente más sesgada hacia servicios de alta tecnología intensivos en conocimiento, tendrán también mayores índices de competitividad.

En lo que respecta al conjunto de variables relativas al esfuerzo innovador (variables BES2002, HES2002 y GOV2002), todas ellas presentan efectos positivos. Si bien únicamente el sector público presenta efectos significativos a niveles 1%, tanto el privado (BES2002) como el de educación superior (HES2002), son significativos para niveles del 11 y 17%, respectivamente.

Además de las relaciones directas entre la competitividad y los indicadores que acabamos de comentar, se han estimado algunas otras existentes entre los propios indicadores. Entre ellas cabe destacar la correlación negativa entre el I+D público (GOV2002) y los servicios intensivos en conocimiento en su conjunto (SKIST02). Es decir, regiones con elevados niveles de I+D realizados por parte del sector público tienen también menor especialización relativa en este tipo de servicios. Por tanto, aquellas regiones que no se ven favorecidas por el efectos de una mayor competitividad debido a un bajo peso relativo de los servicios intensivos en conocimiento, se ven habitualmente compensadas por la actuación de las instituciones y empresas públicas en materia de I+D.

El resultado de las estimaciones anteriores se puede reflejar en la construcción de un índice de competitividad regional. Los valores de dicho índice se recogen en el anexo 1. Como se puede observar, las cinco regiones más competitivas son las dos correspondientes a Londres (Inner London y Outer London en las posiciones 1 y 4, respectivamente), la de Estocolmo en segundo lugar, la de Bruselas capital en tercer lugar del ranking y la de Île de France en quinto lugar. La primera región española es la Comunidad de Madrid que un índice de 47 puntos, lejos de los más de 70 de las dos primeras, aparece en el 24º lugar.

En cuanto a la calidad de las estimaciones, la medida de la bondad del ajuste en los modelos de ecuaciones estructurales está sometida a una cierta controversia, lo que explica la profusión de índices alternativos de los que se dispone. Por esta razón, se presentan (anexo 2) un número variado de ellos, con el fin de que el lector juzgue el ajuste de acuerdo con el que, en su opinión, sea más adecuado. No obstante, como se detalla a continuación, los valores obtenidos son aceptables en todos ellos.

En el grupo RMR GHI el rango del valor puede variar entre 0 y 1, indicando 1 ajuste perfecto. En la literatura se consideran valores aceptables del ajuste los superiores a 0,9.

El índice GFI, Goodness of Fit Index, (Joreskörg y Sorbörn, 1985), toma un valor de 0,981. El AGFI, Adjusted Goodness of Fit Index, similar al anterior, pero teniendo en cuenta los grados de libertad, toma el valor de 0,950. Para el NFI, Normed Fit Index, el valor obtenido es de 0,970. Por tanto, se han obtenido valores superiores a 0,9 en todos los casos, indicando un buen ajuste del modelo.

A continuación se presentan un nuevo grupo de índices cuyo campo de variación es entre 0 y 1, indicando 1 ajuste perfecto. En este caso la literatura recomienda valores próximos a 1. El RFI, Relative Fit Index, (Bollen, 1986) toma un valor de 0,933. Otros índices similares como IFI Incremental Fit Index (Bollen, 1989) toma el valor de 1,002. Para el índice TLI Tucker-Lewis Index (Bentler y Bonet, 1980) se obtuvo 1,004 y para el CFI Comparative Fit Index (Bentler 1990) el valor fue de 1. 7. Conclusiones

La competitividad a nivel regional ha sufrido en los últimos años cambios importantes derivados de la emergencia de las tecnologías digitales, las TIC. A priori, es de esperar que éstas generen importantes ganancias competitivas en aquellas economías sesgadas hacia sectores intensivos en conocimiento. Las estadísticas ofrecidas por Eurostat nos permiten el análisis de de estos cambios.

En este artículo hemos construido un índice de competitividad regional a partir de los datos de la base de datos Regio. De la estimación y confección de dicho índice se deducen las siguientes conclusiones:

• Economías con mayor especialización en servicios intensivos en conocimiento tienen mayor ventaja competitiva que aquellas cuya estructura está más sesgada hacia sectores industriales o agrícolas o servicios no intensivos en conocimiento.

• Es especialmente relevante el impacto sobre la competitividad del sector de servicios de mercado intensivos en conocimiento, así como el de servicios de alta tecnología intensivos en conocimiento.

• En su conjunto, los servicios intensivos en conocimiento generan incrementos adicionales de competitividad frente a los no intensivos.

• Las manufacturas tecnológicamente altas no tienen efectos significativos sobre la competitividad, produciendo perdidas de la misma en aquellas regiones con mayores pesos de las manufacturas tecnológicamente menos intensivas. Este resultado se justifica porque los las manufacturas tecnológicamente altas, tienen un efecto superior al de las menos intensivas en tecnología. Si embargo, la consideración de estas junto con los servicios evidencia una mayor importancia de éstos últimos.

• La consideración del gasto en investigación y desarrollo revela un efecto positivo de los tres sectores considerados (privado público y de educación superior). No obstante, el gubernamental es el que presenta una mayor significatividad. Tanto el privado como el de educación

superior únicamente presentan coeficientes estadísticamente significativos, para niveles del 20%.

• El crecimiento acumulado en los últimos años en las regiones es otro de los factores importantes en la construcción del índice. No obstante, la comparación de los coeficientes estandarizados revela que no es el de mayor peso.

• Los resultados del índice revelan que la región de Inner London es la más competitiva, seguida de Estocolmo, Bruselas , Outer London y, en quinto lugar, Île de France. La primera región española es la Comunidad de Madrid, que aparece situada en vigésimo cuarto lugar.

• Todos estos resultados se ven corroborados por las medidas de bondad de ajuste del modelo que presentan elevados grados de significatividad.

8. Bibliografía • Atkeson, A. y Kehoe, P.J. (2001) The Transition to a New Economy after the

Second Industrial Revolution. NBER Working Paper 8676. • Bentler, P.M. & Bonett, D.G. (1980). Significance tests and goodness of fit in the

analysis of covariance structures. Psychological Bulletin, 88, 588–606. • Bentler, P.M. (1990). Comparative fit indexes in structural models. Psychological

Bulletin, 107, 238–246 Psychometrika, 51, 375–377. • Bollen, K.A. (1986). Sample size and Bentler and Bonett’s nonnormed fit index. • Bollen, K.A. (1989). A new incremental fit index for general structural equation

models. Sociological Methods and Research, 17, 303–316. • Brynjolfsson, E. y Hitt, L. M. (2003) “Computing productivity: Firm-Level

Evidence”, Review of Economics and Statistics, Noviembre 2003. • Cancelo, M. y Vázquez, M. (1995) “Estudio de la competitividad de la industria a

través de la productividad”, Euro-American association of Economic Development, documento de trabajo nº 2.

• Castells, M. (2001) La Galaxia Internet. Reflexiones sobre Internet, empresa y sociedad. Madrid: Plaza&Janes.

• Castells, M. (2000) La era de la información: economía, sociedad y cultura. Vol. 1 La sociedad Red. Madrid: Alianza.

• Díaz, A. y Montes, J.L. (2005). “Digital Technologies and Competitiveness. Effects on the Manufacturing Companies”. The Spanish Case. 3rd. International Conference on European and International Political & Economic Affairs, Mayo. Athens. Grecia.

• De Long, B. (2001).”A Historical Perspective on the New Economy”. remarks prepared for the Montreal New Economy Conference, junio. Montreal

• Jöreskog, K.G. & Sörbom, D. (1984). LISREL-VI user’s guide (3rd ed.). Mooresville, IN: Scientific Software

• McFetridge, D.G. (1995) “Competitiveness: concepts and measures”, Occasional Paper Number 5, Carleton University.

• Melle, M. y Raymond, J.L. (2001) “Competitividad Internacional de las PYME industriales españolas”, Papeles de Economía Española 89-90, pags. 88-105.

• Metcalfe, J.S. y Georghiou. (1991). Evaluation of the Impact of European Community Research Programmes upon Competitiveness of European Industry. Concepts and Approaches. EC Eur 14.198. EN 1991.

• Porter, M. E. (2001) “Strategy and the Internet”, Harvard Business Review, marzo, pags. 62-78

• Norton, R. D. (2001) Creating a New Economy. The Entrepreneur and the US Resurgence. Cheltenham and Northampton: Edward Elgar.

• Krugman, P. (1990) Rethinking internacional Trade, The MIT Press, Cambridge, Massachussets.

• Torrent, J. (2002) “Innovació tecnológica, creixement económic i economía del coneixement. Una aproximació empírica, agregada i internacional a la incorporado del coneixement a l’activitat productiva durant la década deis noranta”. Tesis doctoral. Barcelona: Universitat Oberta de Catalunya.

• World Economic Forum (1994) The Global Competitiveness Report. World Economic, Geneva, Switzerland.

• Vilaseca, J. y Torrent, J. (2001) “La nova economía: evolució o revolució? La realitat económica de la Informació”. Perspectiva econòmica de Catalunya, nº 211, pags. 67-80.

Anexo 1. Regiones e Índice de Competitividad Regional Posición Región índice 1 Inner London 74,48 2 Stockholm 70,15 3 Région de Bruxelles-Capitale/Brussels

Hoofdstedelijk Gewest 59,93 4 Outer London 58,78 5 Île de France 58,07 6 Surrey, East and West Sussex 55,74 7 Utrecht 53,99 8 Åland 53,78 9 Berkshire, Bucks and Oxfordshire 52,14 10 Wien 51,73 11 Flevoland 51,55 12 Noord-Holland 50,72 13 Västsverige 50,07 14 Hamburg 49,82 15 Mellersta Norrland 49,79 16 Sydsverige 49,79 17 Berlin 49,43 18 Etelä-Suomi 49,18 19 Övre Norrland 49,05 20 Praha 48,92 21 Bratislavský 48,09 22 Östra Mellansverige 47,51 23 Zuid-Holland 47,26 24 Comunidad de Madrid 47,00 25 Hampshire and Isle of Wight 46,72 26 Bedfordshire, Hertfordshire 46,68 27 Groningen 46,31 28 Gloucestershire, Wiltshire and North Somerset46,06 29 Denmark 45,58 30 Southern and Eastern 44,89 31 Eastern Scotland 44,30 32 Merseyside 44,16 33 Norra Mellansverige 43,94 34 East Anglia 43,45 35 South Western Scotland 43,34 36 Essex 43,21 37 Kent 43,08 38 Közép-Magyarország 42,49 39 North Yorkshire 42,48 40 Greater Manchester 41,90 41 Oberbayern 41,45 42 Darmstadt 40,76 43 Northumberland, Tyne and Wear 40,60 44 Devon 40,53 45 West Yorkshire 40,15 46 Luxembourg (Grand-Duché) 40,10 47 Provence-Alpes-Côte d'Azur 39,56 48 Cornwall and Isles of Scilly 39,55 49 Gelderland 39,50 50 Pohjois-Suomi 39,03

51 East Wales 38,83 52 Dorset and Somerset 38,72 53 Leicestershire, Rutland and Northants 38,51 54 Lazio 38,46 55 Cheshire 38,25 56 North Eastern Scotland 37,75 57 Småland med öarna 37,69 58 Languedoc-Roussillon 37,60 59 East Riding and North Lincolnshire 37,30 60 Overijssel 37,15 61 Itä-Suomi 37,00 62 Friesland 36,72 63 Noord-Brabant 36,72 64 Derbyshire and Nottinghamshire 36,04 65 South Yorkshire 36,03 66 Länsi-Suomi 35,99 67 Attiki 35,68 68 Leipzig 35,55 69 Zeeland 35,49 70 Bremen 35,41 71 Lincolnshire 35,19 72 West Midlands 35,13 73 Herefordshire, Worcestershire and Warks 34,99 74 Midi-Pyrénées 34,98 75 Aquitaine 34,79 76 West Wales and The Valleys 34,68 77 Drenthe 34,25 78 Lisboa 33,98 79 Rhône-Alpes 33,93 80 Shropshire and Staffordshire 33,82 81 Bretagne 33,09 82 Dresden 33,05 83 Karlsruhe 33,01 84 Liguria 32,86 85 Köln 32,69 86 Limburg (NL) 32,60 87 Nord - Pas-de-Calais 32,60 88 Mazowieckie 32,42 89 Lancashire 32,21 90 Border, Midlands and Western 32,17 91 Pays de la Loire 32,09 92 Schleswig-Holstein 32,06 93 Poitou-Charentes 31,95 94 Limousin 31,24 95 Ciudad Autónoma de Melilla (ES) 31,20 96 Highlands and Islands 31,20 97 Haute-Normandie 30,59 98 Podlaskie 30,52 99 Lódzkie 29,99 100 Kujawsko-Pomorskie 29,97 101 Dolnoslaskie 29,63 102 Brandenburg - Nordost 29,58 103 Lorraine 29,53 104 Gießen 29,48 105 Tees Valley and Durham 29,46

106 Northern Ireland 29,26 107 Slaskie 29,10 108 Wielkopolskie 29,06 109 Basse-Normandie 29,01 110 Campania 28,80 111 Swietokrzyskie 28,73 112 Trier 28,71 113 Mittelfranken 28,55 114 Pomorskie 28,12 115 Düsseldorf 27,92 116 Malopolskie 27,92 117 Lubelskie 27,86 118 Hannover 27,73 119 Podkarpackie 27,66 120 Calabria 27,64 121 Rheinhessen-Pfalz 27,56 122 Opolskie 27,47 123 Auvergne 27,45 124 Corse 27,43 125 Sicilia 27,21 126 Salzburg 27,18 127 Canarias (ES) 27,07 128 Észak-Alföld 27,07 129 Zachodniopomorskie 26,95 130 Lüneburg 26,95 131 Lubuskie 26,91 132 Alsace 26,82 133 Burgenland 26,65 134 Illes Balears 26,52 135 Warminsko-Mazurskie 26,13 136 Tirol 25,92 137 Freiburg 25,71 138 Münster 25,66 139 Kentriki Makedonia 25,60 140 Centre 25,58 141 Stuttgart 25,24 142 Koblenz 24,90 143 Kassel 24,84 144 Mecklenburg-Vorpommern 24,83 145 Unterfranken 24,83 146 Weser-Ems 24,76 147 Picardie 24,73 148 Friuli-Venezia Giulia 24,62 149 Saarland 24,54 150 Toscana 24,39 151 Cataluña 24,36 152 Tübingen 24,17 153 Niederbayern 24,15 154 Niederösterreich 23,99 155 Ciudad Autónoma de Ceuta (ES) 23,97 156 Bourgogne 23,70 157 Valle d'Aosta/Vallée d'Aoste 23,39 158 Chemnitz 23,28 159 Sardegna 23,22 160 Schwaben 23,20

161 Emilia-Romagna 23,12 162 Dél-Dunántúl 23,06 163 Halle 23,06 164 Molise 23,01 165 Lombardia 22,89 166 Comunidad Valenciana 22,73 167 Piemonte 22,73 168 Umbria 22,41 169 Región de Murcia 22,18 170 Arnsberg 22,13 171 Franche-Comté 22,12 172 Braunschweig 22,00 173 Champagne-Ardenne 21,95 174 Puglia 21,92 175 Andalucia 21,59 176 Voreio Aigaio 21,53 177 Magdeburg 21,51 178 Kärnten 20,86 179 Észak-Magyarország 20,71 180 Cumbria 20,68 181 Comunidad Foral de Navarra 20,50 182 Steiermark 20,45 183 Aragón 20,41 184 Thüringen 20,23 185 Dessau 20,18 186 Ipeiros 20,12 187 Pais Vasco 20,11 188 Detmold 20,09 189 Oberösterreich 20,08 190 Castilla y León 19,95 191 Strední Cechy 19,79 192 Principado de Asturias 19,65 193 Východné Slovensko 19,42 194 Oberfranken 19,41 195 Região Autónoma da Madeira (PT) 19,40 196 Jihovýchod 19,32 197 Cantabria 19,29 198 Oberpfalz 19,27 199 Vorarlberg 18,84 200 Abruzzo 18,77 201 Extremadura 18,76 202 Peloponnisos 18,75 203 Marche 18,69 204 La Rioja 18,59 205 Basilicata 18,59 206 Algarve 18,53 207 Notio Aigaio 18,49 208 Galicia 17,85 209 Castilla-la Mancha 17,77 210 Veneto 17,61 211 Alentejo 17,47 212 Ionia Nisia 17,30 213 Região Autónoma dos Açores (PT) 16,70 214 Dytiki Makedonia 16,63 215 Dél-Alföld 16,48

216 Stredné Slovensko 16,13 217 Nyugat-Dunántúl 15,03 218 Kriti 14,37 219 Severozápad 14,12 220 Jihozápad 14,05 221 Moravskoslezko 14,02 222 Thessalia 14,01 223 Severovýchod 13,88 224 Dytiki Ellada 13,83 225 Západné Slovensko 13,83 226 Anatoliki Makedonia, Thraki 12,79 227 Közép-Dunántúl 12,12 228 Strední Morava 11,35 229 Norte 10,65 230 Centro (PT) 7,89 231 Sterea Ellada 5,72

Anexo 2. Output de las estimaciones

Estimates (Group number 1 - Default model)

Scalar Estimates (Group number 1 - Default model)

Maximum Likelihood Estimates

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label GOV200_2 <---e11 ,173 ,009 19,904 *** GOV200_2 <---Competitividad_regional ,080 ,014 5,762 *** SKIST0_2 <---Competitividad_regional 7,722 ,502 15,379 *** SKIST0_2 <---e3 4,052 ,294 13,784 *** BES200_2 <---Competitividad_regional ,049 ,031 1,586 ,113 BES200_2 <---e10 ,409 ,019 21,456 *** SE_LKI_1 <---Competitividad_regional -,805 ,305 -2,636 ,008 SE_LKI_1 <---e4 4,357 ,202 21,573 *** SKIST0_2 <---GOV200_2 -8,793 2,231 -3,942 *** BES200_2 <---GOV200_2 ,388 ,155 2,499 ,012 SKISHT_2 <---Competitividad_regional 1,035 ,076 13,649 *** SKISHT_2 <---e1 ,852 ,044 19,242 *** SKISMS_2 <---Competitividad_regional 2,354 ,138 17,025 *** SKISMS_2 <---e2 1,107 ,104 10,670 *** MHT02_2 <---Competitividad_regional -,042 ,048 -,881 ,378 MHT02_2 <---e5 ,696 ,032 21,504 *** MMHT02_2 <---Competitividad_regional -,614 ,191 -3,210 ,001 MMHT02_2 <---e6 2,765 ,126 21,889 *** MMLOWT_2<---Competitividad_regional -1,235 ,145 -8,509 *** MMLOWT_2<---e7 1,891 ,092 20,554 *** MLOWT0_2 <---Competitividad_regional -1,772 ,190 -9,320 *** MLOWT0_2 <---e8 2,406 ,122 19,741 *** PIBTOT <---e9 4,032 ,191 21,103 *** HES200_2 <---Competitividad_regional ,013 ,010 1,369 ,171 HES200_2 <---e12 ,128 ,006 21,485 *** HES200_2 <---GOV200_2 ,406 ,049 8,232 *** PIBTOT <---Competitividad_regional 1,571 ,729 2,155 ,031 PIBTOT <---SKIST0_2 -,216 ,110 -1,963 ,050 PIBTOT <---SE_LKI_1 -,092 ,208 -,440 ,660 MMLOWT_2<---BES200_2 ,505 ,287 1,761 ,078

Standardized Regression Weights: (Group number 1 - Default model)

Estimate GOV200_2 <--- e11 ,908 GOV200_2 <--- Competitividad_regional ,420 SKIST0_2 <--- Competitividad_regional ,937

Estimate SKIST0_2 <--- e3 ,491 BES200_2 <--- Competitividad_regional ,117 BES200_2 <--- e10 ,969 SE_LKI_1 <--- Competitividad_regional -,182 SE_LKI_1 <--- e4 ,983 SKIST0_2 <--- GOV200_2 -,203 BES200_2 <--- GOV200_2 ,175 SKISHT_2 <--- Competitividad_regional ,772 SKISHT_2 <--- e1 ,635 SKISMS_2 <--- Competitividad_regional ,905 SKISMS_2 <--- e2 ,425 MHT02_2 <--- Competitividad_regional -,060 MHT02_2 <--- e5 ,998 MMHT02_2 <--- Competitividad_regional -,217 MMHT02_2 <--- e6 ,976 MMLOWT_2<--- Competitividad_regional -,550 MMLOWT_2<--- e7 ,842 MLOWT0_2 <--- Competitividad_regional -,593 MLOWT0_2 <--- e8 ,805 PIBTOT <--- e9 ,980 HES200_2 <--- Competitividad_regional ,087 HES200_2 <--- e12 ,837 HES200_2 <--- GOV200_2 ,505 PIBTOT <--- Competitividad_regional ,382 PIBTOT <--- SKIST0_2 -,432 PIBTOT <--- SE_LKI_1 -,099 MMLOWT_2<--- BES200_2 ,095

Covariances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label e6 <-->e7 ,324 ,055 5,885 *** e3 <-->e4 -,445 ,063 -7,037 *** e9 <-->e12 -,140 ,063 -2,213 ,027 e5 <-->e6 ,344 ,053 6,434 *** e6 <-->e9 -,198 ,055 -3,585 *** e1 <-->e9 ,132 ,068 1,952 ,051 e2 <-->e11 -,419 ,106 -3,954 *** e9 <-->e10 ,086 ,070 1,227 ,220 e10<-->e12 ,252 ,060 4,208 *** e1 <-->e12 -,216 ,063 -3,449 *** e8 <-->e4 -,179 ,062 -2,869 ,004 e5 <-->e4 -,121 ,052 -2,300 ,021 e2 <-->e8 ,223 ,098 2,287 ,022 e3 <-->e7 ,186 ,070 2,661 ,008 e9 <-->e4 ,020 ,177 ,114 ,910 e10<-->e4 -,132 ,055 -2,416 ,016 e1 <-->e5 ,211 ,064 3,288 ,001

Estimate S.E. C.R. P Label e1 <-->e6 ,174 ,063 2,765 ,006

Correlations: (Group number 1 - Default model)

Estimate e6 <--> e7 ,324 e3 <--> e4 -,445 e9 <--> e12 -,140 e5 <--> e6 ,344 e6 <--> e9 -,198 e1 <--> e9 ,132 e2 <--> e11 -,419 e9 <--> e10 ,086 e10<--> e12 ,252 e1 <--> e12 -,216 e8 <--> e4 -,179 e5 <--> e4 -,121 e2 <--> e8 ,223 e3 <--> e7 ,186 e9 <--> e4 ,020 e10<--> e4 -,132 e1 <--> e5 ,211 e1 <--> e6 ,174

Variances: (Group number 1 - Default model)

Estimate S.E. C.R. P Label Competitividad_regional 1,000 e1 1,000 e2 1,000 e3 1,000 e5 1,000 e6 1,000 e7 1,000 e8 1,000 e9 1,000 e10 1,000 e11 1,000 e12 1,000 e4 1,000

Squared Multiple Correlations: (Group number 1 - Default model)

Estimate GOV200_2 ,176SE_LKI_1 ,033BES200_2 ,062

Estimate SKIST0_2 ,758HES200_2 ,300PIBTOT ,040MLOWT0_2 ,352MMLOWT_2 ,291MMHT02_2 ,047MHT02_2 ,004SKISMS_2 ,819SKISHT_2 ,596

Model NPAR CMIN DF P CMIN/DF Default model 48 28,426 30 ,548 ,948 Saturated model 78 ,000 0 Independence model 12 937,421 66 ,000 14,203

Model RMR GFI AGFI PGFI Default model ,237 ,981 ,950 ,377 Saturated model ,000 1,000 Independence model 3,232 ,559 ,479 ,473

Model NFI

Delta1 RFI

rho1 IFI

Delta2 TLI

rho2 CFI

Default model ,970 ,933 1,002 1,004 1,000 Saturated model 1,000 1,000 1,000 Independence model ,000 ,000 ,000 ,000 ,000

Model PRATIO PNFI PCFI Default model ,455 ,441 ,455 Saturated model ,000 ,000 ,000 Independence model 1,000 ,000 ,000

Model NCP LO 90 HI 90 Default model ,000 ,000 14,877 Saturated model ,000 ,000 ,000 Independence model 871,421 776,162 974,105

Model FMIN F0 LO 90 HI 90 Default model ,124 ,000 ,000 ,065 Saturated model ,000 ,000 ,000 ,000 Independence model 4,076 3,789 3,375 4,235

Model RMSEA LO 90 HI 90 PCLOSE Default model ,000 ,000 ,046 ,968 Independence model ,240 ,226 ,253 ,000

Model AIC BCC BIC CAIC Default model 124,426 130,178 289,662 337,662 Saturated model 156,000 165,346 424,509 502,509 Independence model 961,421 962,859 1002,730 1014,730

Model ECVI LO 90 HI 90 MECVI Default model ,541 ,548 ,613 ,566 Saturated model ,678 ,678 ,678 ,719 Independence model 4,180 3,766 4,627 4,186

Model HOELTER

.05 HOELTER

.01 Default model 355 412 Independence model 22 24