Tipologies dels sistemes regionals d'innovació en la UE-28. Els determinants de l'entorn d'innovació.

Grau en Enginyeria Mecànica TIPOLOGIES DELS SISTEMES REGIONALS D’INNOVACIÓ EN LA UE-28. ELS DETERMINANTS DE L’ENTORN D’INNOVACIÓ. Memòria Pau Palacios Vilajuana PONENT: Julián Horrillo Tello PRIMAVERA 2015 2 Agraïments Vull agrair tot el suport, el recolzament i la flexibilitat mostrada per el meu tutor, en Julián Horrillo, al llarg de tot el projecte. 4 Resum Durant els darrers anys, en els quals les principals economies mundials s'han vist immerses en una profunda crisi econòmica, la preocupació de la Unió Europea per a assolir un nivell superior d'innovació s'ha anat incrementant. La innovació, entesa com a principal revulsiu per a que les empreses generin valor, contribueix al progrés econòmic de les regions. La reflexió posterior a aquest raonament és evident: quins són els principals determinants de la innovació? El present projecte utilitza tècniques estadístiques per a detectar quins són els principals Sistemes Regionals d'Innovació i els principals determinants de l'entorn d'innovació a la UE-28. Resumen Durante los últimos años, en los que las principales economías mundiales se han visto inmersas en una profunda crisis económica, la preocupación de la Unión Europea para conseguir un nivel superior de innovación ha ido creciendo. La innovación, entendida como el principal revulsivo para que las empresas generen valor, contribuye, al progreso económico de las regiones. La reflexión posterior a este razonamiento es evidente: ¿cuáles son los principales determinantes de la innovación? El presente proyecto utiliza técnicas estadísticas para detectar cuáles son los principales Sistemas Regionales de Innovación y los principales determinantes del entorno de innovación en la UE-28. Abstract In recent years, in which the world's major economies have been immersed in a deep economic crisis, the concern of the European Union to achieve a higher level of innovation has been growing. Innovation, understood as the main lever for companies to generate value, contributes to the economic progress of the regions. The following reflection to this thought is obvious: which are the main determinants of innovation? This project uses statistical techniques to detect which are the main Regional Innovation Systems and the main determinants of innovation environment in the EU-28. 6 I Índex Índex de figures ............................................................................................... III Índex de Taules ................................................................................................ V 1. Objectius ........................................................................................................ 1 1.1. Propòsit ................................................................................................................................... 1 1.2. Finalitat .................................................................................................................................... 1 1.3. Objecte .................................................................................................................................... 1 1.4. Abast........................................................................................................................................ 1 2. Introducció..................................................................................................... 3 2.1. Tractament d’informes estudiats ............................................................................................ 4 3. Objectius específics i especificacions tècniques ........................................... 9 4. Marc Conceptual ......................................................................................... 11 4.1. Descripció del procés d'innovació ......................................................................................... 11 4.2. Models del procés d'innovació .............................................................................................. 13 4.2.1. Models lineals ................................................................................................................ 14 4.2.2. Models per etapes ........................................................................................................... 15 4.2.3. Models mixtes ................................................................................................................ 16 4.2.4. Models integrats ............................................................................................................. 19 4.2.5. Models en xarxa ............................................................................................................. 19 4.2.6. Conclusions dels models ................................................................................................ 20 4.3. Models d'innovació regional ................................................................................................. 21 4.3.1. Districtes industrials ....................................................................................................... 22 4.3.2. Entorn innovador ............................................................................................................ 23 4.3.3 Sistemes regionals d'innovació ........................................................................................ 25 4.4. Capacitat d'absorció .............................................................................................................. 29 4.5. Indicadors .............................................................................................................................. 31 4.5.1. Proposta teòrica indicadors .......................................................................................... 31 4.5.2. Proposta d'indicadors disponibles .................................................................................. 33 4.5.3. Indicadors finals ............................................................................................................. 34 5. Metodologia ................................................................................................ 39 5.1. Mètodes estadístics utilitzats ................................................................................................ 39 5.2. Recopilació i tractament de les dades................................................................................... 39 II 5.3. Anàlisi factorial ...................................................................................................................... 43 5.3.1. Fonament teòric .............................................................................................................. 43 5.3.2. Funcionament empíric .................................................................................................... 45 5.4. Anàlisi clúster ........................................................................................................................ 48 5.4.1. Fonament teòric .............................................................................................................. 48 5.4.2. Funcionament empíric .................................................................................................... 50 5.5. Regressió logística ................................................................................................................. 52 5.5.1. Fonament teòric .............................................................................................................. 52 5.5.2. Funcionament empíric .................................................................................................... 54 5.6 Equacions estructurals ........................................................................................................... 58 5.6.1. Fonament teòric .............................................................................................................. 58 6. Els sistemes regionals d'innovació a Europa ............................................... 63 6.1. Anàlisi factorial ...................................................................................................................... 63 6.1.1. Canvis als indicadors ...................................................................................................... 63 6.1.2. Resultats de l'anàlisi factorial ......................................................................................... 64 6.2. Anàlisi clúster ........................................................................................................................ 68 6.2.1. Número òptim de clústers ............................................................................................... 68 6.2.2. Resultats de l'anàlisi ....................................................................................................... 71 7. Determinants de la innovació a Europa ...................................................... 81 7.1. Els factors determinants de la innovació .............................................................................. 81 Per a conèixer els principals determinants de la innovació territorial a nivell de la Unió Europea s'ha utilitzat la tècnica de la regressió logística. .......................................................................... 81 7.2. Els Indicadors determinants de la innovació ......................................................................... 82 7.2.1. Indicadors Utilitzats ....................................................................................................... 83 7.2.2. Model 1........................................................................................................................... 84 7.2.3. Model 2........................................................................................................................... 86 7.2.4. Model 3........................................................................................................................... 88 8. Planificació .................................................................................................. 91 8.1. Planificació Projecte de detall ............................................................................................... 91 8.2. Execució del Projecte de detall ............................................................................................. 93 9. Impacte mediambiental ............................................................................... 95 10. Conclusions ............................................................................................... 97 11. Bibliografia .............................................................................................. 101 III Índex de figures Fig. 4. 1. Diagrama procés d’innovació. Font: Elaboració pròpia. .................................................... 11 Fig. 4. 2. Diagrama Technology Push. Font: elaboració pròpia. ....................................................... 14 Fig. 4. 3. Diagrama Market Pull. Font: elaboració pròpia. ............................................................... 15 Fig. 4. 4. Diagrama model per etapes. Font: elaboració pròpia. ...................................................... 16 Fig. 4. 5. Diagrama model kline. Font: elaboració pròpia. ............................................................... 17 Fig. 4. 6. Diagrama model integral. Font: elaboració pròpia. ........................................................... 19 Fig. 4. 7. Diagrama model en xarxa. Font: elaboració pròpia. ......................................................... 20 Fig. 4. 8. Diagrama de districte industrial. Font: elaboració pròpia. ................................................ 22 Fig. 4. 9. Diagrama entorn innovador. Font: Oliver Crevoisier, milieux innovateurs. ...................... 24 Fig. 4. 10. Diagrama SRI. Font: Töftling, F.I Trippl, M. (2005)........................................................... 26 Fig. 4. 11. Determinants capacitat d’absorció. Font: Van den Bosch (1999). .................................. 30 Fig. 5. 1. Selecció d’anàlisi factorial al SPSS...................................................................................... 45 Fig. 5. 2 Determinant de la matriu de correlacions .......................................................................... 45 Fig. 5. 3 Valor del KMO a l'anàlisi factorial ....................................................................................... 46 Fig. 5. 4 . Comunalitat dels Indicadors ............................................................................................. 47 Fig. 5. 5 Quantitat d'informació que explica el mode ...................................................................... 47 Fig. 5. 6. Selecció d’anàlisi clúster. ................................................................................................... 49 Fig. 5. 7. Selecció de regressió logística. .......................................................................................... 53 Fig. 5. 8. Estructura model de regressió. Font: elaboració pròpia. .................................................. 59 Fig. 5. 9. Estructura model d’equacions estructurals. Font: elaboració pròpia. .............................. 59 Fig. 5. 10 Exemple model d’equacions estructurals. Font: elaboració pròpia. ............................... 60 Fig. 6. 1 Sistema regional d'innovació .............................................................................................. 66 Fig. 6. 2. Clúster 1 ............................................................................................................................ 71 Fig. 6. 3. Clúster 2 ............................................................................................................................. 73 Fig. 6. 4. Clúster 3 ............................................................................................................................. 74 Fig. 6. 5 Clúster 4 .............................................................................................................................. 76 Fig. 6. 6. Clúster 5 ............................................................................................................................. 77 Fig. 6. 7. Clúster 6 ............................................................................................................................. 79 Fig. 8. 1. Duració i cost de les activitats del projecte de detall. ...................................................... 91 Fig. 8. 2. Planificació del projecte de detall. ..................................................................................... 92 Fig. 8. 3. Planificació del projecte de detall. .................................................................................... 93 4 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Aquests dos models estadístics ens facilitaran uns resultats que, presumiblement, permetran extreure conclusions sobre els indicadors proposats inicialment i la seva relació amb les regions europees. 2.1. Tractament d’informes estudiats Per a portar a terme aquest projecte s’ha hagut de consultar moltíssima documentació. En primer lloc calia entendre què és el procés d’innovació, quins models existeixen i quina evolució han tingut al llarg del temps. Tot seguit es va haver d’estudiar la innovació en àmbit regional, les seves principals característiques i finalment els diferents models d’innovació regional existents. També ha estat important llegir articles sobre la capacitat d’absorció degut a la seva gran importància dins dels models d’innovació regional. En segon lloc s’han hagut d’estudiar profundament els mètodes estadístics que caldrà aplicar. L’anàlisi factorial per a agrupar indicadors en factors, l’anàlisi clúster per a identificar aglomerats de regions, l’anàlisi de regressió logística per a fer un primer model predictiu i l’anàlisi d’equacions estructurals per a anar un pas més enllà i mirar d’explicar les relacions reciproques entre variables. Tots aquests models s’han estudiar de forma teòrica i s’han definit els programes que s’utilitzaran (SPSS). En últim lloc i complementant els dos temes esmentats s’han consultat diversos projectes elaborats a la mateixa EUPMT que són precedents del que es porta a terme. Alguns d’ells són molt embrionaris però d’altres sí que tracten aspectes que també es contemplen en aquest projecte. A continuació és fa un petit resum dels articles consultats que més rellevants han sigut per a completar el marc teòric del projecte. Informe Benavides i Quintana (Regiones en aprendizaje, ¿una nueva dimensión territorial de la innovación?) L’estudi que es presenta recalca la importància del concepte de regió d’aprenentatge per a potenciar la innovació. Reafirma la rellevància de la proximitat geogràfica com a indicador clau per a facilitar la innovació tot i l’augment de la quantitat i la qualitat de les TIC. Explica la naturalesa del coneixement que es necessita transmetre per a facilitar la Introducció 5 innovació (coneixement tàcit) i les eines que funcionen per a transmetre’l de forma més eficient. També explica els processos que es donen en una xarxa de cooperació i enumera alguns dels seus avantatges, com poden ser la capacitat per agafar coneixement o de superar el plagi. Per últim fa referència al concepte de clúster industrial i a la rellevància d’aquests en el models d’innovació regionals. Informe Velasco, Zamnillo i Gurutze (Evolución de los modelos sobre el proceso de innovación: Desde el modelo lineal hasta los sistemas de innovación) Aquest informe fa un repàs profund als diferents models que descriuen el procés innovador. Explica amb ordre cronològic els diferents models existents posant èmfasi en molt dels seus encerts i en alguns dels seus defectes. Explica l’origen del mode lineal basant-se en el Market pull i el Technology push. Fa referència al model per etapes, tot i que en destaca les semblances amb el model lineal. Fa especial menció als models mixtes i sobretot al model Kline, que considera el primer model que descriu el procés amb certa exactitud i que és vàlid per a utilitzar en diferents tipus de processos d’innovació. També comenta alguns dels models més recents com el model integral o els models de xarxa tot i que destaca la seva difícil aplicació pràctica degut a que són abstractes i massa teòrics. Informe Buesa, Martínez, Heijs i Baumert (Los sistemas regionales de innovación en España. Una tipología basada en indicadores económicos e institucionales) Aquest article analitza Espanya a través de les seves comunitat autònomes. A nivell introductori repassa alguns dels conceptes més estretament relacionats amb l’informe com sistema d’innovació, entorn regional o sistema regional d’innovació. Tot seguit fa una proposta d’indicadors i variables que explicarien el nivell d’innovació per a cada regió i 6 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació explica les raons que justifiquen la seva presència i no la d’altres. Les classifica en quatre dimensions: empresa, infraestructura de suport, actuacions públiques i entorn regional. El tractament que fa dels indicadors és el d’agrupar-los en factor mitjançant l’anàlisi factorial. Utilitzant aquests factors és capaç de descriure el nivell d’innovació i algunes de les característiques de la mateixa per a cada comunitat autònoma. Informe Peña (Teorías explicativas de las disparidades económicas espaciales. Teorías del crecimiento endógeno, La tesis de los milieux innovateurs.) Aquest informe explica detalladament l’origen del milieux innovaeurs (entorn innovador). Per a poder fer-ho comenta alguns dels models regionals d’innovació existents abans de la popularització de l’entorn innovador. Ressalta diferents enfocaments per a tractar el tema, com per exemple l’enfocament territorial o l’enfocament cognitiu. Per últim fa un repàs a alguns elements importants que utilitza per explicar la naturalesa dels entorns innovadors com són les economies externes, les economies de proximitat i els elements sinèrgics. Informe Navarro (Los sistemas regionales de innovación en Europa, una literatura con claroscuros) Aquest és un profund estudi sobre els sistemes regionals d’innovació. En primer lloc l’article fa referència a la importància de la innovació com a impulsora de l’economia degut al seu potencial per a arribar a l’avantatge competitiu. Tot seguit cita repetidament a Cooke, que és l’autor per excel·lència dels sistemes regionals d’innovació i el primer que va utilitzar el terme, per a definir el concepte. També explica altres definicions de diferents autors experts en la matèria, com Asheim i Gertler. Utilitza l’esquema sobre la composició d’un SRI de Tödtling per a explicar el funcionament d’un SRI i a continuació fa una explicació detallada dels termes regió, innovació i sistema tal com s’entenen en la teoria dels SRI. Introducció 7 Per acabar fa referència a algunes de les idees més esteses sobre el caràcter autoreproduïble dels SRI i altres característiques secundàries dels SRI. Informe Vega i Gutiérrez (Los determinantes de la innovación tecnológica e la empresa: Una aproximación a través del concepto de capacidad de absorción.) En aquest article procedent del XI Seminari llatino-Iberoamericà de la gestió tecnològica s’explica el concepte de la capacitat d’absorció fent especial atenció a la importància d’aquesta a la innovació. Els autors de l’article recalcen la inexistència d’un consens real alhora de definir la capacitat d’absorció i citen les definicions de diferents experts en aquesta matèria per a crear un petit marc conceptual que permeti al lector entendre les diferents dimensions del concepte. També parla dels condicions bàsics que s’han de donar per a que la capacitat d’absorció sigui possible i subratlla la importància del coneixement previ com a antecedent fonamental. Els autors utilitzen diferents models (Cohen i Levinthal, 1990; Van den Bosch, 1999) per a explicar el paper de la capacitat d’absorció dins del procés d’innovació. La part central i la més rellevant de l’article la dedica a explicar tots els determinants que , segons l’autor, són significatius per a determinar la qualitat de la capacitat d’absorció de l’empresa. Per últim ens mostra un estudi empíric en que, posant exemples pràctics, intenta contrastar les seves afirmacions teòriques. Objectius específics i especificacions tècniques 9 3. Objectius específics i especificacions tècniques Els objectius que permetran la correcta realització del projecte són diversos i es presenten fent menció de les eines que es necessitaran per a assolir-los amb garanties. -Revisió de la documentació pertinent relacionada amb el projecte:  Articles científics  Projectes i treballs d’investigació anteriors  Aplicació de models estadístics -Definició exhaustiva del diferents models del procés innovador  Model lineal  Model per etapes  Model mixte, amb principal atenció al model Kline  Models integrals  Models de xarxa -Definició del diferents models d’innovació regional:  Districte industrials  Entorns innovadors  Sistemes regionals d’innovació -Proposta d’indicadors  Indicadors interns  Indicadors externs  Indicadors de cooperació 10 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació  Contrastació amb les dades disponibles a l’Eurostat -Agrupació d’indicadors  Anàlisi factorial (multivariant)  SPSS (programa estadístic -Agrupació de regions  Anàlisi clúster (multivariant)  SPSS (programa estadístic) -Model de regressió logística  Proposta de model de regressió logística (multivariant)  Millora del model estadístic  SPSS (programa estadístic) -Model d’equacions estructurals  Proposta de model d’equacions estructurals (multivariant)  Millora del model estadístic  AMOS (programa estadístic) - Extracció de conclusions dels models  Extreure conclusions d’ambdós models  Validació de les conclusions dels models Marc conceptual 11 4. Marc Conceptual 4.1. Descripció del procés d'innovació La quantitat de canvis i el ritme frenètic al que es produeixen a les organitzacions i en el seu funcionament ha augmentat radicalment els últims anys. La sorprenent evolució de les TIC i la globalització han augmentat la velocitat a la que funcionen les empreses i la competència de les mateixes. El canvi i l’evolució s’ha convertit en una realitat diària per a tots aquells que vulguin ser competitius en un futur a curt termini. En aquesta nova realitat la innovació ha pres un paper cada vegada més rellevant. La definició més elemental de innovació és aquella que la descriu com el procés de treure una aplicació i un rendiment comercial i econòmic a una idea. Una invenció per si mateixa no és una innovació i pot existir innovació sense que explícitament s’hagi inventat quelcom. Tot i que l’essència de la innovació segueix sent la mateixa el significat de la paraula ha anat evolucionant amb els anys a mesura que el mateix procés d’innovació prenia importància. Actualment hi ha un consens total en considerar la innovació com un procés interactiu i complex que te com a principal característica que el recurs que utilitza i el resultat que cerca es el mateix: el coneixement. Fig. 4. 1. Diagrama procés d’innovació. Font: Elaboració pròpia. Fig. Font pròpia Algunes de les consideracions més recents, Lundvall (2007), defineixen la innovació com un procés que abasta no només la introducció al mercat de la invenció sinó la seva difusió i el seu ús. A més expliciten que és necessari desenvolupar la capacitat d’aprendre. Aquesta visió més amplia del que significa el procés d’innovació afecta significativament els 12 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació indicadors o factors que afecten al procés. Es posarà atenció, per exemple, a l’aprenentatge per la pràctica (before doing, by doing, by failing i by interacting). De forma genèrica es pot dir que s’emfatitzaran les capacitats d’aprenentatge i de generació de competències. Cooke i Asheim (2007) coincideixen al dir que els processos d’innovació estan basats en el coneixement i proposen distingir tres tipus bàsics de coneixement, en funció de les diferents combinacions de coneixements tàcits i codificats, qualificacions i habilitats, organitzacions i institucions requerides i tipus d’innovació a la que condueixen. Aquest tipus són: coneixement analític (o de base científica), coneixement sintètic (basat en l’enginyeria) i coneixement simbòlic (de base creativa). Base de coneixement analítica És la més habitual en activitats com la biotecnologia i les tecnologies de la informació en les que el coneixement científic és molt important. L’obtenció d’aquest coneixement requereix, a part d’investigació, el desenvolupament sistemàtic de productes i processos. Tot i que les empreses acostumen a tenir el seu propi departament de I+D sovint es recolzen en la universitat i altres organitzacions d’investigació. En comparació amb la resta de coneixements tant en els inputs com en els outputs te més presència el coneixement codificat. L’aplicació d’aquest coneixement és representa sovint en nous productes o processos en un tipus d’innovació molt radical que acostuma a anar associada a creació de noves empreses o a processos spin-off. Base de coneixement sintètica És la més estesa i habitual. La innovació sorgeix de l’aplicació o de la nova combinació de coneixement existent en resposta a la necessitat de resoldre problemes pràctics. Aquesta base de coneixement és la predominant a molts sectors industrials habituals com l’automoció o la maquinària. En aquest cas la I+D i la relació amb universitats i altres organismes d’investigació no és tant rellevant i quan la relació existeix acostumen a ser projectes d’investigació aplicada i desenvolupament. El coneixement es creat a partir de processos inductiu (processos de verificació, experimentació i simulació ...) i no deductiu. Les qualificacions necessàries estan basades en un know-how concret i habilitats pràctiques provinents de professionals Marc conceptual 13 experimentats. Per la manera com es genera el coneixement, el coneixement tàcit és molt important. L’aplicació d’aquest tipus de coneixement s’acostuma a concretar en millores de productes o processos mitjançant millores innovadors incrementals que degut a la seva naturalesa més conservadora s’acostumen a dur a terme a la mateixa empresa. Base de coneixement simbòlica Aquest coneixement fa referència a l’estètica, als dissenys i imatges i te gran importància en industries culturals i mediàtiques (publicitat, cinema, moda, música...). En aquest cas les necessitats per a la creació del coneixement són de tipus estètic, de creació i d’interpretació de símbols, normes, valors i cultura de grups específics. El coneixement es transforma en output en forma de símbols estètics, imatges, dissenys, sons, narracions,... Per tot això la majoria del coneixement és de tipus tàcit i les aplicacions són intensives en innovació i disseny. 4.2. Models del procés d'innovació Són molts els autors que han intentat crear models que expliquessin com funciona el procés d’innovació. A mesura que la innovació prenia importància s’han proposat més models, cada vegada més complexos i que expliquen el procés d’innovació des de punts de vista diferents. Tot i això no existeix un model explicatiu clar i definitiu que enumeri les activitats i el recorregut de les mateixes des de que es crea una invenció fins que fins que se’n extreu un rendiment comercial. Tots els models existents presenten certes carències o només expliquen una part del procés. És per aquest motiu que diversos autors han afirmat que no existeix encara un model del procés de innovació generalitzable (Forrest, 1991; Hobday, 2005). També hi ha autors que pronostiquen que això no s’aconseguirà mai degut a la dificultat de trobar un model que es pugui aplicar a un procés tant complex i divers com el de la innovació (Forrest, 1991; Cooper, 1983). Fins i tot hi ha autors que qüestionen el simple fet d’intentar crear un model universal per al procés d’innovació (King y Anderson, 2003). Actualment existeixen molts models i molts diversos. Tot i que certament alguns han quedat obsolets la majoria coexisteixen perquè o bé expliquen parts diferents del procés d’innovació o bé ho expliquen des de punts de vista realment diferents. 20 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Fig. 4. 7. Diagrama model en xarxa. Font: elaboració pròpia. Aquest model entén la innovació com un procés d’aprenentatge que involucra elements tant interns com externs. Aquest model apunta a una idea que en el moment de la creació del mateix no estava gens estesa i és que va ser el primer en donar importància a les fonts de coneixement externs de l’empresa. El model parla de “sistema d’innovació” en referència al conjunt de relacions que tenen les empreses amb el seu entorn (proveïdors, clients, competidors, universitat, administració pública ...) i que poden aportar nou coneixement a l’organització. És per aquest motiu que el model es diu “de xarxa”, doncs considera la xarxa de relacions que formen l’empresa amb els diferents agents externs com una fon important de coneixements. Segons Freeman (1987) un Sistema d’Innovació es defineix com “les xarxes d’institucions al sector privat i públic les activitats de les quals inicien, transmeten, modifiquen i difonen noves tecnologies”. 4.2.6. Conclusions dels models Algunes de les conclusions que s’han extret de l’estudi dels diferents models del procés d’innovació són determinants per a poder fer el triatge dels indicadors que s’utilitzaran com a dades per al model estadístic. Marc conceptual 21 -Existeix un conjunt de carències comú a la majoria de models. Molts d’ells estan enfocats només a la innovació en producte i deixen de banda la resta de possibilitats d’innovació. Tots ells estan pensats per a empreses de gran dimensió amb departament propi de R+D i no contemplen el procés existent previ a la innovació degut a que parteixen sempre de la invenció (ja sigui causada per la investigació directament o també per les necessitat del mercat). -Tot i el conjunt de defectes que presenten els models estudiats aquests són molt útils per a comprendre el funcionament del procés d’innovació. És obvi que, com alguns models apunten, els factors interns de l’empresa (cultura organitzativa, qualificació del personal, posició de l’empresa dins del sector,...) són importants alhora de mesurar la capacitat d’innovar que te l’empresa i els seus resultats. A més els últims models destaquen que existeixen un seguit de factors extern a l’empresa que afecten de forma significativa a la capacitat d’aquesta per a innovar. És a dir que factors de l’entorn de l’empresa poden tenir un pes important dins del procés d’innovació. Per últim cal esmentar que hi ha un tercer grup de factors que poden ser significatius dins del procés d’innovació. Aquests són els factors que s’extreuen de quina és la relació entre l’empresa i el seu entorn. Els factors de cooperació són una peça clau per entendre la capacitat i disponibilitat que tindrà una empresa per a innovar. 4.3. Models d'innovació regional Gran part del coneixement necessari per a iniciar el procés d’innovació és de naturalesa tàcita i per tant de difícil transmissió (Benavides, 2002). Tot i que les TIC són molt útils per a transmetre informació i coneixement codificats no són una bona eina per al coneixement tàcit. En canvi la naturalesa de les xarxes de cooperació sí que facilita l’intercanvi de coneixement de qualsevol tipus. L’evolució tecnològica semblava que acabaria amb la importància de la proximitat geogràfica però la dificultat de transmetre coneixement a través de les TIC ha fet que en un món globalitzat com l’actual la proximitat geogràfica segueixi sent un factor determinant. 22 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació 4.3.1. Districtes industrials El concepte de districte industrial es emprat i definit per primera vegada per l’economista Alfred Marshall, que al intentar explicar què és un districte industrial el defineix com “concentracions de sectors especialitzats en una localitat específica”. Amb el pas dels anys Marshall va anar depurant la definició de districte industrial. Parla “d’atmosfera industrial” per referir-se a l’entorn en que es desenvolupa el districte i descriu les relacions entre les empreses del mateix districte com a “mútua confiança i coneixement”. A partida de finals dels 70 i durant els 80 diversos autors italians aprofundeixen més en l’estudi dels districtes industrials i en les característiques dels mateixos. Per a poder parlar de districte industrial és necessari que el conjunt d’empreses estigui integrada amb la comunitat local de persones i amb la seva cultura, els seus valors i les seves normes socials. Fig. 4. 8. Diagrama de districte industrial. Font: elaboració pròpia. Així doncs un districte industrial és un únic conjunt social i econòmic a on existeixen intenses interrelacions entre l’esfera social, política i econòmica. D’aquesta manera s’entén que l’èxit del districte no depèn exclusivament de l’èxit de l’esfera econòmica sinó que està lligat al pervenir de l’esfera política i social. Els elements fonamentals d’un districte industrial són diversos. En primer lloc la presència de petits i mitjanes empreses que siguin dinàmiques i que pertanyin a un mateix sector industrial, que estiguin concentrades a nivell territorial i que tinguin forts llaços tant de cooperació com de competència entre elles. Marc conceptual 23 En segon lloc la cohesió social i les relacions interpersonals que afavoreixin un clima industrial de confiança i cooperació que els permeti assolir la eficàcia del conjunt del districte. 4.3.2. Entorn innovador A mitjans dels anys 80 l’economista francès Aydalot va començar a escriure i a investigar en una nova visió de la innovació territorial anomenada entorn innovador (milieux inovateurs). Aquest nou model de la innovació assumeix, com ho havien fet fins aleshores la resta de models, que la capacitat d’innovació depèn de variables internes als propis territoris, i es pregunta quins són les causes de que la innovació es reparteixi de forma desigual en l’espai i en definitiva quins són els factors que determinen que una zona sigui més innovadora que una altre. La tesi de l’entorn innovador emfatitza la importància dels recurs immaterials (know how, per exemple), de la proximitat geogràfica entre empreses, de la cooperació i l’aprenentatge dins de la dinàmica empresarial i dels actius relacionants (com la capacitat de reacció immediata). La noció d’entorn es refereix a la capacitat que posseeix un territori per posar en valor la proximitat dels actors de la innovació en forma d’aptituds i comportaments orientats a la producció, transmissió i acumulació de coneixement vinculats a l’activitat industrial. La noció d’entorn innovador està formada per tres paradigmes o enfocs: Paradigma organitzatiu: Ressalta les diferents formes de combinar els inputs que rep l’empresa per a millorar els sistemes de producció. Paradigma territorial: Descriu l’entorn com un agent col·lectiu que redueix el grau d’incertesa i els costos de transacció derivats de les relacions Inter empresarials. També pot dinamitzar la investigació, transformació i control de la informació generada per les empreses. 24 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Paradigma tecnològic o cognitiu: Fa referència a les funcions d’aprenentatge (know how) i a l’acumulació de coneixement i cultura tècnica, juntament amb la contribució del mercat local. Fig. 4. 9. Diagrama entorn innovador. Font: Oliver Crevoisier, milieux innovateurs. Podem definir l’entorn innovador com un “àmbit de cooperació territorial al qual les interaccions entre els agents econòmics es desenvolupen degut a l’aprenentatge que fan de les transaccions generadores d’externalitats específiques a la innovació i degut a la convergència de l’aprenentatge en formes, cada vegada més eficient, de gestió dels recursos.” (Peña, 2002) En definitiva la tesi de l’entorn innovador evidencia la necessitat de tenir en compte l’espai i el territori als models d’innovació degut a les estretes relacions entre regió i innovació i permet entendre perquè el territori representa un recurs bàsic del procés de desenvolupament econòmic. Marc conceptual 25 4.3.3 Sistemes regionals d'innovació El terme sistema regional d’innovació (SRI) va ser usat per primera vegada en una publicació de Cooke (1992) a principis dels 90. Poc abans havia aparegut per primera vegada també el terme sistema nacional d’innovació en un treball de Freeman (1987). Tot i que actualment no existeix una definició de sistema regional d’innovació acceptada per tothom una de les més ciades és la de Asheim i Gertler (2005) en que el defineix com “la infraestructura institucional que recolza la innovació a la estructura productiva d’una regió”. Com Cooke senyala (2003), el sistema regional d’innovació està integrat per dos subsistemes d’actors implicats en un aprenentatge interactiu: un subsistema de generació de coneixement o infraestructura de recolzament regional, formada per laboratoris de investigació públics i privats, per universitats, agències de transferència tecnològica, organitzacions de formació contínua... i un subsistema d’explotació de coneixement o estructura de producció regional, format majoritàriament per empreses. Sobre ambdós subsistemes actuen les organitzacions governamentals i les agències de desenvolupament regional, que segons Trippl i Tödtling (2007) constituirien per si mateixes un altre SRI. Aquest SRI no es pot entendre com una unitat autosuficient sinó com un sistema obert que es troba enllaçat a altres sistemes d’innovació regional, nacional i global. Tots aquests sistemes estan insertats en un marc socioeconòmic i cultural comú regional. Sovint la literatura creada al voltant dels SRI ha estat criticada per la falta de precisió, claredat i rigor. El mateix concepte de sistema regional d’innovació ha estat denominat per Markusen (2003) com a concepte “fuzzy”, és a dir, “caracterització faltada de claredat conceptual i difícil de fer operativa”. L’existència de crítiques tant severes demostra en qualsevol cas que és un concepte que presenta dificultats. Per a intentar clarificar quin és el seu significat es començarà per tractar per separat els tres termes que formen el concepte: regió, innovació i sistema ((el terme innovació ja està tractat amb profunditat en apartats anteriors). 26 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Fig. 4. 10. Diagrama SRI. Font: Töftling, F.I Trippl, M. (2005)  La regió Els mateixos Cooke i Memedovic (2003) reconeixen que no existeix una opinió general compartida sobre com definir la regió. Aquest és un concepte eminentment intel·lectual. Cooke i Morgan (1998) la defineix com “un territori menor que l’estat al que pertany i que posseeix poder i cohesió supra-local significatius, de caràcter administratiu, cultura, polític i econòmic, que la diferencien del se estat i de la resta de regions.” Cal dir que les fronteres de les regions no són inamovibles i que poden sorgir noves regions i algunes de velles poden desaparèixer. Cooke (1997) explica que poden aparèixer nous ordenaments administratius com a fruit de processos de regionalisme, és a dir, de respostes de l’estat a les demandes polítiques procedents de pobles que posseeixen els trets típics d’una nació (una cultura comú, una llengua i un territori). L’aparició de noves regions també pot derivar de processos de regionalització, és a dir, de delimitació d’un territori supralocal de la mà d’un ens politico-administratiu superior, basat o no en una història i cultura preexistent , tal com va succeir amb la creació de Baden-Württemberg a Alemanya o de Emilia-Roamagna a Itàlia. Marc conceptual 27 Del conjunt de dimensions (administrativa, cultural, econòmica...) atribuïdes al concepte, Cook (2005) considera que és l’administrativa la més rellevant i la que s’ajusta més al cercat pel camp del desenvolupament regional, és a dir, la governabilitat de polítiques per assistir al procés de desenvolupament econòmic. Aquesta governabilitat proporciona a les regions una identitat conceptual i real de manera que les variacions en la manera de governar són importants alhora de definir les regions.  El sistema Els experts en la matèria no es posen d’acord en la manera d’utilitzar aquesta paraula. Nelson (1992) l’entén com “conjunt d’actors institucionals que, conjuntament, desenvolupen un paper principal al influir al desenvolupament innovador”. Segons Edquist (2005), un dels autors més influents en aquest tema, un sistema està compost per un conjunt de components (organitzacions i institucions), amb relacions entre ells, que desenvolupen una funció determinada”. La funció a la que es refereix és la de col·laborar en la generació i explotació de coneixement. Cooke (1998) va més enllà i a les definicions anteriors afegeix que s’ha de precisar la interacció del sistema amb el seu entorn. Encara va més enllà Bathelt (2003), que afegeix a tot l’esmentat anteriorment que un sistema ha de ser capaç de reproduir la seva estructura bàsica i de mantenir una distinció entre el seu interior i el seu exterior. Una de les qüestions més reveladores és la interacció del sistema amb el seu entorn s’ajusta més al cercat pel camp del desenvolupament regional, és a dir, la governabilitat de polítiques per assistir al procés de desenvolupament econòmic. Aquesta governabilitat proporciona a les regions una identitat conceptual i real de manera que les variacions en la manera de governar són importants alhora de definir les regions.  El sistema Els experts en la matèria no es posen d’acord en la manera d’utilitzar aquesta paraula. Nelson (1992) l’entén com “conjunt d’actors institucionals que, conjuntament, desenvolupen un paper principal al influir al desenvolupament innovador”. 28 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Segons Edquist (2005), un dels autors més influents en aquest tema, un sistema està compost per un conjunt de components (organitzacions i institucions), amb relacions entre ells, que desenvolupen una funció determinada”. La funció a la que es refereix és la de col·laborar en la generació i explotació de coneixement. Cooke (1998) va més enllà i a les definicions anteriors afegeix que s’ha de precisar la interacció del sistema amb el seu entorn. Encara va més enllà Bathelt (2003), que afegeix a tot l’esmentat anteriorment que un sistema ha de ser capaç de reproduir la seva estructura bàsica i de mantenir una distinció entre el seu interior i el seu exterior. Una de les qüestions més reveladores és la interacció del sistema amb el seu entorn  Interacció del sistema amb el seu entorn La majoria d’autors dels sistemes regionals d’innovació, des de els primers treballs, argumentaven que el coneixement necessari per a competitivitat regional no podia descansar exclusivament en el generat a la mateixa regió. Bona part de les relacions sistèmiques havien de tenir lloc entre empreses i organitzacions d’altres sistemes ja fossin regionals, nacionals o internacionals. Es consideren el SRI com sistemes oberts que necessitaven de les relacions amb l’exterior per a la generació i explotació del coneixement. De fet es considerava que els SRI més potents i exitosos eren aquells que millor havien treballat la capacitat d’absorció i podien aprofitar millor el coneixement generat a fora del SRI propi. Com més altes eren les relacions amb altres SRI o similars més coneixement arribava a les xarxes internet del SRI. També cal diferenciar les relacions existents dins i fora del SRI. Alguns estudis empírics recents afirmen que la majoria de transaccions inter-empresarials dins d’un SRI tenen lloc fora del mercat. Bathelt (2004) argumenta que la transferència de informació i coneixement a l’entorn local es produeix a través del local buzz (remoreig) però que aquesta mateixa transferència entre empreses de diferents SRI precisa de global pipelines (canals de comunicació de tipus més oficials i rígids). La combinació d’ambdós tipus de comunicació afavoreix al competitivitat del SRI en qüestió. Marc conceptual 29 4.4. Capacitat d'absorció Un dels conceptes més importants i estretament lligat a la identificació dels indicadors determinants de la innovació tecnològica a l’empresa és la capacitat d’absorció. La capacitat d’absorció ha estat descrita com “l’habilitat de l’empresa per reconèixer el valor d’una nova informació externa, assimilar-la i aplicar-la amb objectius comercials” (Cohen i Levinthal, 1990). Com ja s’ha comentat anteriorment el procés d’innovació és un procés d’aprenentatge que utilitza el coneixement per a generar més coneixement. El coneixement que necessita com a input del procés s’extreu no només de la pròpia empresa sinó d’una gran varietat de fonts extern entres les quals es troben els consumidors, els proveïdors, les universitats, els consultors, els centres d’investigació i fins i tot altres empreses de la competència. Tot i que és evident que la capacitat d’absorció és un concepte important i molt lligat a la capacitat de les empreses de treure profit del coneixement extern encara no existeix un consens sobre les variables empíriques que poden ser utilitzades per a la seva representació. Per a intentar aproximar quins serien els indicadors més rellevants es tindrà en compte les tres dimensions que completen la capacitat d’absorció: la valoració d’un nou coneixement, la assimilació i la aplicació amb finalitat comercial. Un dels models proposats per Van den Bosch (1999) intenta analitzar els determinants i resultats de la capacitat d’absorció. Una de les tesis que manté i que si que és compartida per la majoria d’autors és que el coneixement previ és l’antecedent fonamental de la capacitat d’absorció. També apunta que hi ha un seguit de mecanismes relacionats amb les formes organitzacionals de l’empresa, que denominarem capacitat de relació, que dicten quina és la influència del coneixement previ sobre la capacitat d’absorció. La capacitat de relació representa la manera que tenen les empreses de sintetitzar i aplicar el coneixement adquirit. 36 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació 11Llars amb accés a Internet (18) Proporció de llars amb accés a Internet. Aquest és un dels tres indicadors amb els que s'explica la capacitat d'absorció. 12Personal amb educació terciària dedicat a la ciència o a la tecnologia (18) Personal amb educació terciària que treballa en l'àmbit de la ciència o de la tecnologia. Per a fer-lo relatiu s'ha dividit entre la població total. En un primer moment es va agafar, per error, el personal amb educació terciària que estava ocupat o el personal dedicat a ciència i tecnologia (tingués o no educació terciària). Aquest indicador no funcionava i es va detectar ràpidament l'error. Aquest és un dels tres indicadors amb els que s'explica la capacitat d'absorció. 13Investigadors (18) Número total d'investigadors dividit entre la població total. Aquest és un dels tres indicadors amb els que s'explica la capacitat d'absorció. 14Renda disponible a les llars La renda disponible neta de les llars. Aquest indicador ja és relatiu. 15Personal dedicat a la manufactura En una primera instància aquest indicador feia referència a tot el personal dedicat al sector cientifico-tecnològic. Posteriorment es va preferir utilitzar només el personal dedicat a la industria manufacturera. D'aquesta manera s'aconsegueix posar una contrapartida a l'indicador que fa referència als serveis d'alt coneixement. Per a fer-lo relatiu s'ha dividit entre la població total. 16Personal dedicat als serveis d'alts coneixements Personal total que es dedica al sector de serveis d'alt coneixement (consultoria, despatxos d'arquitectura, enginyeries, gestories, ...). Per a fer-lo relatiu s'ha dividit entre la població total. Marc conceptual 37 17Població activa La població activa és el total de persones capacitades per a treballar. Per a fer-lo relatiu s'ha dividit entre la població total. 18Capacitat d'absorció Degut alguns problemes sorgits durant la creació dels diferents models estadístics es va optar per a agrupar els tres indicadors que fan referència a la capacitat d'absorció. Amb les dades sense normalitzar es van multiplicar entre ells i del resultat se'n va extreure l'indicador "capacitat d'absorció". D'aquesta manera es conserva la informació que es vol incorporar al model mitjançant aquestes indicadors però es fa el model més manejable. Metodologia 39 5. Metodologia 5.1. Mètodes estadístics utilitzats La metodologia d’aquest projecte es basarà en diferents mètodes estadístics que s'utilitzaran per a trobar solucions que parteixin des de òptiques variades. S'han utilitzat quatre mètodes estadístics diferents. L'anàlisi factorial i l'anàlisi clúster estan fortament relacionats. En aquests cas l'anàlisi clúster depèn completament de l'anàlisi factorial i els seus resultats només són explicables des dels factors que ha proporcionat l'anàlisi factorial. La regressió logística també s'ha fet utilitzant els factors proporcionats per l'anàlisi factorial però en aquest també s'han utilitzat els indicadors base i els resultats més interessant estan lligats a aquestes. 5.2. Recopilació i tractament de les dades  La font L'eurostat ha estat l'única font bàsica de la qual s'han extret totes les dades necessàries per a dur a terme el projecte. La base de dades disponible és molt extensa i la veracitat de les mateixes està garantida. Com que el projecte es desenvolupa a nivell de les regions Nuts 2 no s'han ni plantejat altres fonts d'informació degut a la dificultat de trobar una font que tingués dades de les 264 regions objecte d'estudi, que les dades existents fossin dels últims anys i que fossin fiables.  Nomenclatura de las unitats territorials El nivell de la divisió de les unitats territorials també ha suposat un problema dins de l'eurostat. L'eurostat te dades que s'ajusten a les divisions en diferents graus. És a dir que en alguns casos les dades estan disponibles en nivell de Nuts 3 (nivell provincial a Espanya) però no sempre és així. Hi ha alguns dades disponibles només a nivell dels països (Nuts 0). Aquest fet ja ha significat una certa limitació ja que aquelles dades que només estaven disponibles en Nuts 0 o Nuts 1 no eren útils per a desenvolupar el projecte. 40 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Una altre limitació que ha tingut un impacte significatiu en el desenvolupament del projecte ha estat els errors temporals existents a la web oficial de l'eurostat. Degut a diferents canvis que es van implementar a la seva plana web durant moltes setmanes consecutives hi van haver problemes per accedir a les dades. En teoria qualsevol dada que estigui a nivell de Nuts 3 també existeix a nivell de Nuts 2, Nuts 1 i Nuts 0 (si es coneix la població de les províncies catalanes també es coneix la població de Catalunya). Per a facilitar l'organització de les dades l'eurostat proporciona moltes opcions per al filtratge de les dades. Un dels molts filtres que existeix és el de filtrar quin nivell de Nuts es vol descarregar. El problema és que aquest filtre no funcionava correctament i per tant s'han hagut de descarregar milers de dades innecessàries. En lloc de descarregar les 272 dades corresponents al nivell Nuts 2 la impossibilitat de filtrar-les feia que la descàrrega comptes amb les dades de Nuts 0 (28), les de Nuts 1 (126), Nuts 2 (264) i Nuts 3 (1.829). En total més de 2000 dades, el 90% de les quals no eren desitjades. Tenint en compte que s'ha treballat amb gairebé 30 indicadors el llarg del projecte i que les dades estaven registrades al llarg d'uns 5 anys el volum de dades que es va haver de gestionar va ser de l'ordre de 250.000. Aquest problema va derivar en un seguit de passos molt lents i carregosos que no havien estat contemplats.  El període La majoria de dades que s'han utilitzat estaven registrades per l'eurostat des del 2008-2009 fins al 2013. El procés havia estat gradual i els 2 primers anys hi havia moltes regions que no disposaven de les dades corresponents. A partir del 2010 el percentatge de dades disponibles superava el 95% en la gran majoria de països. Del 2013 però hi havia moltes llacunes degut al llarg procés que comporta la recollida de dades per part de tants països diferents. Moltes de les dades del 2013 encara estaven per arribar i això impedia utilitzar les dades d'aquest any. Degut a aquests motius els anys que s'han utilitzat per a dur a terme el projecte han estat el 2010, 2011 i 2012. Metodologia 41  Les llacunes Al descartar els anys 2008, 2009 i 2013 per la gran quantitat de dades inexistents el problema s'havia reduït però encara persistia. Hi havia regions que sovint no es disposava de les seves dades. Tot i que es podria haver optat per a deixar les caselles buides i prosseguir amb el projecte es va decidir que no es deixaria cap dada buida. El motiu d'aquesta decisió és que al ser una base de dades escalonada si no estaven disponibles les dades per a la regió Nuts 2 es podria recórrer a les de la regió Nuts 1 o en última instància a la de la regió nut 0. Per posar un exemple, si no es disposaven de dades del Producte Interior Brut de Cataunya es recorria a la següent divisió territorial que en aquest cas és la de Espanya est i està formada per Catalunya, la Comunitat Valenciana i les Illes Baleras. Una altre solució que s'ha emparat per a omplir els buits ha estat la de utilitzar les dades de la mateixa regió de l'any anterior o posterior. Com que sovint faltava una de les tres dades (2010, 2011 i 2012) el procediment ha estat el de fer la mitjana aritmètica. En algun cas concret en que faltaven totes les dades d'una regió al 2012 s'ha efectuat una regressió amb les dades dels dos anys anteriors. Totes aquestes solucions han premés tenir una base de dades completa. És obvi que les dades que s'han hagut d'omplir manualment són només una aproximació de la realitat però tractant-se de menys d'un 5% de les mateixes i amb els mètodes explicats anteriorment s'ha garantit que la base de dades segueixi sent fiable. Un cop la base de dades estava completa s'ha procedit a fer la mitjana aritmètica dels 3 anys de cada variable. D'aquesta manera ja s'ha reduït les dades a només una columna per a cada indicador.  La normalització El mètode que s'ha utilitzat per a comprar dades amb unes magnituds tant diverses és la normalització. Normalitzar un conjunt de dades significa transformar una variable aleatòria que te una distribució pròpia en una variable aleatòria amb distribució normal (o gairebé normal). 42 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Aquest raonament es deriva del teorema del límit central que diu que la suma de les variables aleatòries tendeix a la distribució normal a mesura que augmenta el número de variables. Per a normalitzar les dades s'utilitzarà la següent fórmula: (5.1.) On: z és la dada ja normalitzada x és la dada sense normalitzar és la mitjana del conjunt s és la desviació estàndard Deixant de banda la exactitud de la base de dades i tenint en compte que no hi ha errors en la mateixa cal assegurar-se que les dades estiguin ben normalitzades. Per a assegurar-ho s'ha procedit a calcular la mitjana acotada i la desviació estàndard de la població total. Si les dades han estat ben normalitzades la mitjana acotada hauria de donar 0. La desviació estàndard hauria de donar 1. Desp_ID_Emp_1 Pers_ID_Emp_2 Desp_ID_Uni_3 Pers_ID_Uni_4 Mitjana acotada 0,000000 0,000000 0,000000 0,000000 Desviació estàndard 0,998160 0,998160 0,998160 0,998160 Taula 5. 1 Mitjana acotada i desviació estàndard dels indicadors Amb aquest mètode es poden comparar variables amb magnituds molt diferents entre si ja que un cop normalitzades totes compartiran la mitjana igual a 0 i la desviació estàndard igual a 1. Metodologia 43 5.3. Anàlisi factorial 5.3.1. Fonament teòric El gran nombre d’indicadors escollits impossibilita fer un tractament directe d’aquests. El primer pas de processament de les dades escollides és l’anàlisi factorial. L’anàlisi factorial és un mètode multivariant que permet fer una reducció de dades al agrupar els diferents indicadors obtinguts en grups homogenis formats per diversos indicadors. La creació d’aquests grups, anomenats factors, s’efectua en funció de la correlació existent entre els indicadors. D’aquesta manera els indicadors amb més correlació entre ells acabaran en un mateix factor. L’anàlisi factorial és una tècnica que ens permet reduir la dimensionalitat dels indicadors amb l’objectiu d’agrupar els indicadors en el mínim nombre de factors però que aquests expliquin el màxim d’informació. Reduir la dimensionalitat sempre comporta reduir la informació que explica el conjunts de dades. Un anàlisi factorial ben fet tindrà, en aquest cas, entre 3 i 6 factors i explicarà entre un 70% i un 90% de la informació inicial. Les suposicions que es fan en aquest model són: a) Les variables i els factors estan estandarditzats És a dir que la mitjana sempre valdrà 0 i la variància valdrà 1. b) Els indicadors inicials estan relacionats Tots els indicadors estan relacionats en diferents graus. Si existís algun indicador que estigues molt poc relacionat amb la resta s’hauria de decidir si aquest indicador és prou important com per crear un factor per ell sol o si no és significant i per tant es pot descartar del model. L’anàlisi factorial opera sobre ρ variables ρ ρ , que en el nostre cas són els indicadors, definides sobre la mateixa població, que comparteixen m ( ρ ) causes comunes. Es tracta de trobar els factors comuns i factors únics i la seva contribució a les variables originals. 44 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació El model d’anàlisi factorial es defineix de la següent manera: (5.2.) Les equacions del model en forma matricial s’expressen: (5.3.) La reducció quedarà: (5.4.) Un cop efectuat l’anàlisi per a validar que el resultat és apte s’hauran de valorar si les correlacions entre les variables són altes. S’utilitzarà la matriu de correlació i l’índex KMO per a comprovar-ho: (5.5.) El KMO hauria d’apropar-se o superar el 0,75 per a considerar com a vàlid el resultat. D’altra banda com que els factors intenten simplificar les correlacions entre les variables mesurades mitjançant la matriu de correlacions les variables originals també es tipificaran. A través de la transformació d’aquestes variables del tipus: (5.6.) I segons les propietats de la variància: (5.7.) També es poden determinar les correlacions entre dos variables: (5.8.) Metodologia 45 El programa utilitzat per a realitzar l’anàlisi clúster és el SPSS. Aquí s’observa el desplegat necessari per a portar-lo a terme: Fig. 5. 1. Selecció d’anàlisi factorial al SPSS. 5.3.2. Funcionament empíric Per a realitzar amb èxit l'anàlisi factorial hi ha un seguit de comprovacions que cal anar fent al llarg de les diferents proves. La primera comprovació que cal fer és consultar el determinant de la matriu de correlacions. Si el determinant és proper a 0 significa que les variables analitzades, en aquest cas els indicadors, estan linealment relacionats i per tant d'entrada l'anàlisi factorial és un mètode apropiat. Fig. 5. 2 Determinant de la matriu de correlacions 52 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Taula 5. 5 Conglomerats de pertinença 5.5. Regressió logística 5.5.1. Fonament teòric Per a que el model que es vol crear sigui prou simple com perquè els resultats siguin útils s’ha decidit utilitzar la regressió logística. Això és degut a que la variable dependent serà de tipus dicòtoma, és a dir, que només pot prendre dos valors: si la regió en qüestió és innovadora o si no ho és. El que es cerca amb aquesta regressió logística és conèixer les probabilitats de que la variable dicotòmica prengui sigui 1 o sigui 0 (regió innovadora o regió no innovadora). Amb aquesta eina podrem estudiar la significació que tindrà cada variable independent (que seran els factors extrets dels indicadors) per a modificar la variable dependent. Podem representa l’equació general com: (5.12.) Metodologia 53 On: Y és la variable dependent a analitzar. Β són les variables independents. X és la constant de significació que acompanya cada variable independent. és a funció exponencial, a on e és la constant d’euler i la potència compresa dins del parèntesi. El programa escollit per a dur a terme la regressió logística és el SPSS. Aquí es pot veure un exemple del desplegat de regressions d’aquest programa, entre les quals hi ha la logística. Fig. 5. 7. Selecció de regressió logística. 54 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació 5.5.2. Funcionament empíric Per a poder dur a terme la regressió logística s'ha pres com a variable dependent el número de patents. Aquesta variable s'ha normalitzat i tot seguit s'ha convertit en binària. És a dir que tots els números negatius s'han convertit en zeros i tots els positiu en ú. Un cop la variable dependent ja està introduïda al model s'hi han afegit com a variables independents els quatre factors. Com es pot observar a la Taula 5.6. totes els variables han estat validades per a utilitzar-les al model. En cas de que hi haguessin variables amb característiques que no permetessin el seu anàlisi clúster ( dades en blanc, per exemple) sortirien com a casos perduts. Taula 5. 6 Resum del processament de casos A continuació es mostren els dos bloc que s'han dut a terme: el bloc 0 (inicial i sense incorporació de covariables) i el bloc 1 (amb la incorporació de les covariables) Bloc 0: Inicial Els resultats observat a la Taula 5.7. permeten avaluar l'ajust del model de regressió (amb només un paràmetre de moment). Es manté el mateix tall de probabilitat per a classificar les variables de 0,5. Els subjectes que tinguin una probabilitat menor de 0,5 es classifiquen com a 0 (98 casos) i aquells amb una probabilitat superior es classifiquen com a 1 (165 casos). En aquesta primera versió del model s'ha classificat correctament el 62,7% dels casos. Cap subjecte de paràmetre 1 s'ha classificat correctament. Metodologia 55 Taula 5. 7 Taula de classificacions A la Taula 5.8. Variables a l'equació cal destacar el paràmetre estimat (B=-0,521), l'error estàndard (E.T.=0,128) i la significació estadística de wlad, que segueix la Chi quadrat amb un grau de llibertat. Taula 5. 8 Variables a l'equació Com s'observa a la Taula 5.9. la significació estadística associada a l'índex de Wald és de 0,187 i 0,082. Per aquest motiu el procés per passos prosseguirà. Taula 5. 9 Variables fora de l'equació Bloc 1: Mètode=Introduir A la Taula 5.10. Historial d'iteracions es mostra el procés d'iteració que s'ha dut a terme. En aquesta ocasió han estat 7 les iteracions necessàries. Es pot observar com el -2 LL (logaritme de la verosimilitud) va disminuint a cada iteració dins que s'estabilitza en 56 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació 153,775. Aquest coeficients són vàlids per la constant (B=-1,166) i prenen un valor diferent per a cada factor. Taula 5. 10 Historial d'iteracions A continuació apareix el resum general per a poder validar el model. Aquest quadre bàsicament explica que el 52,1% o el 71,1% de la variació de la variable dependent és explicada per les variables incloses al model. Taula 5. 11 Resum del model A la taula de classificació es pot comprovar que el model té una especificitat realment alta del 89,7% i una sensibilitat també alta del 81,6%. La dada més important és que la regressió arriba a explicar correctament un 86,7% del total. La dada habitual que es considera mínima per a donar per bo el model ronda el 70%. Taula 5. 12 Taula de classificació Metodologia 57 Aquesta regressió logística ha servit per a conèixer quina és la probabilitat correcta que es prediu de que la regió sigui innovadora o no. En un 89,7% dels casos es preveurà correctament que una regió no és innovadora. D'altra banda es preveurà correctament en un 81,6% dels casos que una regió sí que és innovadora. Aquest fet es pot comprovar al gràfic resultant de la classificació de els variables. Taula 5. 13 Gràfic de la classificació de la regressió Tal com s'observa al gràfic el punt de tall es troba al 0,5. La majoria dels valors que es troben a la part esquerra de la gràcia són 0 (probabilitat menor a 0,5). Els valors situats a la part dreta de la gràfica són majoritàriament 1 (probabilitat major a 0,5). En un cas ideal en que el model tingués un 100% d'encerts tots els números a l'esquerra serien 0 i a la dreta serien 1. Com a resultat final del model s'obté la Taula 5.8. Variables a l'equació. En aquesta s'observen els coeficients de regressió amb els seus valors estàndards (ET), el valor l'estadístic de Wlad per tal d'avaluar la possibilitat de tenir una hipòtesis nul·la, la significació estadística associada i el valor OR=exp(B) amb els seus intervals de confiança. 58 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació En cas de que els valors d'ET fosin més alts que 1 els factors en qüestió no serien vàlids per a entrar al model. La magnitud B és una mesura estadística que indica com de significativa és l'aportació de cada factor al model. És el resultat més important del model ja que indica quins factors són els més rellevant per a determinar si una regió és innovadora o no. Taula 5. 14 Variables a l'equació En aquest cas el factor empresa és el més rellevant, amb una B de 3,396, seguit per l'entorn, amb una puntuació de 1,021.En tercer i quart lloc es troba la universitat i l'administració, amb unes puntuacions de B força similars; 0,451 en el cas de la universitat i 0,502 en el cas de l'administració pública. 5.6 Equacions estructurals 5.6.1. Fonament teòric El model d’equacions estructurals és una tècnica d’anàlisis estadístic multivariant que s’utilitza per a valorar i ponderar models que proposen un conjunt de variables amb relacions causals entre elles. Aquest model estadístic presenta una diferència important amb els models estadístics de regressions. Els models de regressions donen informació respecte les relacions causals existents entre un conjunt de variables independents (β)respecte una variable dependent (Y). Metodologia 59 Fig. 5. 8. Estructura model de regressió. Font: elaboració pròpia. La diferència amb el model d’equacions estructurals és que aquet últim és capaç d’estimar l’efecte i les relacions existents entre múltiples variables. El gran avantatge d’aquest model és que permet proposar el tipus i la direcció de les relacions que s’esperen trobar entre les diverses variables existents. Tot seguit s’estimen els paràmetres (factors) que venen especificats a nivell teòric. És habitual que amb aquest model es proposi una estructura de variables en les quals hi hagi variables amb relacions causals sobre unes altres variables que, alhora, poden tenir una altre relació causal amb una tercera variable. Fig. 5. 9. Estructura model d’equacions estructurals. Font: elaboració pròpia. Per a entendre el funcionament del model d’equacions estructurals és necessari entendre el que representa el concepte “ajust” en aquest model. A diferència d’altres models estadístics 60 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació (les regressions lineals, per exemple) el que es pretén ajustar són les covariàncies entre les variables i no l’ajustament entre les dades. El que es cerca és minimitzar la diferència entre les covariàncies observades a la mostra i les pronosticades pel model estructural. L’ajustament d’un model es pot expressar mitjançant una hipòtesis que proposa que, si del model és correcte i es coneguessin els paràmetres del model estructural, la matriu de covariàncies poblacional es podria reproduir a partir de la combinació dels paràmetres del model. Aquesta idea s’expressa en l’equació següent: (5.13.) la matriu de variàncies i covariàncies poblacional és un vector que conté els paràmetres del model és la matriu és la matriu com una funció dels paràmetres del model Considerem un exemple per a veure el significat d’aquest hipòtesis (Bollen, 1989). Fig. 5. 10 Exemple model d’equacions estructurals. Font: elaboració pròpia. L’equació que el defineix és la següent: (5.14.) és el coeficient de regressió és la variable que representa l’error (s’assumeix que és independent de x i que valgui 0) La matriu de variàncies és: Metodologia 61 (5.15.) Aquesta és la matriu que s’espera obtenir directament a l’analitzar descriptivament les dades. Es pot tornar a escriure els valors de la matriu en funció de l’equació. Operant es pot demostrar que la variància de la variable dependent és una funció del paràmetre i de a variància dels errors: (5.16.) També es pot demostrar que la covariància entre x i y és una funció del paràmetre i de la variància de la variable predictora: (5.17.) Substituint en la matriu de variàncies original les expressions derivades escrites en funció dels paràmetres del model es troba la matriu de variàncies i covariàncies poblacional: (5.18.) El software que s’utilitzarà per a dur a terme aquest model és AMOS. 68 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació formin per si sols un factor. Aquesta agrupació indica que la relació entre la inversió en I+D i el personal dedica a I+D de l'administració pública està molt poc relacionat amb la resta d'indicadors del model. Sovint el impuls fet per l'administració pública s'origina en resposta a unes mancances del sistema regional d'innovació. És a dir que les regions a on la universitat i l'empresa tenen un paper important i el coneixement circula amb facilitat entre ambdós agents no acostumen a tenir gaire despesa en I+D per part de l'administració pública. En canvi les regions amb més mancances a nivell d'empresa i d'universitat acostumen a intentar corregir aquesta debilitat potenciant el sector públic perquè ajudi als agents universitat i empreses a innovar. Per aquests motius s'ha decidit anomenar Administració Pública al factor 4. 6.2. Anàlisi clúster 6.2.1. Número òptim de clústers Per les característiques del model el número òptim de clúster des del punt de vista estadístic era de 5. Com que el que es cerca amb el model no és l'excel·lència a nivell estadístic sinó que el model expliqui quelcom de la realitat interessant s'han dut a terme anàlisis forçant que el número de clúster sigui 4, 5 i 6. A continuació s'ha fet una valoració de quin era el model que, més enllà de la visió estadística, explicava millor la realitat en qüestió. Els resultat han estat els següents: Anàlisi amb 4 clústers Factors Capacitat Innovadora de les Empreses Universitat Intensitat Tecnològica de l'entorn Administració Pública Número Regions Clúster 1 0.85 -0.02 -0.03 -0.21 104 Clúster 2 -0.80 -0.41 -1.12 -0.09 54 Clúster 3 -0.46 0.16 0.59 -0.06 105 Clúster 4 0.32 0.72 0.27 3.72 9 Taula 6. 2. Anàlisi clúster amb 4 conglomerats Els sistemes regionals d'innovació a Europa 69 Anàlisi amb 5 clústers Factors Capacitat Innovadora de les Empreses Universitat Intensitat Tecnològica de l'entorn Administració Pública Número Regions Clúster 1 0.85 -0.02 -0.03 -0.21 104 Clúster 2 -0.80 -0.41 -1.12 -0.09 54 Clúster 3 -0.63 -0.27 0.57 0.44 64 Clúster 4 0.32 0.72 0.27 3.72 9 Clúster 5 -0.19 0.84 0.62 -0.85 41 Taula 6. 3. Anàlisi clúster amb 5 conglomerats Anàlisi amb 6 clústers Factors Capacitat Innovadora de les Empreses Universitat Intensitat Tecnològica de l'entorn Administració Pública Número Regions Clúster 1 1.33 0.83 -0.01 0.20 38 Clúster 2 0.57 -0.50 -0.05 -0.45 64 Clúster 3 -0.80 -0.41 -1.12 -0.09 49 Clúster 4 -0.63 -0.27 0.57 0.44 62 Clúster 5 0.32 0.72 0.27 3.72 9 Clúster 6 -0.19 0.84 0.62 -0.85 41 Taula 6. 4 Anàlisi clúster amb 6 conglomerats S'ha utilitzat una escala cromàtica per a poder fer una valoració ràpida a nivell visual dels punts forts de cada clúster. >0,75 [0.25,0.75) [-0.25,0.25) [-0.75,-0.25) <-0,75 Taula 6. 5 Llegenda cromàtica Per a poder decidir quin era l'anàlisi clúster que millor explicava la realitat s'ha valorat quina informació es guanyava del model de 4 clúster als de 5 i també del de 5 al de 6. 70 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació De 4 a 5 clústers Clúster 3 -0.46 0.16 0.59 -0.06 105 Clúster 3 -0.63 -0.27 0.57 0.44 64 Clúster 5 -0.19 0.84 0.62 -0.85 41 Taula 6. 6. Justificació de 4 a 5 clústers En el canvi de l'anàlisi de 4 clústers al de 5 clústers s'observa com el clúster 3 es divideix en els clústers 3 i 5. Al clúster inicial s'observa que les puntuacions dels factors 2 (Universitat) i 4 (Administració pública) són neutres (en color gris). Al dividir-se en 2 clústers s'observa que en realitat els dos clústers sorgint són molt diferents en aquests dos aspectes. Una ponderació molt alta en el factor Universitat amb una altre de lleugerament baixa es contrarestaven i es mostrava una puntuació neutra quan les diferències són molt grans. En el cas del factor 4 passa alguna cosa similar. La suma d'una ponderació alta (0,44) i una de molt baixa (-0,85) donen com a resultat una puntuació neutre que amaga molta informació. Per tant entre l'anàlisi clúster amb 5 clúster sona molta més informació que el de 4 clústers. De 5 a 6 clústers Clúster 1 0.85 -0.02 -0.03 -0.21 104 Clúster 1 1.33 0.83 -0.01 0.20 38 Clúster 2 0.57 -0.50 -0.05 -0.45 66 Taula 6. 7. Justificació de 5 a 6 clústers Els canvis que suposaven passar d'un model de 5 clúster a un model de 6 també són importants. Es pot observar com el clúster 1 del model de 5 clústers te una ponderació força alta en el factor 1 i una ponderació completament neutre en la resta de factors. Només amb aquestes dades és molt difícil entendre el conjunt de regions que formen part del clúster. En el l'anàlisi clúster de 6 conglomerats s'observa tota la informació que quedava oculta. En primer lloc el clúster final1 té una ponderació extraordinàriament alta del factor 1 mentres que el clúster 2 es queda amb una puntuació alta però gairebé 2'5 vegades més petita. Els sistemes regionals d'innovació a Europa 71 En el factor 2 les diferències són més que notables. El clúster 1 té una puntuació força alta (0,83) i el clúster 2 força baixa (-0,5). Aquesta informació aporta molt de valor al model. Tot i que el factor 3 segueix sense donar massa informació el factor 4 sí que ens diferencia una puntuació lleugerament positiva (0,20) contra una puntuació negativa (-0,45). 6.2.2. Resultats de l'anàlisi Un cop s'ha triat quin és el model que més informació explica es procedeix a fer un anàlisi profund de la naturalesa de cada clúster. Clúster 1 Aquest clúster agrupa 38 regions. Està format bàsicament per regions centrals i nòrdiques. Els països amb més regions dins d'aquest clúster són els més desenvolupats a nivell econòmic de la Unió Europea. El nucli central format per Alemanya, Bèlgica, Països Baixos i Àustria se li afegeixen diverses regions del Regne Unit, Suècia i Finlàndia. Fig. 6. 2. Clúster 1 Aquest clúster es caracteritza per tenir una altíssima puntuació en el factor "Capacitat Innovadora de les Empreses". La mitjana de 1,33 és la segona mitjana més alta de tots els factors i tots els clústers i és la principal característica del conjunt de regions que formen aquest clúster. Són regions amb un teixit empresarial molt desenvolupat i capacitat i acostumat a innovar de forma contínua. 72 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació També cal ressaltar el resultat obtingut en el factor "Universitat" doncs també és molt alt. Per tant aquest clúster també te molt desenvolupat el sector acadèmic que és capaç de generar molt de coneixement per a que l'apliquin les empreses. Respecte al factor "Intensitat tecnològica de l'entorn" la mitjana és de 0 i per tant estria exactament ala mitjana europea. Al ser 0 la mitjana i ser un factor poc descriptiu del clúster és evident que hi haurà regions tant amb ponderacions altes com amb ponderacions baixes. L'últim factor, el d'Administració Pública és lleugerament positiu i indica que el sector públic no exerceix un paper important en el conjunt de regions del clúster. Aquest fet coincideix amb la teoria de que el sector públic és alt quan intenta suplir mancances del sistema regional d'innovació al qual pertany i en aquest cas les altes puntuacions en els dos primers factors deixen clar que aquestes regions no necessiten d'un impuls extra per part de l'agent públic. Aquest és el clúster que agrupa les regions més innovadores de la Unió Europa. Regions reconegudes com a motors innovadora i industrials queden enmarcedes dins d'aquest conglomerat. Algunes de les més significatives són: Brussel·les, les regions alemanyes de Stuttgart i Tübingen, les franceses de Île de France i Midi-Pyrénées, Luxemburg i Stockholm. Clúster 1 Número Regions 38 Factors Mitjana Capacitat Innovadora de les Empreses 1,33 Universitat 0,83 Intensitat Tecnològica de l'entorn -0,01 Administració Pública 0,20 Taula 6. 8. Clúster 1 Clúster 2 Aquest clúster agrupa 66 regions. Està format per regions centrals i occidentals. Els països amb més regions d'aquest clúster són França, Anglaterra, Bèlgica, Paísos Baixos, Alemanya, Àustria i Itàlia. Tots els països ja formaven part de la Unió Europea 15 (1995). Els sistemes regionals d'innovació a Europa 73 Fig. 6. 3. Clúster 2 En aquest clúster el fet diferencial torna a ser la Capacitat Innovadora de les Empreses. En aquest cas és alta tot i que molt allunyada de les regions del clúster 1 (0,57 de mitjana contra 1,33). El factor "Universitat" és clarament negatiu, com també ho és el factor "Adminisració Pública". Per tant aquest clúster agrupa regions que tenen un teixit empresarial amb certa capacitat per innovar però les empreses no reben prou ajuda de les universitat ni de l'administració pública. El sector privat ha de ser realment potent i tenir certa tradició innovadora per a poder funcionar en aquestes circumstàncies. El factor "Intensitat Tecnològica de l'Entorn" torna a ser proper a 0 i per tant no es descriptiu de al realitat del clúster. Clúster 2 Número Regions 64 Factors Mitjana Capacitat Innovadora de les Empreses 0,57 Universitat -0,50 Intensitat Tecnològica de l'Entorn -0,05 Administració Pública -0,45 Taula 6. 9. Clúster 2 74 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Aquest clúster agrupa un conjunt de regions amb un desenvolupament econòmic notable dins de la Unió Europea. No són les zones més innovadores però sí que tenen certa capacitat per innovar degut al seu teixit empresarial. Clúster 3 Aquest clúster ocupa 54 regions. Està format per regions de l'est i el sud-est europeu. Bulgària, Grècia, Croàcia, Hongria, Polònia i Romania. Totes aquestes regions formaven part de la URSS i són de les menys desenvolupades econòmicament d'Europa. Fig. 6. 4. Clúster 3 En aquest clúster queden agrupades la majoria de regions menys innovadores de la Unió Europea. El factor "Capacitat Innovadora de les Empreses" pren el valor més negatiu de tots els clústers i indica que el teixit empresarial no te gairebé cap capacitat per a innovar. En aquest clúster els recursos (tant en despesa econòmica com en personal) destinats a la innovació per part de les empreses són esporàdics o inexistents. El factor "Universitat" també és força negatiu i demostra que, a banda de dedicar pocs recursos a la I+D, la formació de la població és baixa i que la capacitat d'absorció és limitada. El factor "Intensitat Tecnològica de l'Entorn" pren el valor més baix de tots els clústers. Com s'ha comentat les regions agrupades en aquest clúster pertanyien a la URSS i són les Els sistemes regionals d'innovació a Europa 75 zones més endarrerides econòmicament d'Europa. Les taxes d'ocupació d'aquests països són baixes i el personal dedicat a la manufactura i als serveis d'ús intensiu del coneixement també ho és. L'únic factor que no és molt baix és el d'Administració Pública, que és lleugerament negatiu i s'apropa al 0. Segurament els primers intents per a millorar la competivitat d'aquestes regions surten de l'Administració Pública. Sembla que tot i que aquests esforços existeixen no són suficients per a fer evolucionar aquestes regions. Clúster 3 Número Regions 49 Factors Mitjana Capacitat Innovadora de les Empreses -0,80 Universitat -0,41 Intensitat Tecnològica de l'Entorn -1,12 Administració Pública -0,09 Taula 6. 10. Clúster 3 Aquest clúster agrupa les regions més pobres d'Europa. A nivell general es pot considerar com el clúster menys innovador degut als motius explicats anteriorment. Clúster 4 Aquest clúster agrupa 64 regions. Està format per regions del sud-oest, del nord-est i del centre. Espanya i Portugal tenen la majoria de les seves regions dins d'aquest clúster. Alemanya, la República Txeca, Eslovàquia i Eslovènia formen el nucli central del clúster. Per acabar es troben les regions de Estònia, Letònia i Lituània, a part de Xipre. Aquest clúster és força heterogeni i agrupa regions bastant diferents. En primer lloc aquest clúster destaca per tenir la segona puntuació més baixa al factor "Capacitat Innovadora de les Empreses". És a dir que el teixit empresarial no te gaire capacitat per a innovar. Aquest fet sembla lògic per a totes les regions del clúster menys per les alemanyes. Al revisar les puntuacions de les regions alemanyes en aquest factor sí que són més altes que la majoria de les puntuacions de la resta de regions del clúster però no tant com per formar part d'un altre clúster. 76 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Fig. 6. 5 Clúster 4 Respecte el segon factor, "Universitat", la mitjana és lleugerament negativa. Això indica que el suport de la universitat al procés d'innovació existeix però no és molt determinant. El factor que sí que és característic d'aquest clúster és de "Intensitat Tecnològica de l'Entorn". Amb una puntuació de 0,57 és la segona puntuació més alta de tots els clústers. És a dir que l'entorn tecnològic existeix en aquestes regions i és un factor positiu per a la capacitat innovadora de la regió. L'últim factor, l'Administració Pública, també te una puntuació positiva que és significativa. És la segona més alta i per tant el segon clúster amb un agent públic més implicat en la Innovació. Clúster 4 Número Regions 62 Factors Mitjana Capacitat Innovadora de les Empreses -0,63 Universitat -0,27 Intensitat Tecnològica de l'Entorn 0,57 Administració Pública 0,44 Taula 6. 11. Clúster 4 Els sistemes regionals d'innovació a Europa 77 Aquest és un clúster a on han quedat agrupades totes aquells regions que no encaixaven en cap altre clúster. Existeixen tres bloc geogràfics diferenciats però que alhora tenen diferències notables entre les regions que els composen. És el cas de les regions espanyoles que queden englobades en un mateix conglomerat tot i ser molt diferent. Per exemple Catalunya i Madrid, que per les seves puntuacions en tots quatre factors no haurien d'estar en aquest conglomerat. En el cas de Madrid no han estat prou altes per entrar al clúster 5 que s'explicarà a continuació. En el cas de Catalunya les puntuacions sí que són altes però l'estructura de les mateixes ha fet que no entrés al clúster 2 que probablement seria el més indicat. Clúster 5 És un clúster que només agrupa 9 regions. Està format per sis regions alemanyes, una d'Eslovàquia, una de finlandesa i una de la República Txeca. El tret diferenciador d'aquest clúster és que gairebé totes les regions són capitals i si no ho són actuen com a tal. Trobem les 4 capitals dels països mencionats: Berlín, Bratislava, Helsinki i Praga. La resta de regions alemanyes també són capitals dels estat federals, com Bremen, o tot i no ser-ho de forma oficial actuen com a tal degut al seu pes demogràfic i econòmic ( el cas de Colònia). Fig. 6. 6. Clúster 5 84 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació El mètode que s'ha seguit per a elaborar aquests models de regressió logística consisteix en introduir de forma progressiva els indicadors. En primer lloc sempre s'hi col·locaran els indicadors interns (a part de la variable dependent que seguirà sent el nombre de patents registrats). Aquesta serà la primera combinació. En cada combinació és comprovarà la significació de cada indicador per saber si s'hauria de treure del model. En cas de que així s'indiqui es valorarà si l'indicador en qüestió es prescindible o si val la pena mantenir-lo en alguna combinació més per veure si la incorporació del següent indicador el converteix en significatiu. Si es manté però en les properes combinacions segueix sense ser significatiu s'haurà d'eliminar del model. 7.2.2. Model 1 Combinació 1 En aquesta combinació s'introdueixen al model els dos indicadors interns. El coeficient de regressió de l'indicador "Despesa en I+D de l'empresa" és de 2,399 per només 0,683 de l'indicador "Personal en I+D de l'empresa". L'indicador Personal en I+D de l'empresa no és significatiu però degut a la seva importància es manté com a mínim una combinació més. Taula 7. 2. Model 1, Combinació 1 Combinació 2 En aquest combinació s'ha afegit els indicadors externs "Capacitat d'absorció" i "Formació de la població universitària". El coeficient de regressió (B) en ambdós casos es baix (0,250 i -0,406). La significació estadística de l'indicador "Personal en I+D de l'empresa" ha millora però segueix sent massa alta (0,088). La Capacitat d'absorció te una significació massa alta (0,381). L'indicador "Formació de la població universitària" també te una significació massa alta tot i que més propera als nivells acceptables. Determinants de la innovació a Europa 85 Es decideix mantenir l'indicador "Personal en I+D de l'empresa" degut a que ha millorat la seva significació. S'elimina l'indicador "Capacitat d'Absorció" degut a que la seva significació és exageradament alta (0,381 quan el límit està sobre 0,02). Taula 7. 3. Model 1, Combinació 2 Combinació 3 En aquesta combinació s'ha eliminat la Capacitat d'Absorció. Això ha fet millorar la significació de l'indicador "Personal en I+D de l'empresa" però empitjorar la de l'indicador "Formació de la població universitària". Taula 7. 4.: Model 1, Combinació 3 Combinació 4 En aquesta combinació s'han afegit els indicadors estructurals "Personal Manufactura" i "Personal serveis d'alt coneixement". S'observa que el coeficient B és extremadament alt (5.335) en el cas de l'indicador de Manufactura. Aquesta puntuació és anormalment alta i en conseqüència també ho és el valor Exp(B). Degut a aquest fet es comprova l'interval de confiança amb un 95% i aquest surt completament desmesurat. Amb un interval de 5,270 a 8166,716 es confirma que aquest indicador presenta algun problema greu i que de cap manera pot formar part del model. 86 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Per aquest motiu es decideix descartar de forma permanent aquest indicador i iniciar un altre model. Taula 7. 5: Model1, Combinació 4 7.2.3. Model 2 En aquest model s'intentarà millorar el model 1 mitjançant la introducció del concepte de Capacitat d'absorció. Al model 1 ja s'ha intentat introduir l'indicador "Capacitat d'Absorció" sense èxit i en aquest nou model es buscaran alternatives per a fer-ho. Es parteix de la base que l'indicador "Capacitat d'Absorció" és la unió de tres indicadors que intentaven explicar la capacitat d'absorció. Aquestes indicadors són: Llars amb accés a Internet, Personal amb educació terciària dedicat a la ciència o a la tecnologia i Investigadors. En aquest model s'ha provat d'introduir per separat els indicadors que formen la capacitat d'absorció. Combinació 1 En aquesta combinació s'introdueixen al model els dos indicadors interns més l'indicador "Llars amb connexió a Internet". Taula 7. 6: Model 2, Combinació 1 Determinants de la innovació a Europa 87 Combinació 2 En aquesta combinació s'introdueixen al model els dos indicadors interns més l'indicador "Personal amb educació terciària dedicat a la ciència o a la tecnologia ". Taula 7. 7. Model 2, Combinació 2 Combinació 3 En aquesta combinació s'introdueixen al model els dos indicadors interns més l'indicador "Investigadors". Taula 7. 8:Model 2, Combinació 3 Combinació 4 En aquesta combinació s'incorporen de manera conjunta els tres indicadors de la capacitat d'absorció. Taula 7. 9: Model 2, Combinació 4 88 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació Al haver fet diverses combinacions amb cadascun dels indicadors de la capacitat d'absorció per separat i també de forma conjunta es pot observar quin és l'indicador que encaixa millor al model. L'indicador "Llars amb connexió a Internet" és l'únic amb una significació dins dels límits. En els models posterior s'utilitzarà només aquest indicador per a representar la capacitat d'absorció. 7.2.4. Model 3 Combinació 1 En aquesta combinació s'introdueixen els tres indicadors de despesa en I+D. El d'empresa, d'universitat i d'administració pública. També s'incorpora al model l'indicador "Llars amb accés a Internet" com a representant de la capacitat d'absorció. El resultat és interessant ja que encaixa amb els resultats obtinguts en els anàlisi factorial i clúster. Aquest model remarca la importància de la despesa en I+D a l'empresa per sobre de la que es fa a la universitat i encara més de la que es fa des de l'administració pública. També confirma la importància de l'indicador "Llars amb accés a Internet". Taula 7. 10. Model 3, Combinació 1. Per assegurar la validesa del model es consulten els intervals amb una confiança del 95% i es confirma que estan dins de valors habituals. També s'observa a la taula següent el percentatge d'encerts del model que és molt bo. Més del 85% de les regions, amb aquest model, es classifiquen de forma adequada com a innovadores o no. Determinants de la innovació a Europa 89 Taula 7. 11.: Model 3,Combinació 1. Percentatge d'encerts. Combinació 2 En aquesta combinació s'afegeix l'indicador "Personal dedicat als serveis d'ús intensiu del coneixement". La intenció és afegir un indicador de tipus estructural al model. Les conseqüències d'introduir aquest indicadors és que la significació dels indicadors referents a la despesa des de la universitat i des de l'administració baixen de forma considerable. Taula 7. 12. Model 3,Combinació 2. Percentatge d'encerts. Es comprova el percentatge d'encerts d'aquesta combinació que ha millorat lleugerament respecte la combinació anterior: Taula 7. 13: Model 3, Combinació 2 El nou indicador te un coeficient B més baix que la despesa de l'empresa i que les Llars amb accés a Internet però més alt que les dues despeses restants. El més important de 90 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació l'impacta d'aquest nou indicador al model és que és negatiu. És a dir que com més personal en serveis d'ús intensiu en coneixement té una regió menys probabilitats hi ha de que sigui una regió innovadora. Per entendre el significat d'aquesta reflexió cal recordar quina era la variable dependent del model: el nombre de patents. Els principal agent que genera patents de forma continuada és l'empresa però no qualsevol tipus d'empresa. Dins del sector privat les empreses que generen més patents són les que formen part del sector tecnològic i es dediquen al disseny i producció de bens materials. Dins de l'indicador "Personal dedicat al serveis d´'us intensiu del coneixement" s'hi troben moltes empreses amb cap relació amb la tecnologia. Casos com els de les gestories o els bufets d'advocats en són un exemple. Aquests tipus de negoci no patenten res perquè no es pot patentar un servei. De totes maneres això explicaria que aquest indicador no fos determinant, no que fos negativament determinant. El motiu de que sigui negatiu no és que els serveis esmentats dificultin l'obtenció de patents a les altres empreses sinó que l'estructura sectorial serà diferent. És a dir que hi hagi molt personal en aquests serveis acostuma a voler dir que n'hi ha menys en d'altres empreses situades en mercats a on sí és habitual aconseguit patents. Cada regió te una estructura sectorial concreta però el que és obvi és que totes les regions més avançades s'acaben especialitzant en quelcom. Les regions angleses per exemple acostumen a tenir unes puntuacions molt altes en serveis d'ús intensiu del coneixement. L'especialització del Regne Unit és en els serveis financers i això ha fet que no s'especialitzi en altres sector més tecnològics. Per tant s'ha d'entendre el signe negatiu d'aquest indicador no perquè realment aporti un valor negatiu directe sinó perquè com més serveis hi ha menys probabilitats hi ha de que el sector de l'alta tecnologia sigui important i per tant menys probabilitats de que es generin patents. Planificació 91 8. Planificació 8.1. Planificació Projecte de detall La planificació del projecte s'inicia a l'entrega de l'avantprojecte el dia 16 de Gener. A partir d'aquell dia es comença a treballar en el projecte. El projecte de detall consta de tres activitats, dues de les quals destaquen pel seu pes en hores de treball. L’activitat “Creació dels models, tractament dels resultats i millora dels models” requerirà de 170 hores, repartides entre les seves sub-activitats. L’activitat “Documentació” requerirà de 160 hores. Fig. 8. 1. Duració i cost de les activitats del projecte de detall. Com es pot observar al diagrama de Gantt les activitats es portaran a terme de forma lineal, és a dir, que no es portaran a terme activitats de forma paral·lela. Aquest fet es degut principalment a la naturalesa de les tasques: no es pot dur a terme l'anàlisi clúster sense haver fet l'anàlisi factorial, per exemple. També cal afegir que l'existència d'un sol treballador fa poc realista el desenvolupament de tasques de forma paral·lela. En qualsevol cas es farien de forma alternada però no de forma paral·lela. Com que l'única tasca que sí que te una part que es va fent de forma alternada, la documentació, te un gruix de feina molt gran al final, s'ha decidit contemplar-ho tot d'aquesta manera. La previsió és que el projecte de detall comenci el dilluns 19 i la jornada sigui de 3 hores diàries (de dilluns a diumenge). Amb aquesta jornada laboral el projecte acabarà el dia 16 de maig. Aquest marge de poc més de dues setmanes existent entre la data 92 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació planificada d’acabament i la data d’entrega serà vital en cas de que sorgeixin dificultats no previstes (o que s’hagin estimat malament la duració de les activitats). En un projecte que es basa en utilitzar tècniques estadístiques per a treure conclusions sobre els determinants de la innovació la inexperiència de l'autor en aquest camp de coneixement dificulta molt la bona previsió de les activitats del mateix. Per aquest motiu s'ha decidit deixar dues setmanes de marge perquè segurament hi ha activitats que degut a la inexperiència de l'autor es tardaran més a fer del previst. També cal dir que al tenir només un treballador la flexibilitat de la qual es disposa és molt alta. La planificació en aquest tipus de treballs a on només hi ha 1 recurs i és humà serveix per a fer una previsió de quan es tardarà en executar el projecte. La distribució de les hores variarà en funció de la disponibilitat de temps en cada moment. En aquest cas passa el mateix que a la planificació de l’avantprojecte: l’existència d’un sol recurs humà converteix la planificació en lineal i això determina que el camí crític contingui totes les activitats de la planificació. Fig. 8. 2. Planificació del projecte de detall. Planificació 93 8.2. Execució del Projecte de detall L'execució del projecte de detall ha estat marcada per les dificultats a l'inici del mateix. El problema principal ha estat els errors presents a la pàgina de l'Eurostat durant diverses setmanes. Aquests errors no permetien el filtratge adequat de les dades. És a dir que no es podien filtrar en diferents nivells territorials. L'estudi d'aquest projecte es limita a les regions Nuts 2 i la impossibilitat de filtrar les dades per aquestes regions de forma automàtica ha obligat a fer-ho de forma manual. L'elevat número de dades a tractar ha fet que el procés manual fos realment llarg. El que havia de ser un procés extremadament fàcil degut a l'ús d'una font d'informació oficial i fiable com l'Eurostat s'ha convertit en un interminable procés manual. Cada vegada que es precisava d'un indicador nou suposava un sobreesforç en hores de feina que feia avançar el projecte més lentament del previst. És aquest el motiu de que l'activitat "Recol·lecció de les dades" suposés una càrrega de feina de unes 40 hores quan la prevista era de 10 hores. Una altre desviació rellevant s'ha registrat en l'activitat "Anàlisi de Regressió Logística". En aquest cas el motiu ha estat les mateixes dificultats que conté el model. S'han portar a terme moltes proves per arribar a models vàlids i això ha fet augmentar les hores de treball dedicades. En concret s'havien previst 20 hores de feina i finalment han estat 30 hores. Fig. 8. 3. Planificació del projecte de detall. 100 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació La última millora proposada és la de comparar els resultats obtinguts a les regressions binàries actuals amb les mateixes regressions però amb les patents de alta tecnologia. És un procés força simple i no s'ha dut a terme degut al gran nombre de regions sense dades disponibles. Es desconeix si aquestes l'absència d'aquestes dades a la base de dades de l'eurostat es deu també als errors esmentats anteriorment o si simplement no es tenen aquestes dades. Bibliografia 101 11. Bibliografia [1] Pàgina Eurostat.epp.eurostat.ec.europa.eu/portal/page/nuts_nomenclature/ introduction [2] Benavides i Quintana. Regiones en aprendizaje. ¿Una nueva dimensión de la innovación? [3] Velasco, Zamanillo I Gurutze, Evolución de los modelos sobre el proceso de innovación: desde el empleo lineal hasta los sistemas de innovación [4] Buesa, Martínez, Heijs i Baumert, Los sistemas regionales de innovación en España [5] Peña. Teorías explicativas de las disparidades económicas espaciales. Teorías del crecimiento endógeno, La tesis de los milieux innovateurs. [6] Navarro. Los sistemas regionales de innovación en Europa, una literatura con claroscuro. [7] Vega i Gutiérrez. Los determinantes de la innovación tecnológica e la empresa: Una aproximación a través del concepto de capacidad de absorción. [8] Santoux Medina, Jordi. Estudi dels principals determinants de la innovació en un territorio o regió. El cas de les regions de la UE. [9] Pinto Magin, Juan Antonio. Principals determinants de la innovació en un territorio. Casos de Catalunya i Espanya en el marc de la UE. [10] García Veiga, María Ángeles. Análisis causal con ecuaciones estructurales de la satisfacción ciudadana con los servicios municipales. [11] Manual IBM. SPSS Regression 20 [12] Vojnikova, Dessislava. Análisis de Clúster con SPSS. Método de las K-Medias [13] Capítol 20. Análisi factorial: El procedimiento Análisi factorial.pdf 102 Tipologies dels sistemes regionals d’innovació en la UE-28. Els determinants de l’entorn d’innovació [14] Capítol 21. Análisi de conglomerados (I). El procedimiento Conglomerado de K medias. [15] Capítol 22. Análisi de conglomerados (II). El procedimiento Conglomerado jearárquicos. [16] Aguayo Canela, Mariano. Cómo hacer una regresión logística [17] Morales, Pedro (2011). El análisi factorial en la construcción e intrepretación de tests, escalas y cuestionarios. [20] Hair, Anderson, Tatham, Black (5a edición). Análisi multivariante