¿AFECTA EL GASTO EN I+D A LA PRODUCTIVIDAD TOTAL DE LOS ... · Este trabajo tiene por objetivo estudiar el efecto del gasto de la I+D en la productividad total de los factores en

¿AFECTA EL GASTO EN I+D A LA

PRODUCTIVIDAD TOTAL DE

LOS FACTORES?

TRABAJO FIN DE MASTER

María del Mar García Salvador

Director:

Prof. Dr. Diego Martínez López

Universidad Pablo de Olavide

Me gustaría agradecer a Diego Martínez López su valiosa

ayuda y sus consejos para la realización de este trabajo fin

de master, así como que me haya hecho descubrir un

camino que ha resultado ser un desafío enriquecedor,

motivador y gratificante.

¿Afecta el gasto en I+D a la productividad total de los factores?

2

¿AFECTA EL GASTO EN I+D A LA PRODUCTIVIDAD TOTAL DE LOS

FACTORES?

María del Mar García Salvador

Abstract.

This paper aims to study the effect of the R&D expenditure on total factor productivity

in a sample of fourteen OECD countries for the period between 1981 and 2007. First, it

will study the relationship between R&D and total factor productivity and secondly, this

spending will be broken down by sector according to the origin of the resources

(private, government or high education sector). It also estimates that, in order to give

a real boost to productivity, investment in innovative activities should be a minimum

percentage of gross domestic product of a country.

Keywords: R&D expenditure, total factor productivity, panel data, growth

JEL Codes: C23, E60, H59, O47, O57

Resumen.

Este trabajo tiene por objetivo estudiar el efecto del gasto de la I+D en la

productividad total de los factores en una muestra de catorce países de la OCDE para

el periodo comprendido entre 1981 y 2007. En primer lugar, se estudiará la relación

existente entre el gasto en I+D y la productividad total de los factores y en segundo

lugar, se desglosará este gasto por sectores en función del origen de los recursos

(privado, del gobierno o de las instituciones de educación superior). Asimismo, se

estimará que, para dar un verdadero impulso a la productividad, la inversión en

actividades innovadoras debe suponer un porcentaje mínimo del producto interior

bruto de un país.

Palabras clave: inversión en I+D, productividad total de los factores, datos de panel,

crecimiento

Clasificación JEL: C23, E60, H59, O47, O57


3

INTRODUCCIÓN

Los modelos de crecimiento económico asumidos por la teoría económica sustentan la

idea de que los aumentos de la renta per cápita son sostenibles si están basados en

incrementos de la productividad. Las estrategias propuestas para sostener el

crecimiento económico han ido evolucionando: en la década de los cincuenta y sesenta

se promovieron las inversiones en infraestructuras y capital físico y la década de los

setenta estuvo marcada por una toma de conciencia sobre la importancia de otro tipo

de capital, el humano.

Asimismo, existen numerosos trabajos que justifican el papel de la investigación y el

desarrollo como motor de la productividad y, por tanto, del crecimiento económico. Las

actividades en investigación y desarrollo (en adelante, I+D) se han considerado una de

las fuentes más importantes del cambio técnico y del crecimiento de la productividad

total de los factores (en adelante, PTF) desde los trabajos de Schultz (1953) y

Griliches, Z. (1958), que fueron pioneros en esta área estudiando esta relación en el

sector agrícola. Estas actividades se definen, según el Manual Frascati (OCDE, 1993, p.

29), como aquellas que comprenden el trabajo creativo llevado a cabo de forma

sistemática con el fin de aumentar el caudal de conocimientos y el uso de esos

conocimientos para concebir nuevas aplicaciones.

En teoría, el gasto en I+D incrementaría la productividad por distintas vías. Primero, al

hacer posible la producción de nuevos bienes y servicios que traen consigo un uso más

eficaz de los recursos existentes. En segundo lugar, facilitando la adaptación de los

beneficios del progreso tecnológico en el resto del mundo a la realidad local. En tercer

lugar, las actividades de I+D en otros lugares en el mundo aumentan la productividad

nacional a través del aprendizaje incorporado en las nuevas tecnologías y los procesos

de producción (Coe y Helpman, 1995).

Existe abundante literatura especializada que estudia la relación entre las actividades

en I+D y la productividad a nivel empresa, sector y país. En este trabajo se va a

estudiar esta relación en el plano nacional por dos razones. La primera es que la

innovación genera externalidades que son difíciles de captar con los datos a nivel de

empresa o industria. Sin embargo, utilizando datos nacionales es posible observar el


4

impacto de la I+D dentro de la economía en su conjunto. En segundo lugar, dado que

las diferencias en la PTF explican la mayor parte de las diferencias en el crecimiento

económico de los países, el estudiar la relación entre la I+D y la PTF podría ayudar a

identificar los factores que impulsan la productividad en los países, lo que resulta clave

para la definición de una nueva estrategia y para la instrumentación de otras políticas

de gestión económica. Es por esto que el objeto de este trabajo es estudiar esta

relación estimando en primer lugar el efecto del gasto total en I+D en la PTF y en

segundo lugar, desglosando este gasto por sectores en función del origen de los

recursos (privado, del gobierno o de las instituciones de educación superior).

Asimismo, se estimará si la inversión en I+D debe ser lo suficientemente importante

para producir un verdadero crecimiento en la PTF.

Las implicaciones de la evolución de la productividad adquieren una especial

importancia en el marco y definición de la nueva estrategia de competitividad dentro

del marco de la UE. En el futuro, nuestro nivel de vida dependerá de la capacidad de

potenciar la innovación en productos, servicios, empresas y procesos sociales, así

como en modelos productivos. Conscientes de que la innovación es un factor clave

para la competitividad, en el Consejo Europeo de Lisboa (2000) los Jefes de Estado y

de Gobierno de la Unión Europea marcaron una senda hacia la innovación y el

conocimiento estableciendo como meta el conseguir que la economía europea se

convirtiese en la más competitiva y dinámica del mundo. En esta línea, Europa 2020,

que es la estrategia de crecimiento de la UE para la próxima década, coloca a la

investigación y a la innovación en un lugar prominente en la agenda de crecimiento y

empleo de la UE, estableciendo, entre sus objetivos para 2020, una inversión del 3%

de su PIB en I+D, de los que una tercera parte será financiación pública y dos terceras

partes serán financiación privada.

A pesar de las orientaciones marcadas por Europa, se ha observado en estos últimos

años una tendencia en algunos países de la OCDE a minorar la partida de presupuesto

que destinan a actividades de I+D. Los resultados de este estudio apuntan a que hay

que instrumentalizar políticas económicas para revertir esta tendencia pues se detecta

no sólo una vinculación entre el gasto realizado en I+D y el crecimiento de la PTF sino

que esta inversión debe alcanzar un determinado volumen para producir un verdadero

estímulo de la productividad de un país. De acuerdo con los objetivos señalados en la

Estrategia 2020 mencionada en el párrafo anterior, el mínimo de inversión necesario


5

para empujar este crecimiento utilizado en este estudio es de un 3% del Producto

Interior Bruto de cada país.

La estructura del estudio es la siguiente. En primer lugar se procederá a una breve

revisión de la literatura en la que se aclaran los términos en los que se sustenta esta

investigación y en la que destacaremos algunos trabajos empíricos relevantes. En la

segunda sección, se detallan las bases de datos utilizadas así como sus características

más relevantes. En el tercer epígrafe, se ofrece un análisis descriptivo de los datos que

sirven de base a este estudio, lo que permite una primera aproximación al

comportamiento de las actividades de I+D sobre la productividad además de una

primera detección de otras fuentes de crecimiento de la PTF. En la siguiente sección se

expone con detalle la metodología aplicada para la realización de estimaciones

mientras que en la sección quinta se ofrecen los resultados más relevantes Por último,

en la sección sexta se presentan las conclusiones de esta investigación.

1. BREVE REVISIÓN DE LA LITERATURA

El estudio de la evolución y determinantes de la productividad tiene su origen en el

trabajo de Solow (1957). La contabilidad del crecimiento descompone el crecimiento

económico observado en términos de los distintos factores productivos que integran la

función de producción agregada de una economía. Este tipo de análisis permite la

obtención del residuo de Solow que refleja el progreso tecnológico y otros elementos

determinantes de la productividad agregada de la economía.

En el modelo neoclásico, el crecimiento económico no se basa en la acumulación de los

inputs tradicionales sino que se explica, en su gran mayoría, por el crecimiento de la

productividad. Las aplicaciones empíricas de los modelos neoclásicos atribuyen una

parte importante del crecimiento al incremento de la productividad total de los factores

o al llamado progreso tecnológico. Solow (1957) llegó a la conclusión de que el 87.5%

del crecimiento de la producción por hora trabajada en Estados Unidos durante el

periodo 1909-1949 se debió al progreso técnico.

Parece evidente que los nuevos procesos que incorporan tecnología al ser más

eficientes permiten a las empresas aumentar la producción por unidad de trabajo y de


6

capital, además contribuyen a mejorar el bienestar de las personas al ofrecerles

nuevos productos y servicios. Mientras otros factores, tales como los shocks

macroeconómicos, pueden afectar a la productividad en el corto plazo, únicamente la

extensión de la tecnología puede hacer que el crecimiento económico sea sostenible y

duradero.

Dada la importancia de la PTF existen numerosos estudios que tratan de determinar

qué factores o variables afectan a su crecimiento. Parece evidente que las actividades

en I+D incrementan la productividad; sin embargo, el problema radica en cómo medir

adecuadamente estas actividades. Existen divergencias de opiniones en la evaluación

de estas actividades, pues se pueden valorar utilizando una variable de gasto en I+D,

o bien se puede recurrir a contabilizar el output en I+D, por ejemplo, el número de

patentes registrado por cada país. Esta última variable además mide la eficiencia del

esfuerzo inversor realizado. La mayoría de los estudios en este campo de investigación

han confirmado que el gasto en I+D afecta al crecimiento de la productividad; entre

ellos destacan los estudios empíricos de Zvi Griliches (1998)1, en los que demuestra

que este gasto es un importante motor del crecimiento económico.

En cuanto al sentido de la relación entre la I+D y la PTF existe diversa literatura que

no encuentra evidencias de que sea un aumento del gasto en I+D lo que incrementa la

productividad de la economía y no al revés, es decir, ¿es un alto grado de inversión en

I+D lo que produce la riqueza de una nación o son los países los que, una vez ricos,

invierten en I+D? Se encuentran numerosos trabajos que estudian la simultaneidad de

estas variables así como la posibilidad de que exista una relación de causalidad

inversa. Bravo Ortega y García Marín (2011) usan un panel de 65 países para el

periodo de 1960 a 2000 llegando a la conclusión de que hay una fuerte y significativa

relación entre la I+D y la productividad, siendo el incremento de la primera la que

provoca un crecimiento de la segunda. Estos resultados sugieren que los países que

hagan un esfuerzo inversor en I+D más importante serán más productivos en el

futuro. En esta misma línea, el trabajo de Rouvienen (2002) sugiere que es el gasto en

I+D lo que produce un incremento del crecimiento económico.

1 Griliches señala que el modelo estándar de I+D tiene varios problemas conceptuales,especialmente con relación al significado y medición de la “depreciación” del conocimiento y de las rentaseconómicas creadas por ésta. Además, hay que tener en cuenta la posibilidad de simultaneidad ycausalidad inversa.


7

En lo concerniente al origen de la financiación del gasto un artículo de Guellec y Van

Pottelsberghe (2002) proporciona evidencia macroeconómica del impacto simultáneo

de la inversión en I+D pública, extranjera y privada sobre el crecimiento económico.

Otros avances en el campo de los determinantes de la productividad han llegado a un

consenso en el corpus teórico que ha permitido explicar el incremento de la tasa de

crecimiento del producto a través de una combinación de factores específicos de cada

país o región y de otros más universales, entre los que destacan la innovación

tecnológica, el capital humano y la acumulación de capital (Barro, 1991; Sala-i-Martín,

1994).

En lo referente a los trabajos que resaltan la importancia del capital humano como

determinante de la PTF cabe destacar los realizados por Fingleton (2003) y Kahn y Lim

(2008), que inciden en el papel que desempeñan los trabajadores que poseen mayores

conocimientos y técnicas en el incremento de la productividad y el desarrollo

económico. En esta misma línea, Frantzen (2000) muestra la importancia de la

contribución del capital humano al crecimiento de la productividad. De igual modo,

Manca y Giusepe Piroli2 (2011) comprueban que diferentes niveles de capital humano

son la causa de las diferencias de velocidad entre regiones para alcanzar un nivel dado

de tecnología. Asimismo, estos autores encuentran evidencias de que el gasto en I+D

y la acumulación en capital humano impacta en el crecimiento de la PTF a largo plazo

una vez que se ha alcanzado un determinado nivel de stock de capital humano y de

inversión en I+D. De esta forma, se muestra que es necesario destinar un nivel

mínimo de recursos para actividades de I+D así como realizar un determinado esfuerzo

en educación para propiciar un adecuado crecimiento económico.

En definitiva, una vez que se ha determinado que es necesario alcanzar un esfuerzo

mínimo en inversión en I+D resulta conveniente estimar cuál es el óptimo de inversión

en I+D. Coccia (2009)3 establece que más del 65% de las variaciones en el

crecimiento de la productividad se debe al porcentaje en función del PIB destinado a

2 Estos autores estudian el papel jugado por el gasto en I+D y el capital humano en el aumentode la PTF utilizando la especificación propuesta por Benhabib and Spiegel ( 2005).3 Desglosa el óptimo en inversión en I+D en función de su origen público y privado, señalandoque la inversión optima en I+D para el sector privado es de un 1,56% del PIB y de un 1,06% del PIB parael sector que comprende el gobierno y las instituciones de educación superior.


8

I+D. Más adelante, en este análisis se muestra que una inversión del 2,3 al 2,6 por

ciento maximiza a largo plazo el impacto en el crecimiento de la PTF de la inversión en

I+D y esto es la clave para mantener la productividad.

Por otro lado, la facilidad para hacer negocios y la calidad de las instituciones son

esenciales a la hora de difundir el conocimiento y son determinantes de la PTF según

la conclusión que sacan Coe y Helpman (2008) El progreso técnico se genera si existe

un entorno apropiado que sea capaz de utilizar correctamente los inputs o fuentes de

innovación para obtener los outputs deseados. Para ello, es necesario que desde las

instituciones se potencien valores y actitudes como la confianza, la reciprocidad, el

compromiso y la solidaridad, pues esto es indispensable para que se cree un ambiente

en el que los agentes económico-sociales confíen los unos en los otros y puedan

operar sin incertidumbre y sin miedo a comportamientos oportunistas. La configuración

y desarrollo de estas relaciones de cooperación dependen tanto de factores

socioeconómicos, institucionales y estructurales, como de las prácticas de los agentes

principales del proceso de innovación. (Modroño., 2012)

Por todo esto, para incrementar la productividad de una nación es necesario que

interaccionen adecuadamente todos los agentes que conforman la sociedad y para ello

se ha de favorecer la cooperación y la capacidad de realizar acciones colectivas que

nos lleven a beneficios mutuos y que mejoren los procesos colectivos de aprendizaje.

Todos estos valores y actitudes conforman un activo para la sociedad pues reducen los

costes de transacción, mejoran la eficiencia y aumentan la productividad del trabajo y

del resto de activos productivos. El capital social mide estos comportamientos así como

el grado de cooperación y confianza que existe entre los diferentes agentes de una

economía.

Como ya hemos mencionado, las buenas relaciones entre los distintos agentes son

indispensables para que exista un mecanismo de transferencia de conocimientos. La

cooperación entre la universidad, u organismos públicos de investigación, y las

empresas, a través de distintos canales y modalidades (alianzas estratégicas en

tecnología, desarrollo de alianzas, colaboraciones estratégicas o cooperativas) son

indispensables para potenciar el progreso técnico y la productividad de una región. Las

actividades de innovación son entendidas como un sistema social en el que la actividad


9

principal es el aprendizaje interactivo. Este aprendizaje resulta fuertemente

dependiente del capital social de un país (lundvall, 1992; lundvall et al., 2002:225).

A pesar de su importancia, no existe abundante literatura que proponga el capital

social como fuente del crecimiento de la PTF. Sin embargo, en un artículo de Bengoa y

Pérez (2011) se establece que el capital social tiene una relación positiva y

significativa con la PTF. Asimismo, Freeman (1975) en un estudio sobre el caso

japonés comprobó cómo, gracias a la rápida circulación del conocimiento debido a la

alta capacidad de interacción entre los agentes de la sociedad, se obtuvieron unas

altas tasas de progreso técnico a pesar de no haber incrementado el gasto en inversión

en tecnología.

En este repaso de la literatura, también resulta de interés estudiar el impacto que

tienen las recesiones y los ciclos económicos en la dinámica de la PTF, existiendo en

este ámbito dos teorías rivales:

- La teoría de aversión al riesgo establece que la productividad

disminuye durante las recesiones pues el miedo a la quiebra lleva a las empresas a no

cambiar su modelo productivo ni a introducir ninguna innovación en sus procesos de

producción.

- La teoría del coste de oportunidad determina que las fluctuaciones

económicas estimulan el crecimiento de la PTF, pues las empresas invierten en

crecimiento y reorganizan sus procesos productivos durante una recesión. La

tecnología en sí, por lo general, requiere una reasignación de los factores de

producción que suele ser costosa para la empresa. Estos episodios de ajuste suelen

producirse en tiempos de crisis durante los cuales, el coste de oportunidad (en

términos de beneficios no percibidos) de la inversión de capital o mano de obra en las

mejoras tecnológicas o reorganizaciones empresariales es baja y más aún cuando la

diferencia entre los auges y las depresiones es grande.

La mayoría de los estudios recientes apoyan esta última teoría siendo este marco

teórico el que vamos a seguir durante este estudio. Como ejemplos de apoyo a esta

hipótesis se encuentra el artículo de Atella y Quintiery (1998) que establece que en las

recesiones transitorias se incrementa la productividad. Asimismo, en esta misma línea,


10

Saint-Paul y Aguion (1991) demuestran que las empresas invierten más en tecnología

durante época de crisis.

2.DATOS Y FUENTES

Una vez referenciado el marco teórico, para seguir con la comprensión del trabajo,

explicaremos cómo se ha procedido para confeccionar las variables utilizadas, así la

procedencia de los datos utilizados en el análisis.

Los datos de gasto en I+D se han extraído de la base de datos de Eurostat. Vamos a

utilizar dos tipos de indicadores de gasto en I+D: el gasto en I+D en euros por

habitante y el porcentaje sobre el PIB del gasto en I+D. Sus significados son más útiles

que el gasto total en I+D por país ya que demuestran de una manera más intuitiva el

esfuerzo inversor realizado por cada país. A su vez, el gasto en I+D medido en euros

por habitante se ha desglosado en gasto privado4, gasto del gobierno y gasto de las

instituciones de educación superior.

Para medir el capital humano se ha utilizado como proxy el número de años esperados

de educación obtenido de la base de datos de la UNESCO. Esta variable indica el

número total de años de escolaridad que una niña o un niño de una determinada edad

puede esperar a recibir en el futuro.

Como indicador del ciclo se va a emplear como proxy los datos de desempleo

obtenidos de la base de datos de Eurostat.

En cuanto a los datos del capital social están disponibles, para todos los países de la

muestra, en tasas de variación interanuales desde 1970 hasta 2005; proceden de

Pérez García et al, en un estudio elaborado por la Fundación BBVA y el Instituto

Valenciano de Investigaciones Económicas (IVIE). Estos autores desarrollan un

modelo teórico que identifica como elementos esenciales en el nivel de capital social

los siguientes: expectativas de rentas futuras, el grado de conexión de la red social y

su dimensión, la reciprocidad existente entre agentes, el grado de inclusión social, las

expectativas de pertenencia de los individuos a la sociedad, el coste marginal de


11

invertir en capital social, la tasa de depreciación de éste y la tasa de descuento

temporal

Por último, los datos de la productividad total de los factores, medidos en tasas de

variación interanuales, se han extraído de la base de datos de EU-Klems.

3. MARCO TEÓRICO Y ANÁLISIS DESCRIPTIVO.

El análisis descriptivo de datos permite observar un apreciable grado de correlación

entre la PTF y los principales inputs tecnológicos así como entre aquella y el capital

humano y el capital social, resultados que son acordes con lo expuesto en la revisión

de la literatura del segundo epígrafe.

A continuación, se incluyen tres gráficas que miden la relación entre el gasto en I+D y

la productividad total de los factores. En concreto, se ha desglosado el gasto en I+D

en tres partidas: gasto privado, gasto del gobierno y gasto de las instituciones de

educación superior. De esta forma, se puede ver la relación existente entre el gasto en

I+D y la productividad diferenciando el origen sectorial de los fondos. Para

confeccionar las gráficas se ha utilizado la media del gasto sectorial en I+D en euros

por habitantes durante el periodo comprendido de 1981 a 2007 para los catorce países

de nuestra muestra. Así, en el eje de las ordenadas se encuentra el nivel medio de

variación de la PTF para cada uno de los países de la muestra para el periodo objeto

del estudio y en el eje de abcisas se muestra el gasto medio en I+D.

Esta primera gráfica muestra que la línea de tendencia marca una relación bastante

positiva entre el gasto privado en I+D y el incremento de la productividad total de los

factores.

4 El gasto privado a su vez se compone del gasto de las empresas y del gasto de las instituciones sin fines

de lucro. Al ser este último dato residual se ha considerado pertinente agregarlo al gasto privado de las

empresas.


12

Gráfica 1. Relación entre el gasto privado en I+D y la PTF. (1981-2007)

Fuente: Eurostat & EuKlems. Elaboración propia.

En la gráfica 2 se observa que la línea de tendencia marca una relación positiva entre

el gasto realizado por las universidades y el crecimiento de la productividad total de los

factores. Tanto en este gráfico como en el anterior, se observa que países como

Finlandia y Suecia que se encuentran en la parte superior derecha son los que más

recursos destinan a I+D teniendo una productividad total de los factores alta. Por otro

lado, países como Italia y España que se encuentran en la parte inferior izquierda del

gráfico, siendo aquellos con los niveles más bajos de PTF y de gasto en I+D.

Gráfica 2. Relación entre el gasto de las instituciones de educación superioren I+D y la PTF. (1981-2007)


Japón

Austria

Bélgica

Dinamarca

Finlandia

Francia

Alemania

Irlanda

Italia

P.Bajos

España

Suecia

Reino Unido

EEUU

96

97

98

99

100

101

102

103

104

105

106

50 150 250 350 450 550 650 750 850

GASTO PRIVADO (euro/hab)

PT

F

EEUU

Reino Unido

Suecia

España

P. Bajos

Italia

Irlanda

Alemania

Francia

Finlandia

Dinamarca

Bélgica

AustriaJapón

96

97

98

99

100

101

102

103

104

105

106

0 50 100 150 200 250 300

GASTO INST. EDUC. SUP. (euro/hab)

PT

F


13

En esta tercera gráfica vemos una relación positiva entre el gasto del gobierno y la

productividad total de los factores aunque, en este caso, la pendiente es mucho menor

que en los dos anteriores. En este gráfico, los países que presentan una mejor relación

PTF-gasto en I+D son Alemania, EEUU y Finlandia, siendo Bélgica, Italia y España

aquellos países con una peor relación PTF-gasto en I+D.

Gráfica 3. Relación entre el gasto del gobierno en I+D y la PTF. (1981-2007)


En definitiva, tal y como se señalaba en la revisión de la literatura en el epígrafe

anterior, este análisis inicial de los datos parece señalar que el gasto en I+D podría

ser una fuente que influye en la futura competitividad de los países.

Tras este estudio descriptivo de los datos se va a proceder a analizar cuál podría ser el

nivel adecuado de inversión que incremente la productividad total de los factores. En la

gráfica 4 está representada la evolución del gasto en I+D en porcentaje del PIB para

los catorce países de nuestra muestra durante el periodo de tiempo estudiado en este

trabajo, 1981-2007.

Japón

Austria

Bélgica

Dinamarca

Finlandia

Francia

Alemania

Irlanda

Italia

P.Bajos

España

Suecia

Reino Unido

EEUU

96

97

98

99

100

101

102

103

104

105

106

0 10 20 30 40 50 60 70 80 90 100

GASTO GOBIERNO EN I+D (euro/hab)

PT

F


14

Gráfica 4. Evolución del gasto en I+D en porcentaje del PIB. (1981-2007)

Fuente: Eurostat. Elaboración propia.

Se observa que la proporción del PIB que han destinado los países a actividades de

I+D es muy distinta entre unos y otros. Así se muestra que países como Suecia,

Finlandia, Japón y Estados Unidos han invertido casi el tres por ciento de su PIB en

I+D, llegando Suecia a alcanzar a principios de la década pasada el cuatro por ciento.

Por otra parte, se observa a países como España, Italia e Irlanda que destinan menos

del 1,5 por ciento de su PIB a actividades de I+D. Si bien es cierto que estos países

han incrementado sus dotaciones en I+D, no lo han hecho con la misma fuerza que

otros países de su entorno. Estas diferencias en el grado de inversión en I+D podrían

estar relacionadas con los diferentes niveles de crecimiento de la PTF entre los

distintos países de la muestra. Para comenzar a estudiar estas diferencias de

comportamiento se realizan unas sencillas correlaciones contempóraneas entre la

productividad total de los factores y el gasto en I+D representado en porcentaje del

PIB. Para ello se calculan las medias de ambas variables para el espacio temporal que

abarca este estudio: 1981-2007.

En las tablas número 1 y número 2 que se adjuntan a continuación se han realizado

correlaciones contemporáneas entre el nivel de variación medio de la PTF para el

periodo 1981-2007 y el gasto medio en porcentaje del PIB en I+D para este mismo

0

0,5

1

1,5

2

2,5

3

3,5

4

4,5

1981

1983

1985

1987

1989

1991

1993

1995

1997

1999

2001

2003

2005

2007

Bélgica Dinamarca Alemania Irlanda España

Francia Italia P.Bajos Austria Finlandia

Suecia U.K. EEUU Japón


15

periodo. Se observa que aquellos países que han invertido de media más del 2,2 % de

su PIB en actividades innovadoras tienen una correlación positiva y en la mayoría de

los casos muy fuerte con la productividad total de los factores. Sin embargo, aquellos

países que no invirtieron lo suficiente (menos del 1,3 %) presentan unas correlaciones

negativas y fuertes de la productividad total de los factores con su gasto en I+D. A

pesar de que pueda haber razones de carácter sectorial que expliquen estos

resultados, parece que se puede sugerir que el país no solamente ha de gastar en I+D

sino que esta inversión debe ser lo suficientemente importante en porcentaje sobre su

PIB para que esta apuesta por la innovación tenga una repercusión en la

productividad. De esta forma, tal y como se veía en el marco teórico parece que hay

evidencias que indican que el gasto en I+D es necesario, pero que éste afecta a la PTF

notablemente cuando ha superado cierto nivel mínimo. A pesar de que en el análisis

descriptivo las correlaciones entre la PTF y el porcentaje del gasto en I+D sobre el PIB

son positivas a partir de ratios superiores al 2.2%, en este trabajo contrastaremos a

partir del 3% para utilizar el mismo criterio que marca Europa en su Estrategia Europa

2020.

Tabla 1. Correlaciones de la PTF con el gasto en I+D de aquellos países con

un gasto superior al 2,2 % de su PIB


Tabla 2. Correlaciones de la PTF con el gasto en I+D de aquellos países con

un gasto inferior al 1,3% de su PIB



16

En la revisión de la literatura especializada realizada en la sección anterior se veía que

en numerosos estudios se demostraba que el capital humano afecta positivamente al

crecimiento de la productividad. En la gráfica 5 se ha utilizado los años medios de

educación esperada para el periodo 1981-2007 y la media para el mismo periodo de la

PTF para cada uno de los países de la muestra. Una vez mas, se comprueba que la

línea de tendencia que relaciona ambas variables es positiva.

Gráfica 5. Relación entre el nivel educativo y la PTF. (1981-2007)

Fuente: UNESCO & EuKlems. Elaboración propia.

Por último, en esta última gráfica se procede a estudiar la relación entre la media del

valor del capital social para el periodo 1981-2007 y la media de la PTF para el periodo

de estudio de los países objeto del estudio. Aunque con escasa pendiente,

comprobamos de una forma preliminar que la relación de estas dos variables es

positiva.

Los anteriores análisis descriptivos, sin aportar evidencia científica sobre el

comportamiento del gasto de I+D, proporcionan cierta intuición, así como permiten

una aproximación inicial sobre las relaciones entre las variables a estudiar.

EEUU

Reino Unido

Suecia

España

P.Bajos

Italia

Irlanda

Alemania

Francia

Finlandia

Dinamarca

Bélgica

AustriaJapón

96

97

98

99

100

101

102

103

104

105

106

13 13,5 14 14,5 15 15,5 16 16,5 17

AÑOS DE EDUCACIÓN

PT

F


17

Gráfica 6. Relación entre el capital social y la PTF. (1981-2007)

Fuente: Fundación BBVA & EuKlems. Elaboración propia.

4. METODOLOGÍA

Con el fin de estimar la contribución de las variables proxies del capital humano y de

los inputs tecnológicos, además de los efectos de una recesión y del capital social se

ha utilizado la metodología de econometría de datos de panel con datos anuales para

el periodo 1981-2007, aplicada a la siguiente muestra de catorce países de la OCDE:

Alemania, Austria, Bélgica, Dinamarca, España, Estados Unidos, Finlandia, Francia,

Irlanda, Italia, Japón, Países Bajos, Reino Unido y Suecia.

Suponemos que la tecnología viene representada por una función de producción Cobb-

Douglas, con rendimientos constantes a escala, en una economía en la que existe

competencia perfecta y no se producen externalidades:

)L,F(KA=Y itititit(1)

La producción total de la economía depende del factor capital (K ), del trabajo (L), y

de la tecnología (A ), presentando todos los inputs acumulables productividad marginal

decreciente.

Derivando la expresión anterior con respecto al tiempo obtenemos:

JapónAustria

Bélgica

Dinamarca

Finlandia

Francia

Alemania

Irlanda

Italia

P.Bajos

España

Suecia

Reino Unido

EEUU

96

97

98

99

100

101

102

103

104

105

106

70 80 90 100 110 120 130 140 150 160 170

CAPITAL SOCIAL

PT

F


18

donde un punto sobre la variable denota su derivada con respecto al tiempo.

Dividiendo ambas partes de la expresión por Y, y ordenando términos resulta:

A

A

L

L

L

Y

Y

L

K

K

K

Y

Y

K

Y

Y &&&&

+∂∂

+∂∂

= (3)

Se define Y

K

K

Y

∂∂

=α como la elasticidad de la producción total con respecto al

factor capital, y Y

L

L

Y=α)(∂∂

−1 como la correspondiente elasticidad del factor

trabajo. Si se sustituye y reorganiza, la tasa de crecimiento de la PTF vendrá

determinada por la expresión:

−+

−=

L

L

K

K

Y

Y

A

A &&&&

)1( αα (4)

Esta última expresión está basada en el supuesto de que cada factor de producción se

remunera mediante su contribución marginal a la producción y que el proceso de

acumulación de capital es independiente del proceso de acumulación tecnológico.

Sobre esta base conceptual que permite calcular de forma sencilla la evolución de la

PTF, se estudian las variables que pueden afectar a la PTF de la muestra de 14 países.

Para ello, se han realizado estimaciones utilizando la econometría de datos de panel.

La principal ventaja en la utilización de una estructura basada en datos de panel,

según Arellano y Bover (1990) reside en el control de la heterogeneidad inobservable.

El empleo de datos de panel hace posible estimar modelos en los que se puede tener

en cuenta el comportamiento individual nacional y las diferencias en la función de

producción de cada una de las economías de la muestra junto con la información que

aporta la longitud temporal.

AA

YL

L

YK

K

YY &&&&

∂∂

+∂∂

+∂∂

= (2)


19

Adicionalmente, la utilización de datos de panel permite aprovechar mejor la

información temporal que contienen los datos, obtener más variabilidad, reducir los

problemas de multicolinealidad entre las variables, ganar grados de libertad y llegar a

estimaciones más eficientes (Baltagi, 2001).

Un modelo de datos de panel se puede expresar del siguiente modo:

ititit u+βX=Y (5)

donde i=1,2,…,N indica la unidad de sección cruzada (países en este caso), t=1,2,…,T

indica los periodos de tiempo (de 1981 a 2007); Yit son las variables explicadas,

itX las variables explicativas; β es el vector de parámetros a estimar y itu el término

de error. Si existe el mismo número de periodos que de secciones cruzadas, se dice

que el panel está equilibrado (N=T).

Es frecuente suponer que el término de error (o perturbación aleatoria) se

descompone en dos elementos:

itiit v+η=u (6)

donde iη es la variación entre países, caracterizado por una variable aleatoria

inobservable independiente y itv se considera ruido blanco. Con estas

observaciones realizadas, el modelo a estimar sería el siguiente:

ititiit v+βX+η=Y (7)

Una primera aproximación empírica a este modelo supone estimar β por mínimos

cuadrados ordinarios (MCO), obteniendo el estimador βˆdenominado estimador de


20

covarianza o intragrupos. Si existe correlación entre iη y las variables explicativas

itX , es decir:

0)( ≠iti XCov η (8)

la aproximación más adecuada utiliza inferencia condicional y el modelo puede

considerarse de efectos fijos. Si por el contrario, los efectos latentes o individuales no

están correlacionados con las variables observables, esto es:

0)( =iti XCov η (9)

el modelo se puede considerar de efectos aleatorios. Por lo tanto, el modelo de efectos

aleatorios supone que iη es una variable aleatoria inobservable independiente de

las variables explicativas del modelo, y los efectos individuales pasan a formar parte

del término error.

En términos prácticos, para contrastar la ecuación de nuestro modelo y de este modo,

optar por el modelo de efectos fijos o aleatorios, se debe conocer si las variables

explicativas están o no correlacionadas con los efectos latentes de cada uno de los

países. Para decidir si se debe estimar el modelo por efectos fijos o por efectos

aleatorios hay que plantearse las siguientes preguntas:

- ¿Se tiene un panel en el que están todos los individuos o unidades

muestrales de la población? Si la respuesta es afirmativa debería escogerse el modelo

de efectos y fijos; en caso contrario se debe utilizar otro procedimiento adicional para

establecer el modelo a aplicar. En este caso de estudio, no se ha seleccionado el total

de países que conforman la OCDE sino una muestra representativa de ella.

- ¿Las estimaciones consistentes (efectos fijos) y las eficientes (efectos

aleatorios) son significativamente distintas? Una respuesta afirmativa implica que es

mejor escoger el estimador que consideramos más consistente (el de efectos fijos), por

el contrario si son ortogonalmente iguales se deberá escoger la estimación más

eficiente, la de efectos aleatorios. A esta pregunta responde el test de Hausman


21

(1978), al comparar las estimaciones del modelo de efectos fijos y el de efectos

aleatorios. Si el valor de la prueba es bajo (p-valor mayor de 0.05) la hipótesis nula, de

diferencias no sistemáticas, se cumple y elegimos el estimador más eficiente, es decir,

el estimador de efectos aleatorios.

En este trabajo, al aplicar el test de Hausman a los modelos correspondientes se

obtiene un p-value mayor a 0.05 con lo que para la especificación de las estimaciones

se elige el modelo de efectos aleatorios. Por último, se dejan abiertas futuras vías de

investigación no incluidas en este trabajo como un estudio profundo de las relaciones

de cointegración entre las variables5.

5. RESULTADOS EMPÍRICOS

Se han realizado estimaciones utilizando la metodología de datos de panel, con el fin

de estudiar cuáles son las principales variables que afectan a la PTF. Tal y como se

identificó en el repaso de la literatura, existe un consenso teórico sobre las variables

que se van a utilizar en este modelo como determinantes de la productividad. En

definitiva, en estos modelos se trata de analizar si las actividades de investigación

llevadas a cabo por organismos privados, gobierno, instituciones de educación

superior, el capital humano y el capital social han generado aumentos de la

productividad. Para ello se van a estimar tres modelos diferentes:

Primer modelo

Vamos a analizar qué impacto tiene en la PTF el gasto en I+D, el capital humano, el

capital social y el ciclo económico. Para ello estimaremos la siguiente especificación:

itit u+c)(β+(CS)β+(CH)β+(GID)β=PTF Re4321 ,

Siendo GID los recursos destinados a I+D6, CH es la proxy que mide el capital

humano7, CS es el capital social y Rec es la proxy que mide el efecto de las

recesiones8.

5

Durante la investigación y elaboración del modelo econométrico que sustenta este trabajo serealizó el test de cointegración de Johansen. Sin embargo, no se pueden extraer resultados concluyentesdebido al número insuficiente de observaciones.6 Recordemos que la unidad de gasto en I+D está medida de euros por habitante.


22

Tal y como se puede ver en la tabla 3, que ofrece los resultados de esta estimación, el

capital humano, con un coeficiente significativo de 1,29, parece tener un importante

impacto en el crecimiento de la PTF. Asimismo, tanto el capital social como el efecto de

las recesiones obtienen también un resultado satisfactorio, siendo significativos al

95%. Los recursos de I+D tienen un impacto positivo en la productividad total de los

factores, aunque con una influencia inferior al resto de las variables: el coeficiente

estimado es el menor de todos, un 0,089; sin embargo resulta altamente significativo

(un 99%).

Un dato significativo que revela una buena especificación del modelo es el valor del

estadístico de Durbin-Watson9 que, en este caso, indica ausencia de autocorrelación.

La causa de la presencia de autocorrelación puede deberse a un error de especificación

del modelo como la omisión de variables relevantes, la existencia de relaciones

dinámicas no recogidas en el modelo o la formulación de una relación funcional lineal

incorrecta.

TABLA 3. Resultados econométricos del Modelo 1

Nota: ***, ** y *. Significativo al 1%, al 5% y al 10%.

7 Recordemos que la variable proxy que mide el capital humano es el número de años esperadosde vida educativa.8 Recordemos que la proxy de recesión es la tasa de desempleo del país.9 El valor del estadístico d de Durbin-Watson toma valores entre 0 y 4, de forma que si no hay correlaciónserial, su valor estará alrededor del valor 2, mientras que valores cercanos a 0 indicarán la presencia deautocorrelación positiva y valores cercanos a 4 mostrarán autocorrelación negativa.


23

Segundo modelo.

En el segundo modelo se va a desglosar los recursos destinados a I+D en función del

origen de la financiación: sector privado10, gobierno y universidades para analizar el

efecto que tiene el gasto de los diferentes sectores sobre la PTF. Además, se utilizan

las mismas variables que en el modelo anterior como otros determinantes del

crecimiento de la PTF, mostrando, a continuación, la estimación especificada:

,)(Re)()(s 654321 itit ucCSCH)(Gβ+(Gg)β+(Gp)β=PTF ++++ βββ

Siendo Gp el gasto en I+D del sector privado, Gg el gasto en I+D de los gobiernos, Gs

es el gasto en I+D de los diferentes centros de educación superior, CH es la proxy que

mide el capital humano, CS el indicador que mide el capital social, y Rec es la proxy

que mide el hecho de estar en una recesión.

Como se observa en la tabla 4, el gasto privado en I+D del sector privado y de las

universidades tiene un impacto positivo aunque muy moderado, siendo un algo mejor

el coeficiente correspondiente al gasto de las universidades. El gasto en I+D del

gobierno tiene un impacto negativo en la PTF aunque este coeficiente no es

significativo. El capital humano, el capital social y el efecto de las recesiones tienen un

impacto en la PTF similar al modelo 1, siendo como en el modelo anterior el capital

humano el coeficiente que parece tener una importancia mayor.

Se obtiene un valor del estadístico de Durbin-Watson igual a 2, lo que revela ausencia

de autocorrelación e indica una buena especificación del modelo.

10

Recordemos que este gasto está compuesto por el gasto de las empresas y por el gasto de lasinstituciones sin fines de lucro.


24


Notas: ***, ** y *. Significativo al 1%, al 5% y al 10%.

Tercer modelo

En este tercer modelo se va a testar qué efectos tiene sobre la productividad total de

los factores el hecho de que la proporción del gasto en I+D en proporción al PIB sea

superior al tres por ciento, utilizando como criterio el objetivo marcado por la

Estrategia Europa 2020. Para ello creamos una “dummy” que sea:

3

3

%

%

0

11 <

≥

=

==

PIB

PIB

en

en

gasto

gasto

si

si

D

DD

Asimismo, al igual que en los anteriores modelos, utilizaremos como otros

determinantes de la PTF el capital social, el capital humano y el efecto de estar en

recesiones. El modelo a estimar es el que se expone a continuación:

,Re4321 itit u+c)(β+(CS)β+(CH)β+(D)β=PTF


25

Siendo D la dummy que hemos creado anteriormente, CH la proxi que mide el capital

humano, CS el indicador que mide el capital social, y Rec es la proxy que mide el

hecho de estar en una recesión.

En la tabla 5 destaca el alto valor del coeficiente de la dummy “invertir en I+D más del

tres por ciento del PIB”, que alcanza un valor muy significativo de 5,13. Parece

importante remarcar el valor del coeficiente β en este tercer modelo es mucho mayor

que en el primero lo que indicaría la importancia de alcanzar un mínimo esfuerzo

inversor en actividades de I+D. El capital humano y el capital social tienen ambos un

impacto positivo en la PTF siendo significativos al 99% y al 95% respectivamente. En

este último modelo el hecho de estar en recesión tiene un impacto positivo en la PTF

sin embargo, el coeficiente no es significativo.

Por último, al observar el estadístico de Durbin-Watson se observa una ausencia de

autocorrelación lo que indica una buena calidad de especificación del modelo, aunque

menor que en ocasiones anteriores.


Nota: ***, ** y *. Significativo al 1%, al 5% y al 10%.


26

6. CONCLUSIONES

Con este trabajo se ha pretendido aportar nueva evidencia empírica a la importancia

del gasto en I+D como fuente de la productividad total de los factores y, por ende,

como motor del crecimiento económico de un país.

A pesar de que se debería estudiar con mayor profundidad posibles canales causa-

efecto entre las variables explicativas y la variable a explicar que induzcan sesgo por

endogeneidad, los resultados econométricos apuntan a que el gasto en I+D potencia el

crecimiento de la productividad total de los factores aunque matizando algunas

cuestiones. En primer lugar, parece que esta inversión ha de ser importante, debiendo

destinar el país más del 3% de su producto interior bruto a gastos en innovación y

desarrollo. En segundo lugar, la inversión en I+D afecta a la PTF de diferente manera

en función del origen de los recursos. Los resultados nos muestran que la cantidad de

recursos destinados a estas inversiones por parte del sector privado y de las

instituciones de educación superior parecen ser determinantes de la productividad; sin

embargo, el gasto en innovación proveniente del gobierno no parece tener el mismo

efecto o, al menos, no podemos llegan a ninguna conclusión sólida al respecto. Esta

relación negativa puede deberse a que los gastos en I+D pública se concentran en

investigación básica que genera menos resultados a corto plazo y menos evidentes en

la PTF; no obstante, se deja el estudio de este comportamiento para futuras

investigaciones.

Asimismo, el capital humano parece que influye de manera notable en el crecimiento

de la productividad total de los factores. El capital social tiene un poder explicativo

menor que el capital humano aunque no por ello resulta menos importante.

Un aspecto interesante a comentar es que los resultados apoyan la teoría del coste de

oportunidad al señalar que en época de crisis hay un aumento de la productividad total

de los factores. La explicación sería que las empresas invierten en crecimiento y

reorganizan sus procesos productivos durante una recesión.

Este estudio de los determinantes de la productividad es una herramienta

indispensable para la aplicación de políticas económicas. Teniendo en cuenta los


27

resultados del análisis descriptivo y econométrico, se apuntan algunas consideraciones

de carácter normativo.

En primer lugar, aceptada la relación directa que mantiene la inversión en I+D con la

productividad se debería replantear la instrumentación de la política fiscal que

contempla una reducción del gasto público en I+D para contener el gasto en los

presupuestos generales de una nación.

En segundo lugar, y en la línea con el punto anterior, se debe establecer un

compromiso claro y una apuesta fuerte con la inversión en I+D si se quiere conseguir

aumentos sólidos y sostenibles en la PTF. En el caso de España, que es uno de los

países de la OCDE con tasas más bajas de inversión en I+D, se ha recortado en sus

Presupuestos Generales del Estado para 2012 un 25,5% en I+D respecto al año

anterior. Según los resultados de este estudio, no parece ser una respuesta adecuada

para estimular la economía del país.

En tercer lugar, el gasto privado y el gasto en instituciones de educación superior en

I+D tiene un impacto positivo en la PTF, por lo que desde las Administraciones

Públicas se debería estimular estas inversiones en actividades innovadoras. Para esto,

es importante el papel que desempeña el capital social, midiendo la capacidad de

colaboración e interacción entre los distintos agentes de la economía. En este sentido,

parece necesario fomentar las relaciones de cooperación entre los distintos agentes de

la sociedad.

Por último, remarcar la necesaria importancia de invertir en educación: el aprendizaje

práctico y el progreso técnico son fuentes importantes del crecimiento de la

productividad dado que un aumento del capital humano mejora el rendimiento

económico a través de una mayor capacidad para absorber e implementar nuevas

tecnologías.

BIBLIOGRAFÍA

Aghion, P. & Saint-Paul, G., 1991. "On The Virtue of Bad Times: An Analysis of the

Interaction Between Economic Fluctuations and Productivity Growth," DELTA

Working Papers 91-23, DELTA (Ecole normale supérieure).


28

Arellano, M. y Bover, O. (1990), “La Econometría de Datos de Panel”, Investigaciones

Económicas, 14, pp. 3-45.

Atella, V. and Quintieri, B. (1996b) Productivity growth and the effects of recessions,

Giornale degli Economista, 57, 359-86.

Atella, V. and Quintieri, B. (2001) Do R&D expenditures really matter for TFP? Applied

Economics, 33, 1385-1389.

Barro, R. (1991), “Economic Growth in a Cross Section of Countries”, Quarterly Journal

of Economics, May, pp. 407-443. Bernard, A. y Jones, CH., 1996. "Technology

and Convergence," Economic Journal, Royal Economic Society, vol. 106(437),

pp. 1037-44

Bengoa M. y Perez P. (2011) Los determinantes de la PTF en las regiones españolas.

Bravo-Ortega, C. y García Marín, A. “Explorando la relación entre la I+D y la

Productividad, un estudio por países” (2011) World Development pages 1090

1107

Coccia, BM.(2009) What is the optimal rate of R&D investment to maximize

productivity growth? Technological Forecasting & Social Change 76 (2009) 433–

446

Coe, D.T. y Helpman, E.(1995) International R&D spillovers, European Economic

Review, 39, 859-88.

Coe, D.T., Helpman, E. y Hoffmaister, A.W. (2008) International R&D spillovers and

institutions. Working Paper 14069 National Bureau of Economic Research. 1050

Massachusetts Avenue Cambridge, MA 02138

Comisión Europea.(2010) “Estrategia Europa 2020”

Englander, A.S., Evenson, R. yHanazaki, M. ( 1988) R&D, innovation and the total

factor productivity slowdown, OECD Economic Studies, 11, 7-42.

Fingleton, B. (2003), European Regional Growth, Springer, ISBN 3540003665

Freeman, C. (1975)” La teoría económica de la innovación industrial” Madrid. Alianza

Universidad.

Greif, A. y Sasson, D. (2009) Risk, Institutions and Growth: Why England and Not

China?

Griliches, Z (1988) Productivity puzzle and R&D: another non-explanation, Journal of

Economic Perspectives, 2, 9-21.

Griliches, Z (1991) The search for R&D spillovers, Working Paper no., 3768, NBER,

Cambridge, MA.


29

Griliches,Z (1998) R&D and Productivity, the unfinished business. Estudios de

Economía. Vol 25, nº2 Diciembre 1998. Pags 145-160.

Guellec, D. y Van Pottelsbergue de la Potterie, B.(2004) "From R&D to Productivity

Growth: Do the Institutional Settings and the Source of Funds of R&D Matter?,"

Oxford Bulletin of Economics and Statistics, Department of Economics,

University of Oxford, vol. 66(3), pages 353-378, 07.

Kahn, J. y Lim, J.S. (2008), “Skilled Labor-Augmenting Technical Progress in U.S.

Manufacturing”, Center for Economic Research (RCER) in its series RCER Working

Papers with number 437

Lundvall, B. (1992) “ Nacional Systems of innovation: Towards a Theory of Innovation

and Interactive learning”. London Pinter.

Lundvall, B. , B. Jhonson, E. Andersen, y B. Dalum(2002): Nacional Systems of

production, innovation and competente building” Research Policy 31 (2): 213-

231

Manca F and Piroli Giuseppe. Human Capital, R&D and Productivity Convergence of

European Regions. A spatial analysis of RHOMOLO's semi endogenous growth

approach. (work in progress) JRC, IPTS EUROPEAN COMMISSION c/Inca

Garcilaso 3, 41092 Seville

Merchán Hernández, C. (2012), *Las relaciones universidad-empresa en los sistemas

regionales de innovación: análisis de la Comunidad Autónoma de Andalucía"*,

Colección Premio de Investigación, Publicaciones Consejo Económico y Social

de Andalucía.

Modroño, P. (2012) “ La innovación y el capital social como vectores estratégicos del

desarrollo de Andalucía”

Perez García, F. Serrano Martínez, L. Fernández de Guevara Radoselovics, J. (2008)

“La medición del capital social en el mundo”. Fundación BBVA. Documentos de

trabajo 9.

Rouvinen, P. (2002) R&D-Productivity dynamics: causality, lags, and “ dry holes”

Journal of Applied Economics, Vol. V, No. 1. 123-156

Sala-i-Martín, X. (1994), “La riqueza de las regiones: evidencia y teorías sobre

crecimiento regional y convergencia”, Moneda y Crédito, 198, pp. 13-80.

Shujin Zhu, Mingyong Lai and Xiaolan Fu (2008), “Spatial characteristics and dynamics

of provincial total factor productivity in China”, EconPapers 6(2), pages 197-

217.


30

Solow, R. (1956) A contribution to the theory of economic growth, Quaterly Journal of

Economics, 70, 65-94.

Documents

¿AFECTA EL GASTO EN I+D A LA PRODUCTIVIDAD TOTAL DE LOS ... · Este trabajo tiene por objetivo estudiar el efecto del gasto de la I+D en la productividad total de los factores en