Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
1
TÍTULO DE LA COMUNICACIÓN: EL CAPITAL SOCIAL EN LOS DISTRITOS INDUSTRIALES. LA INFLUENCIA DE LA FORTALEZA DE LOS VÍNCULOS Y LA DENSIDAD DE LA RED SOBRE EL SENTIMIENTO DE PERTENENCIA DE LAS EMPRESAS AL DISTRITO1 AUTOR 1: Josep Capó-Vicedo Email: [email protected] AUTOR 2: Manuel Expósito-Langa Email: [email protected] AUTOR 3: Mª Teresa Martínez-Fernández Email: [email protected]
DEPARTAMENTO: Organización de Empresas (autores 1 y 2) / Administración de Empresas y Marketing (autor 3) UNIVERSIDAD: Universidad Politécnica de Valencia (autores 1 y 2) / Universitat Jaume I (autor 3)
ÁREA TEMÁTICA: Distritos Industriales / Clusters territoriales
1 Esta investigación ha sido financiada por el Ministerio de Educación y Ciencia, Plan Nacional de I+D+i (2007-2010), proyecto “El Distrito Industrial: el impacto del Capital Social sobre la Gestión de la Cadena de Suministro” (SEJ2007-62876/ECON).
2
RESUMEN:
Becattini define el distrito industrial como una realidad sociocultural caracterizada por un
grupo de empresas que trabajan conjuntamente, junto con un entramado institucional,
público y privado, donde la proximidad física y cognitiva es un elemento fundamental.
Esta circunstancia hace que las empresas pertenecientes al distrito disfruten de
mecanismos y procesos sistémicos que facilitan la absorción colectiva de conocimiento.
Este argumento es recurrente en la literatura, y lleva a proponer un alto grado de
homogeneidad interna en el distrito, tanto en términos de comportamiento como de
resultados.
Sin embargo, planteamos la reflexión de que tanto la base de conocimiento individual de
cada empresa, como la propia naturaleza de las redes sociales podrían justificar un cierto
grado de heterogeneidad entre las empresas del distrito. Incidiendo en este segundo
aspecto, y desde un enfoque basado en la Teoría del Capital Social, podemos argumentar
que el capital social de las empresas de un distrito industrial condiciona su sentimiento
de pertenencia al mismo. Siguiendo estas premisas, en este trabajo pretendemos
determinar si determinadas características del capital social de las empresas del distrito
industrial, en concreto, la fortaleza de los vínculos establecidos en la red y la densidad de
las relaciones nos permiten distinguir subgrupos o subredes de empresas con diferencias
significativas entre ellas.
Para alcanzar este objetivo analizaremos dos distritos industriales españoles, el distrito
cerámico de Castellón y el distrito industrial textil valenciano. Se han elegido estos dos
distritos para aumentar la validez y generalización de los resultados obtenidos, puesto
que presentan características diferenciales, tanto a nivel de tamaño de empresas, como
de facturación, nivel tecnológico, grado de integración vertical o capacidad exportadora,
entre otras.
Los resultados apuntan hacia una interesante contribución de las variables de capital
social para la discriminación entre empresas con mayor o menor sentimiento de
pertenencia al distrito.
PALABRAS CLAVE: Distrito industrial, capital social, redes sociales, heterogeneidad,
sentimiento de pertenencia
3
1. Introducción
La literatura sobre aglomeraciones territoriales de empresas asume un alto grado de
homogeneidad interna en estas redes de empresas (Becattini, 1979; 1990; Signorini, 1994;
Paniccia, 1998, 1999). Sin embargo, encontramos trabajos que argumentan que el desarrollo
de redes de relaciones sociales particulares proveen a las empresas de resultados también
diferentes (Aharonson et al., 2008; Kautonen et al., 2010). Así, de acuerdo con McEvily y
Zaheer (1999) las empresas se pueden insertar de formas muy diversas con el conjunto de
actores de la propia red, accediendo a oportunidades y restricciones específicas y distintivas.
En el caso particular de los distritos industriales, las empresas e instituciones suelen estar
próximas física y cognitivamente. Un argumento recurrente sugiere que esta proximidad
favorece un mejor acceso y difusión del conocimiento y, por lo tanto, supone para las
empresas una ventaja en su capacidad de innovación (Capello, 1999; Tsai, 2000). No
obstante, el simple hecho de estar localizado en el distrito es condición necesaria pero no
suficiente para poder aprovechar esos flujos de conocimiento, normalmente restringidos a
subgrupos dentro de la red (Lissoni, 2001; Giuliani y Bell, 2005; Malipiero et al., 2005;
Boschma y Ter Wal, 2007). Becattini (1990) expresa esta idea mediante el concepto de
sentimiento de pertenencia o de arraigo de las empresas en el distrito, es decir, en qué medida
los participantes en la comunidad industrial local se identifican con el distrito. En
consecuencia, y siguiendo a McEvily y Zaheer (1999), las redes sociales son heterogéneas por
naturaleza, no existiendo dos actores u organizaciones con idéntica red social. Por tanto,
dentro de los distritos industriales podemos encontrar subredes con diferencias significativas
entre ellas. Esta aproximación al tema de la heterogeneidad interna en los distritos ya la
encontramos en trabajos como Morrison y Rabellotti (2005), donde las autoras hablan de la
existencia de una core y de una periphery con diferente estructura de relaciones dentro de un
4
mismo distrito, y en trabajos posteriores que relacionan estas subredes con la innovación
como el de Molina-Morales y Martínez-Fernández (2009).
Siguiendo los argumentos anteriores, el objetivo de este trabajo consiste en profundizar en la
búsqueda de razones que justifiquen la existencia de un cierto grado de diversidad o
heterogeneidad entre las empresas miembros de un distrito. Para ello partiremos de un
enfoque relacional basado en la Teoría del Capital Social (Granoveter, 1985; Coleman, 1988;
Burt, 1992a; Putnam, 1995) donde la caracterización del distrito vendría dada por la densidad
de su estructura y la fortaleza de los vínculos establecidos. De esta forma, pretendemos
determinar si las dimensiones asociadas al capital social nos permiten discriminar entre
aquellas empresas con mayor o menor sentimiento de pertenencia al distrito.
Para alcanzar este objetivo analizaremos dos distritos industriales españoles, el distrito
industrial textil valenciano y el distrito cerámico de Castellón. Trabajar con dos distritos nos
permitirá aumentar la validez y la generalización de los resultados obtenidos, ya que
presentan características muy distintas, tanto a nivel de tamaño de empresas, como de
facturación, nivel tecnológico, grado de integración vertical, capacidad exportadora, etc.
El trabajo ha sido estructurado de la siguiente forma, en primer lugar planteamos el marco
teórico a partir de la integración de las perspectivas del distrito industrial y del capital social.
A continuación planteamos las hipótesis de la investigación, para luego desarrollar el trabajo
empírico con los resultados obtenidos. Para finalizar, presentamos las conclusiones obtenidas
y las líneas futuras de investigación.
2. Marco Teórico
2.1. El Capital Social en los Distritos Industriales
El Capital Social es un concepto basado en la estructura y el contenido de relaciones entre
individuos y organizaciones, las cuales llevan asociadas un conjunto de recursos. Así, el
5
concepto de capital social se entiende como la suma de recursos, reales o virtuales
acumulados por el hecho de poseer una red duradera de relaciones más o menos
institucionalizadas (Bourdieu, 1980; Bourdieu y Wacquant, 1992; Gargiulo y Benassi, 2000).
Los investigadores han extendido la lógica del Capital Social a la empresa (Burt, 1992a; Tsai
y Ghoshal, 1998). En este sentido, las empresas pueden considerarse como actores sociales
estableciendo a través de sus negocios una gran variedad de lazos o vínculos con otros
actores.
Por otro lado, el distrito industrial se ha definido tradicionalmente como una “entidad
socioeconómica caracterizada por la presencia activa de una comunidad de personas y una
población de empresas en un área natural e históricamente delimitada” (Becattini, 1990: 39).
Si bien el conjunto de relaciones que se desarrolla en base a la proximidad geográfica puede
variar considerablemente en sus detalles, encontramos que su lógica fundamental es
constante. Así, los principios organizativos en los que se basan los casos de estudio de
distritos localizados en diferentes partes del mundo, por ejemplo el sureste de Alemania, la
zona noroeste de Italia, el arco Mediterráneo en España o el propio Sillicon Valley, aunque
posean características específicas, son de amplia aplicación, lo que demuestra la naturaleza
universal del fenómeno.
A la hora de estudiar el distrito industrial desde un enfoque relacional, una cuestión
preliminar es su identificación como red social. Algunos autores consideran que la idea de
capital social es inherentemente espacial, ya que, aunque existan vínculos a larga distancia,
sobre todo los que se consideran informales, se producen en un corto radio de acción
(Malecki, 1995). Siguiendo esta argumentación Trigilia (2001) propone que un determinado
contexto territorial posee más o menos capital social según el grado en que las personas o las
poblaciones de una misma área están relacionadas y comprometidas en sus redes relacionales.
6
Dentro de los distritos industriales, las alianzas y los acuerdos de colaboración son entendidos
como mecanismos que permiten desarrollar la red social, así como también un amplio número
de recursos sociales de ayuda al proceso de la innovación (Asheim, 1996; Parrilli, 2009;
Gertler, 2010). De esta forma, las empresas dentro de un mismo distrito comparten un
sentimiento de pertenencia a partir tanto de una misma cultura, como de una red social que
ayuda a generar y reforzar las reglas y convenciones que regulan el comportamiento local
(Belussi y Sedita, 2009), así como cuentan con el apoyo de un conjunto de instituciones
regionales y locales que facilitan la circulación de conocimiento tácito y codificado (Molina-
Morales y Martínez-Fernández, 2008). Por tanto, podemos identificar el distrito industrial
como una red social, la cual a su vez ejerce una influencia sobre las capacidades de las
empresas y sus resultados (Andersson et al., 2002), donde la idea o sentimiento de pertenencia
(Becattini, 1979) es consecuencia del alto grado de interdependencia del individuo y las
empresas dentro del contexto social y, a su vez, este sentimiento sirve como signo de
identidad de los participantes.
2.2. Las dimensiones del capital social
La forma en que una empresa se integra dentro de una red social puede venir identificada a
través de diferentes dimensiones. Por un lado, identificamos la dimensión estructural que
vendría dada a partir de la densidad o la cohesión de la propia red, mientras que por otro lado
nos encontramos con la dimensión relacional que vendría dada a partir de la caracterización
de los vínculos entre los actores de la red.
En el caso de la densidad de la red, la literatura propone que las redes sociales facilitan el
acceso a información, recursos y oportunidades, así como ayudan a los actores a coordinar las
interdependencias en sus tareas críticas. La perspectiva tradicional del capital social
(Coleman, 1988, 1990) ha acentuado el efecto positivo de la red densa, cohesionada o cerrada
sobre la producción de normas sociales y sanciones que facilitan la confianza y los
7
intercambios cooperativos. De acuerdo con Coleman, los miembros de una red densamente
tejida pueden tener confianza unos con otros por obligaciones de honor. Esta confianza
disminuye la incertidumbre de los intercambios y mejora las habilidades para cooperar en la
consecución de los objetivos e intereses. De esta forma, la cantidad de capital social
disponible para un actor está en función de lo cerrada que sea la red en la que está insertado.
En términos similares, Granovetter (1985) ha acentuado el efecto positivo de las terceras
partes comunes (common third parties) para facilitar la confianza entre las personas y
disminuir el riesgo de oportunismo que afecta a las relaciones cooperativas (Raub y Weesie,
1990).
Por otra parte, el atributo más destacado de los vínculos es su fortaleza. Granovetter (1973:
1361) señala que la fortaleza de los vínculos es una combinación probablemente lineal de la
cantidad de tiempo, la intensidad emocional, la intimidad, la confianza y los servicios mutuos
que caracterizan al vínculo. Habitualmente, la frecuencia de los contactos y la intimidad se
han utilizado para evaluar la fortaleza de los vínculos. Así, la frecuencia indica el número de
veces que una persona o entidad tiene contacto con otra persona o entidad, mientras que la
intimidad refleja la proximidad “closeness" o intensidad emocional del contacto (Brown y
Konrad, 2001: 443).
La literatura sugiere que los vínculos fuertes proveen a las empresas de dos ventajas
principales, el intercambio de información de alta calidad y de conocimiento tácito (Hagg y
Johanson, 1983; Larson, 1992; Uzzi, 1996) y son un mecanismo de control social. Por tanto,
estos vínculos gobiernan el comportamiento de los socios en los acuerdos interorganizativos.
Sin embargo pese a las alianzas, las empresas están expuestas a los riesgos derivados del
comportamiento oportunista. En este sentido los vínculos fuertes producen y a la vez son
gobernados por la confianza relacional y las normas de mutua ganancia y reciprocidad. Estas
8
cualidades crecen con el paso del tiempo con la estabilidad de las interacciones (Uzzi, 1996;
Larson, 1992; Kale et al., 2000).
3. Hipótesis
Tal y como hemos comentado anteriormente, es habitual encontrar en la literatura sobre
distritos industriales argumentos que identifican una gran homogeneidad interna (Capello,
1999; Tsai, 2000). Esto significa que los recursos de conocimiento y los canales por los que
éstos fluyen tienen una naturaleza pública y común para los miembros del distrito. De esta
forma, el hecho de ser miembro, de pertenecer, proveería de una serie de infraestructuras
comunes que las empresas pueden, en principio, utilizar. Sin embargo, esta idea de
homogeneidad no se confirma en la realidad. Una observación más detenida de los distritos
muestra cómo éstos no están integrados por comunidades homogéneas de emprendedores y
técnicos compartiendo tanto know-how técnico como información genérica, sino que, por el
contrario, los flujos de conocimiento están restringidos a subgrupos (Lissoni, 2001; Giuliani y
Bell, 2005; Malipiero et al., 2005; Boschma y Ter Wal, 2007).
De esta forma, la realidad viene expresada de forma más compleja, ya que las empresas
desarrollan redes de relaciones sociales particulares que les proveen a su vez de resultados
también diferentes (Robinson et al., 2007; Aharonson et al., 2008; De Propris et al., 2008;
Kautonen et al., 2010). Siguiendo este razonamiento, y de acuerdo con McEvily y Zaheer
(1999), las empresas se insertan de formas muy diversas con el conjunto de actores de la red.
En este sentido, Sabel (1993) sugiere la necesidad de pensar en el sentimiento compartido de
comunidad como un destino común. Las creencias pueden surgir en las comunidades que
coinciden en evitar la explotación, donde el fiarse unos de otros es una condición de
pertenencia. Este entendimiento entre individuos o entre empresas puede surgir de las
interacciones y del conocimiento común o compartido. Así, la mayor eficacia en la
transmisión de conocimiento se dará entre actores que posean bases de conocimiento
9
relativamente cercanas. Por tanto, el requisito de grado de similitud puede considerarse como
un efecto moderador de la facilidad con que se difunden los recursos dentro de la red (St. John
y Pouder, 2006).
En definitiva, las distintas dimensiones del capital social están asociadas a la naturaleza y a la
estructura de los vínculos dentro de las redes. Por otra parte, en los distritos industriales no se
observa una uniformidad y homogeneidad en las empresas que los constituyen. Según
Becattini (1990), un componente esencial del distrito es la inserción o arraigo de la empresa
en la comunidad industrial local, la cual permite a los participantes identificarse con el
distrito. De hecho, pueden existir empresas o instituciones que estando dentro de los límites
geográficos del distrito no se sientan partícipes del mismo (Molina-Morales y Martínez-
Fernández, 2003, 2004). Por tanto, planteamos que puede existir una dicotomía interna al
distrito entre grupos básicos de empresas que constituyen dos tipos de redes fácilmente
identificables y con sentimientos de pertenencia al distrito diferentes (Cowan et al., 2000;
Breschi y Lissoni, 2001a, b). Así, identificamos en primer lugar, una red densa, basada en
unos vínculos fuertes donde prevalece un sentimiento de pertenencia al distrito elevado.
Mientras que en segundo lugar, una red más dispersa, con vínculos débiles entre las empresas,
caracterizada por un bajo sentimiento de pertenencia al distrito.
De esta forma, expresamos la siguiente hipótesis, que a su vez, viene desglosada en dos
subhipótesis en función de cada una de las dimensiones del capital social:
H1: El capital social determina el sentimiento de pertenencia de las empresas al distrito
industrial
H1a: La dimensión estructural del capital social tiene una influencia positiva sobre
el sentimiento de pertenencia de las empresas al distrito industrial
10
H1b: La dimensión relacional del capital social tiene una influencia positiva sobre
el sentimiento de pertenencia de las empresas al distrito industrial
4. Diseño de la Investigación Empírica
Nuestro estudio empírico está basado en dos distritos industriales representativos de la
industria valenciana, el textil y el cerámico. El distrito industrial textil se encuentra localizado
principalmente en las comarcas de L’Alcoià, El Comtat y L’Alt Vinalopó en Alicante y La
Vall d’Albaida en Valencia y supuso durante 2008 el 17% de la producción textil en España.
Por otro lado, el distrito industrial cerámico se encuentra en las comarcas de la Plana Alta,
Plana Baixa y l'Alcalaten en Castellón, y concentró el 90% del total de la producción española
de baldosas cerámicas en 2008.
4.1. Confección de la muestra y fuentes de información
Hemos considerado la totalidad de la población de empresas que forman parte
geográficamente de ambos distritos y cuya actividad económica principal coincide con la
característica de cada distrito. La identificación de las mismas se ha realizado a partir de los
registros del año 2008 de la base de datos SABI2. El listado inicial de empresas se depuró
eliminando aquéllas que bien por su reducido tamaño, o por el tipo de producto, no se
consideraron significativas del sector, ya que podían mostrar una excesiva heterogeneidad.
El trabajo de campo se extendió durante los meses de junio a septiembre de 2009 y la fuente
de información básica que se utilizó fue el cuestionario. La información fue complementada
por la base de datos SABI, que nos permitió no sólo la ampliación de los datos sino también
el control de algunas respuestas recogidas.
Con anterioridad a su distribución, se realizó un cuestionario piloto que fue completado por 5
empresas seleccionadas de cada distrito en función de su trayectoria e importancia en el
2 SABI es un directorio de empresas españolas y portuguesas que recoge información general y datos financieros.
11
mismo para la redefinición y ajuste de las variables e indicadores. El cuestionario final fue
formulado tras solicitar también la opinión de un panel de expertos.
La realización del trabajo de campo se desarrolló en base a entrevistas con los directivos de
las empresas seleccionadas a partir de la encuesta diseñada. En concreto, se obtuvieron 106
entrevistas válidas en el distrito textil y 107 en el cerámico, lo que representa el 14,4% y el
22% respectivamente sobre la población total de cada distrito. Asimismo, la confección de la
muestra se realizó mediante una estratificación bietápica por sector y tamaño (número de
empleados) de las empresas.
Con el objeto de controlar posibles sesgos muestrales, en la Tabla 1 se incluyen datos
referidos a la muestra y al total de la población para los dos distritos considerados. Mediante
el estadístico t de Student comprobamos que no hay diferencias significativas entre las medias
de la muestra obtenida y la población para las variables número de empleados e ingresos
totales.
Tabla 1. t-student para la comparación de medias (muestra y población)
Variables Distrito Valor del test t Sig. (bilateral) Diferencias
entre medias
Textil 15 1.168 .245 2.904 Nº de empleados
Cerámico 57 -.199 .843 -1.939
Textil 2064 1.265 .208 448.341 Ingresos totales
Cerámico 10991 .270 .788 442.580
4.2. Variables
Variable dependiente
El sentimiento de pertenencia de las empresas al distrito industrial
Debido a la dificultad de medir el sentimiento de pertenencia de las empresas al distrito
industrial, hemos adoptado el concepto de grado de compromiso de las empresas con el
distrito, desarrollado en otros trabajos como Morrison y Rabellotti (2005) o Molina-Morales y
12
Martínez-Fernández (2008). La justificación de esta adopción se debe a que la proximidad
geográfica no implica que una organización sea parte de un distrito industrial si no se siente
integrado en una comunidad. Además, una empresa, aunque puede sentirse como participante
en un distrito, se puede integrar en él en un mayor o menor grado dependiendo de la fortaleza
de sus relaciones con otras organizaciones. Consideramos que este concepto se ajusta al
“sentimiento de pertenencia” que Becattini (1979) subrayó como criterio sociológico de
identificación, donde destaca la importancia de las características del distrito industrial, como
la existencia de una “comunidad local”, un sistema homogéneo de valores compartidos y las
relaciones personales como elementos favorecedores de la presencia de una “atmósfera
industrial”.
De esta forma, hemos hecho operativo este concepto mediante un ítem con escala Likert 1-7
donde preguntamos a las empresas sobre su grado de sentimiento de pertenencia al distrito.
Con el objeto de evitar posibles ambigüedades, posteriormente hemos clasificado las
empresas en dos grupos, aquéllas con un alto sentimiento de pertenencia y aquéllas con un
bajo sentimiento.
Variables independientes
La densidad de la red (Dimensión estructural)
La dimensión estructural hace referencia a la red de relaciones de un actor determinado. Para
medir este concepto, hemos adoptado un conjunto de ítems basados en trabajos anteriores
(Aldrich et al., 1986; Burt, 1992b; McEvily y Zaheer, 1999; Rowley et al., 2000). De forma
concreta, planteamos los siguientes ítems: (1) Grado en que los intercambios se solapan o se
asemejan en contenido; (2) Grado de interconexión de la red o nivel de conocimiento mutuo
entre los actores del distrito; (3) Dependencia del distrito para obtener información relevante
para su negocio, y (4) Preferencia del distrito para obtener recursos e información relevantes.
13
La fortaleza de los vínculos (Dimensión relacional)
La dimensión relacional hace referencia a las características de los vínculos establecidos en
las relaciones. Una forma habitual de medir este concepto es mediante la fortaleza de los
vínculos. De esta forma, hemos planteado un conjunto de ítems siguiendo otros trabajos
previos (Granovetter, 1973; Hagg y Johanson, 1983; Coleman, 1988, 1990; Krackhardt, 1992;
Larson, 1992; Uzzi, 1996, 1997; Rowley et al., 2000; Brown y Konrad, 2001), adaptándolos a
nuestra realidad. Los ítems son: (1) Intercambio de conocimiento tácito de alta calidad entre
las empresas del distrito; (2) Existencia de información y conocimiento útil en el distrito para
la resolución de problemas y la toma de decisiones; (3) Grado en que las relaciones se basan
en objetivos y fines comunes; (4) Repercusión de la reputación entre las empresas del distrito,
y (5) Existencia de normas no escritas que evitan comportamientos oportunistas.
Para medir tanto la densidad de la red como la fortaleza de los vínculos, hemos utilizado una
escala Likert 1-7, donde 1= completamente en desacuerdo y 7=completamente de acuerdo.
Para agrupar cada variable en un solo factor hemos obtenido la media de los ítems para cada
elemento de la muestra.
4.3. Técnicas de análisis
Debido al objetivo del trabajo hemos aplicado como instrumento estadístico el análisis
discriminante. En concreto, esta técnica nos permitirá tanto la identificación de aquellas
variables que mejor contribuyen a la identificación de grupos, como la clasificación, que
consistirá en asignar a un grupo determinado cada elemento muestral a partir de sus valores
particulares (Gellynck et al. 2007; Moreno y Casillas, 2007).
Para asegurar la robustez de los resultados del análisis discriminante hemos considerado la
regla práctica indicada en Hair et al., (1999: 262-263) que sugiere un mínimo de veinte
observaciones para cada variable explicativa, además de, al menos veinte observaciones por
cada grupo incluido en el análisis. Por otro lado, hay similitud de tamaño entre los grupos y
14
hemos comprobado la normalidad multivariante de las variables independientes, así como la
homogeneidad de la varianza-covarianza en cada uno de los dos grupos. En consecuencia,
consideramos que se cumplen los supuestos críticos para aplicar la técnica del análisis
discriminante.
5. Resultados
En la tabla 2 presentamos los estadísticos descriptivos, Alpha de Cronbach y correlaciones de
Pearson para cada variable, separados por distrito y grupo definido. Como se puede observar,
las escalas de medida presentan una adecuada fiabilidad interna, así como una correlación
significativa entre las variables densidad de la red y fortaleza de los vínculos. Por otra parte,
los valores del estadístico alfa de Crobach para cada constructo nos validan internamente las
escalas utilizadas, por lo que hemos podido agrupar cada variable en un solo factor mediante
la media del ítem.
Tabla 2. Estadística descriptiva, fiabilidad de escalas y correlaciones de las variables
DI Textil DI Cerámico Ítem Mean S.D. ∝ Corr. Mean S.D. ∝ Corr. Bajo Sentimiento de Pertenencia N = 46 N = 43
Densidad de la red 4.299 .846 .689 4.052 .618 .641 Fortaleza de los vínculos 4.269 .566 .648 .694*** 4.028 .659 .749 .661***
Alto Sentimiento de Pertenencia N = 60 N = 64
Densidad de la red 4.887 .539 .603 5.035 .733 .683 Fortaleza de los vínculos 4.680 .632 .738 .437*** 4.809 .879 .866 .794***
***p< .01
5.1. Aplicación del análisis discriminante
Los resultados del análisis discriminante que nos permitirán contrastar las hipótesis
planteadas se exponen en la Tabla 3. En primer lugar, el contraste sobre la igualdad de medias
en los grupos en función del sentimiento de pertenencia para cada una de las variables
independientes nos permite rechazar la igualdad de medias y, por tanto, considerar las dos
variables independientes como discriminantes. En segundo lugar, mediante la prueba Lambda
15
de Wilks de contraste para las funciones canónicas discriminantes medimos la proporción de
la varianza total de las puntuaciones discriminantes no explicada por las diferencias entre los
grupos. Como se observa, la significatividad del valor de la Chi-cuadrado nos permite
confirmar que las variables de la función tienen una influencia significativa sobre la
separación de los grupos medidos por medio de la función discriminante. A continuación, y
para analizar la importancia de las variables predictoras, evaluamos los coeficientes
estandarizados y la matriz de estructura (Moreno y Casillas, 2007). Los coeficientes
estandarizados de la función discriminante nos muestran qué variables son mejores
predictoras del sentimiento de pertenencia al distrito. En los dos distritos analizados se
observa que la densidad es mejor predictora que la fortaleza, si bien, ambas presentan valores
altos y positivos. Por lo que respecta a la matriz de estructura, ésta representa las
correlaciones canónicas entre la función discriminante y cada una de las variables predictoras,
mostrando las cargas discriminantes de cada una de estas últimas. Los valores obtenidos
apoyan los resultados anteriores. Así, tanto la densidad como la fortaleza tienen una elevada
carga discriminante, superando en los dos casos el valor de ± 0.30 indicado en Hair et al.
(1999) para ser consideradas como relevantes.
Adicionalmente, la matriz de estructura proporciona una orientación sobre el signo de la
relación entre las variables discriminantes y la clasificación de los individuos. Para ello, es
necesario disponer de información adicional relacionada con el cálculo de los centroides de
cada grupo. El centroide es el valor promedio de los resultados discriminantes para un grupo
determinado. En concreto, se quiere conocer cómo las diferentes variables predictoras
influyen en la clasificación de las empresas del distrito en uno u otro grupo. Así, comparando
el valor de la matriz de estructura con los centroides se observa que en ambos distritos el
centroide que corresponde al grupo de empresas con un sentimiento de pertenencia parcial
tiene signo negativo, mientras que el centroide correspondiente con el grupo de empresas con
16
un sentimiento de pertenencia total tiene signo positivo. Esto nos permite aceptar nuestra
hipótesis de investigación y confirmar que, en nuestro caso, los componentes del capital
social son determinantes del sentimiento de pertenencia de las empresas al distrito industrial.
Tabla 3. Parámetros, coeficientes y centroides de las funciones discriminantes
DI Textil DI Cerámico
Igualdad de medias para la variable independiente Densidad
Lambda de Wilks .846 .813
Prueba F 18.998 34.367
Significatividad .000 .000
Igualdad de medias para la variable independiente Fortaleza
Lambda de Wilks .896 .840
Prueba F 12.019 28.373
Significatividad .001 .000
Funciones discriminantes canónicas
Lambda de Wilks .834 .786
Correlación Canónica .407 .462
Chi-cuadrado 18.661 33.571
Significatividad .000 .000
Coeficientes estandarizados de las funciones discriminantes canónicas
DENSIDAD .773 .659
FORTALEZA .339 .469
Matriz de estructura (correlaciones canónicas)
DENSIDAD .959 .995
FORTALEZA .763 .683
Funciones en los centroides de los grupos
0 (Pertenencia parcial) -.504 -.857
1 (Pertenencia total) .387 .576
A partir del análisis anterior planteamos las ecuaciones de la función discriminante mediante
los coeficientes no estandarizados:
(Distrito textil) PERTENENCIA =-36,491 + 5,905 DENSIDAD + 9,132 FORTALEZA
(Distrito cerámico) PERTENENCIA = -27,665 + 9,273 DENSIDAD + 1,508 FORTALEZA
Mediante esta formulación podremos profundizar sobre la capacidad explicativa o predictora
de las variables mediante un análisis de bondad como predictoras. En la tabla 4 mostramos la
17
matriz de clasificación con los valores obtenidos a través de la función discriminante. La
bondad del ajuste se determina comparando el número de casos correctamente clasificados
con el número de casos acertados aleatoriamente (51% para el distrito textil, y 52% para el
distrito cerámico)3. Se observa que el porcentaje de casos clasificados correctamente es del
72.6% en el distrito textil y del 76.6% en el cerámico, valores que confirman el adecuado
poder predictivo de las funciones discriminantes obtenidas.
Tabla 4. Resultados de la clasificación
Grupo pronosticado
Distrito Grupo actual Número de
casos Grupo 1 Grupo 2
1 (Parcial) 46 25 (54.3%) 21 (45.7%) DI Textil
(72.6% clasificados correctamente) 2 (Total) 60 8 (13.3%) 52 (86.7%)
1 (Parcial) 43 28 (65.1%) 15 (34.9%) DI Cerámico
(76.6% clasificados correctamente) 2 (Total) 64 10 (15.6%) 54 (84.9%)
5.2. Interpretación de los resultados
De una manera general, los resultados del análisis discriminante validan las hipótesis
planteadas. Así, tanto los coeficientes de la función discriminante como los distintos test
realizados apoyan la proposición de nuestro trabajo que las dimensiones de capital social
elegidas son buenas predictoras del nivel de sentimiento de pertenencia que poseen las
empresas, es decir, que nos permiten discriminar entre aquellas empresas con un alto
sentimiento de pertenencia al distrito y entre aquellas con un sentimiento de pertenencia
menor.
La hipótesis H1a puede considerarse validada confirmando que la dimensión estructural del
capital social tiene una influencia positiva sobre el sentimiento de pertenencia de las empresas
al distrito industrial. Los resultados apoyan la idea introducida por Coleman (1988, 1990)
sobre los efectos de las redes densas a la hora de producir normas sociales e intercambios
cooperativos basados en la confianza. Densidad que facilita un mayor sentimiento de
pertenencia al distrito.
3 Estos valores se han obtenido a partir del criterio de aleatoriedad proporcional (Hair et al., 1999: 273).
18
Por otra parte, la hipótesis H1b también puede considerarse confirmada dado el elevado nivel
significativo de la capacidad predictora de la variable Fortaleza de los vínculos como medida
de la dimensión relacional del capital social. Como muchos autores desde el campo de las
redes sociales sugieren (por ejemplo, Uzzi, 1996), la fortaleza de los vínculos facilitan el
intercambio de información de alta calidad y de conocimiento tácito, constituyendo un
mecanismo de control social, y por tanto, favoreciendo un mayor sentimiento de pertenencia
al distrito.
6. Discusión
En esta investigación hemos partido del concepto del capital social para profundizar en el
estudio de su influencia en un contexto concreto como es el distrito industrial, donde el
territorio determina límites relacionales. Este trabajo comparte con anteriores estudios (por
ejemplo, Molina-Morales y Martínez-Fernández, 2009; 2010) la intención de integrar dos
campos teóricos distintos, el propio capital social y el territorio. Debido a que la proximidad
geográfica está inherentemente ligada a una visión relacional, tal como sugiere la teoría sobre
el capital social, en un contexto territorial restringido, la naturaleza y la estructura de las
relaciones sociales de los actores estarán irremediablemente afectadas. En consecuencia, los
modelos territoriales como el distrito industrial o el cluster industrial sugieren importantes
implicaciones para la creación y desarrollo del capital social de los actores participantes en
estos entornos.
Los resultados de nuestra investigación apoyan empíricamente la idea de la existencia de una
cierta heterogeneidad dentro del distrito, en la misma línea que otros trabajos anteriores como
por ejemplo, Morrison y Rabellotti (2005) o Boschma y Ter Wal (2007). En concreto, ofrecen
una explicación de la existencia dentro de los límites del propio distrito de distintos niveles de
implicación de las empresas dentro del mismo, medidos a través de su sentimiento de
pertenencia. Esto nos permite distinguir, por un lado, empresas con un mayor sentimiento de
pertenencia, y que vendrían caracterizadas por integrarse en una red densa, y el
establecimiento de vínculos fuertes con el resto de empresas, mientras que por otro lado,
empresas que presentan niveles inferiores de sentimiento de pertenencia al distrito y que se
caracterizan por poseer una red más dispersa de relaciones y con vínculos más débiles dentro
del distrito.
19
Entendemos que el hecho de haber considerado dos distritos industriales con características
totalmente diferentes en cuanto a procesos productivos, mercados, procesos de innovación,
productos, exportación, tamaño medio de las empresas, facturación, etc., y haber obtenido
resultados similares, ofrece mayor validez, a nuestra argumentación teórica, es decir, que el
capital social es un buen discriminante del sentimiento de pertenencia al distrito industrial.
Por otra parte, entendemos que esta investigación ha permitido ampliar y profundizar sobre el
concepto de sentimiento de pertenencia desde las aportaciones del capital social, ofreciendo
una caracterización más completa del concepto.
Somos conscientes que el trabajo presenta también una serie de limitaciones. Así, en relación
con el alcance del constructo “sentimiento de pertenencia”, éste resulta complejo, y su
carácter subjetivo supone una dificultad a la hora de establecer una medida. Ahora bien, como
el propio Becattini (1979) señaló, la dificultad de hacer operativo este criterio sociológico no
significa que no exista y que no sea importante. Una segunda limitación vendría por el
número de casos seleccionados. Hemos analizado dos distritos industriales con características
diferenciadas para darle mayor amplitud a nuestros resultados, tal y como hemos señalado
anteriormente, evitando así el sesgo de trabajar con un solo distrito. Aún así, entendemos que
la aplicación de estas ideas a otros distritos, por ejemplo italianos, ampliaría de forma muy
interesante el alcance del mismo.
Por otro lado, las limitaciones de nuestra investigación nos permiten proporcionar nuevas
ideas para investigaciones futuras. En primer lugar, cabría añadir una tercera dimensión
identificada por Nahapiet y Ghoshal (1998), la dimensión cognitiva. De esta forma podríamos
analizar el peso relativo de la influencia de las tres dimensiones del capital social sobre la
heterogeneidad del distrito, y capturar otros factores con el objetivo de conseguir una mayor
capacidad explicativa del modelo.
En segundo lugar, también se podría analizar estas mismas cuestiones en dos momentos
diferentes, con lo que obtendríamos un análisis longitudinal que nos permitiría analizar la
evolución del sentimiento de pertenencia a lo largo del tiempo.
En tercer lugar, puede resultar interesante analizar en un futuro la vinculación entre el
sentimiento de pertenencia y el resultado de la innovación en la empresa. Una vez integradas
las perspectivas del capital social y las redes sociales dentro del distrito industrial, el acceso a
fuentes de información y conocimiento, así como la exploración y explotación de éstas,
20
pueden verse afectadas por la estructura y el contenido de los vínculos entre las empresas y su
arraigo o sentimiento de pertenencia al distrito.
Una cuestión final, vendría de la mano de analizar el papel determinante que los
intermediarios locales desempeñan en la estructura de las redes sociales dentro del distrito,
como ya han analizado otros trabajos (Breschi y Lissoni, 2001a, entre otros). Enlazando con
nuestra investigación, trataríamos de evaluar la influencia que tienen las instituciones locales
sobre el grado o nivel de sentimiento de pertenencia al distrito que tienen las empresas.
7. Bibliografía
Aharonson, B.S.; Baum, J.A.C.; Plunket, A. (2008): “Inventive and uninventive clusters: The
case of Canadian biotechnology”, Research Policy, 37(6-7), p. 1108-1131.
Aldrich, H.; Rosen, B.; Woodward, W. (1986): “Social behavior and entrepreneurial
networks”, en Ronstadt, R. et al. (Eds.): Frontiers of Entrepreneurship Research. Babson
College, Wellesley, MA.
Andersson, U.; Forsgren, M.; Holm, U. (2002): “The strategic impact of external networks:
Subsidiary performance and competence development in the multinational corporation”,
Strategic Management Journal, 23, p. 979-996.
Asheim, B.T. (1996): “Industrial districts as 'learning regions': A condition for prosperity”,
European Planning Studies, 4(4), p. 379-400.
Becattini, G. (1979): “Dal settore industriale al distretto industriale”, Rivista di Economia e
Politica Industriale, 1, p. 1-8.
Becattini, G. (1990): “The marshallian industrial district as a socio-economic notion” en
Pyke, F., Becattini, G. y Sengenberger, W. (Eds.): Industrial Districts and Local Economic
Regeneration. International Institute for Labor Studies, Ginebra.
Belussi, F.; Sedita, S.R. (2009): “Life cycle vs. multiple path dependency in industrial
districts”, European Planning Studies, 17 (4), p. 505-528.
Boschma, R.A.;Ter Wal, A.L.J. (2007): “Knowledge networks and innovative performance in
an industrial district: the case of a footwear district in the south of Ital”, Industry and
Innovation, 14 (2), p. 177-199.
21
Bourdieu, P. (1980): “Le capital social: notes provisoires”. Actes de la Recherche en sciences
sociales, 31, p. 2-3.
Bourdieu, P.; Wacquant, J.D. (1992): “An invitation to reflexive sociology”. University of
Chicago Press, Chicago.
Breschi, S.; Lissoni, F. (2001a): “Knowledge Spillovers and Local Innovation Systems: A
Critical Survey”, Industrial and Corporate Change, 10(4), p. 975-1005.
Breschi, S.; Lissoni, F. (2001b): “Localised knowledge spillovers vs. innovative milieux:
Knowledge "tacitness" reconsidered”, Papers in Regional Science, 80(3), p. 255-273.
Brown, D.W.; Konrad, A.M. (2001): “Granovetter was right. The importance of weak ties to a
contemporary job search”, Group & Organization Management, 26, p. 434-462.
Burt, R.S. (1992a): “Social structure of competition” en Nohria, N. y Eccles, R.G. (Eds.):
Networks and organizations: Structure, form and action. Harvard Business School Press,
Boston.
Burt, R.S. (1992b): “Structural holes”, Harvard University Press, Cambridge.
Capello R (1999): “Spatial Transfer of Knowledge in High Technology Mileux: Learning
Versus Collective Learning”, Regional Studies 33, p. 353-368.
Coleman, J.S. (1988): “Social capital in the creation of human capital”, American Journal of
Sociology, 94, p. 95-120.
Coleman, J.S. (1990): “Foundation of Social Theory”. Harvard University Press, Cambridge.
Cowan, R.; David, P.A.; Foray, D. (2000): “The explicit economics of knowledge
codification and tacitness”, Industrial and Corporate Change, 9(2), p. 211-253.
De Propris, L.; Menghinello, S.; Sugden, R. (2008): “The internationalisation of production
systems: embeddedness, openness and governance”, Entrepreneurship & Regional
Development, 20: 6, p. 493-515.
Gargiulo, M.; Benassi, M. (2000): “Trapped in your own net? Network cohesion, structural
holes, and the adaptation of social capital”, Organization Science, 11, p.183-196.
Gellynck, X.; Vermeire, B.; Viane, J. (2007): “Innovation in food firms: contribution of
regional networks within the international business context”, Entrepreneurship & Regional
Development, 19(3), p. 209-226
22
Gertler, M.S. (2010): “Rules of the Game: The Place of Institutions in Regional Economic
Change”, Regional Studies, 44(1), p. 1-15.
Giuliani, E.; Bell, M. (2005): “The micro-determinants of meso-level learning and innovation.
Evidence from a Chilean wine cluste”, Research Policy, 34 (1), p. 47-68.
Granovetter, M. (1973): “The strength of weak ties”, American Journal of Sociology, 78.
Granovetter, M. (1985): “Economic action and social structure: The problem of
embeddedness”, American Journal of Sociology, 91, p. 481-510.
Hagg, I.; Johanson, T. (1983): “Firms in networks. Business and Social Research Institute2,
Stockholm, Sweden.
Hair, J.F.Jr.; Anderson, R.E.; Tatham, R.L.; Black, W.C. (1999): “Análisis multivariante (5ª
ed.), Prentice Hall Iberia, Madrid.
Kale, P.; Singh, H.; Perlmutter, H. (2000): “Learning and protection of proprietary assets in
strategic alliances: Building relational capital”, Strategic Management Journal, 21, p. 217–
237.
Kautonen, T.; Zolin, R.; Kuckertz, A.; Viljamaa, A. (2010): “Ties that blind? How strong ties
affect small business owner-managers' perceived trustworthiness of their advisors”,
Entrepreneurship & Regional Development, 22(2), p. 189-209.
Krackhardt, D. (1992): “The strength of strong ties: the importance of philos” en Nohria, N. y
Eccles, R. (Eds.): Networks and organizations: Structures, form and action. Harvard Business
Press, Boston. MA.
Larson, A. (1992): “Network dyads in entrepreneurial settings: A study of the governance of
exchange relationships”, Administrative Science Quarterly, 37, p. 76-104.
Lissoni, F. (2001): “Knowledge codification and the geography of innovation. The case of the
Brescia mechanical cluster”, Research Policy, 30 (9), p. 1479-1500.
Malecki E. (1995): “Culture as Mediator of Global and Local Forces”, en Human Resources
and Industrial Spaces: A Perspective on Globalization and Location Eds B Van Der Knaap, R
Le Heron (John Wiley & Sons, Chichester) p. 105-127.
Malipiero, A., Muñari, F.; Sobrero, M. (2005): “Focal firms as technological gatekeepers
within industrial districts. Knowledge creation and dissemination in the Italian packaging
machinery industry”. DRUID Working Paper No. 05-05.
23
McEvily, B.; Zaheer, A. (1999): “Bridging ties: A source of firm heterogeneity in competitive
capabilities”, Strategic Management Journal, 20 (12), p. 1133-1156.
Molina-Morales, F.X.; Martínez-Fernández, M.T. (2003): “The impact of the industrial
district affiliation on firm value creation”, European Planning Studies, 11 (2), p. 155-170.
Molina-Morales, F.X.; Martínez-Fernández, M.T. (2004): “Factors that identify industrial
districts. An application in Spanish manufacturing firms”, Environment & Planning A, 36, p.
111-126.
Molina-Morales, F.X.; Martínez-Fernández, M.T. (2008): “Shared resources in industrial
districts: information, know-how and institutions in the Spanish Tile Industry”, International
Regional Science Review, 31 (1), p. 35-61.
Molina-Morales, F.X.; Martínez-Fernández, M.T. (2009): “Does Homogeneity Exist Within
Industrial Districts? A social capital-based approach”, Papers in Regional Science, 88 (1), p.
209 - 229.
Molina-Morales, F.X.; Martínez-Fernández, M.T. (2010): “Social networks: effects of social
capital on firm innovation”, Journal of Small Business Management, 48 (2), p. 258-279.
Moreno, A.M.; Casillas, J.C. (2007): “High-growth SMEs versus non-high-growth SMEs: a
discriminant análisis”, Entrepreneurship & Regional Development, 19(1), p. 69-88.
Morrison, A.; Rabellotti, R. (2005): “Knowledge and information networks: Evidence from
an italian wine local system”. WP.174/2005. CESPRI – Università Bocconi, Milano.
Nahapiet, J.; Ghoshal, S. (1998): “Social capital, intellectual capital, and the organizational
advantage”, Academy of Management Review, 23(2), p. 242–266.
Paniccia, I. (1998): “One, a Hundred, Thousands of Industrial Districts. Organizational
Variety of Local Networks of Small and Medium-Sized Enterprises”, Organization Studies
4(19), p. 667-699.
Paniccia, I. (1999): “The Performance of IDs. Some Insights from the Italian Case”, Human
Systems Management 18, p.141-159.
Parrilli, M.D. (2009): “Collective efficiency, policy inducement and social embeddedness:
Drivers for the development of industrial districts”, Entrepreneurship & Regional
Development, 21(1), p. 1-24.
24
Putnam, R.D. (1995): “Bowling alone: America's declining social capital”, Journal of
Democracy, 6, p. 65-78.
Raub, W.; Weesie J. (1990): “Reputation and efficiency in social interactions: An example of
network effects”, American Journal of Sociology, 96, p. 626–665.
Robinson K.R.; Rip A.; Mangematin V. (2007): “Technological agglomeration and the
emergence of clusters and networks in nanotechnology”, Research Policy, 36, p. 871-879.
Rowley, T.; Behrens, D.; Krackhardt, D. (2000): “Redundant governance structures: An
analysis of structural and relational embeddedness in the steel and semiconductor industries”,
Strategic Management Journal, 21, p. 369-386.
Sabel, C. (1993): “Studied trust: Building new forms of cooper- ation in a volatile economy”,
en R. Swedberg (Ed.), Explo- rations in economic sociology: 104–144. New York: Rus- sell
Sage Foundation.
Signorini, L.F. (1994): “The price of Prato, or measuring the ID effect”, Papers in Regional
Science 73, p. 369-392.
St. John, C.H.; Pouder, R.W. (2006): “Technology Clusters versus Industry Clusters:
Resources, Networks, and Regional Advantages”, Growth and Change, 37(2), p. 141-171.
Trigilia, C. (2001): “Social capital and local development”, European Journal of Social
Theory, 4 (4), p. 427-442.
Tsai W (2000): “Social capital, strategic relatedness and the formation interorganizational
linkages”, Strategic Management Journal, 21, p. 925-939.
Tsai, W.; Ghoshal, S. (1998): “Social Capital and Value Creation: The Role of Intrafirm Net-
works”, Academy of Management Journal (41), p. 464-478.
Uzzi, B. (1996): “The sources and consequences of embeddeness for economic performance
of organizations: the network effect”, American Sociological Review, 61, p. 674-698.
Uzzi, B. (1997): “Social structure and competition in interfirm networks. The paradox of
embeddeness”, Administrative Science Quarterly, 42, p. 35-67.