HOME | ÍNDICE POR TÍTULO | NORMAS PUBLICACIÓN

Espacios. Vol. 37 (Nº 35) Año 2016. Pág. 16

Ciencia, tecnología e innovación y su impacto en la generación de riqueza: Análisis del PIB per cápita en 13 países Iberoamericanos

Science, technology and innovation and its impact on the generation of wealth: analysis of per capita GDP in 13 spanish-american countries

Jhon F ESCOBAR 1; Carlos María JARDÓN 2; Indy B BEDOYA 3; Jaime MOSQUERA Gutiérrez 4

Recibido: 27/06/16 • Aprobado: 28/07/2016

Contenido

1. Introducción

2. Metodología

3. Competitividad, ciencia, tecnología e innovación

4. CTi en la estructura de medición de la competitividad

5. El impacto de la CTi en la competitividad

6. Resultados y discusión

7. Conclusiones

Referencias

1. Introducción

Romer (1990) sugiere que el crecimiento o generación de riqueza es motivado por el avance tecnológico, dicho avance es el resultado de intervenciones que se hacen a través de la asignación de recursos en formación de recurso humano, dotación de infraestructura o colocación de recursos financieros, entre otros, para realizar actividades de Investigación y Desarrollo (I+D) con el objetivo de alcanzar cambios técnicos (innovaciones) y con estos generar crecimiento económico, haciendo las economías más competitivas.

Dado que la generación de riqueza es una muestra de la competitividad (Consejo Privado de Competitividad, 2013; Ramírez & Parra-Peña, 2014; Schwab, Sala-i-Martin, & Brende, 2015)., este artículo analiza la generación de riqueza, expresada a nivel de país como PIB per cápita y  variables asociadas a los procesos de CTi con el objetivo de identificar indicadores de medición de competitividad producto de la CTi que tengan relación con el PIBpc, y a la vez expliquen una proporción de esa competitividad,  haciendo uso de los modelos tradicionales de crecimiento a nivel nacional, como regional.

El artículo se organiza del siguiente modo: En primer lugar se expone la metodología seguida en el trabajo. A continuación los conceptos teóricos y la justificación de las relaciones. Después, se analizan el comportamiento del PIB per cápita como indicador de la generación de riqueza durante el periodo de 1996-2012 para 13 países Iberoamericanos y su relación con los diferentes indicadores de CTI. Finalmente, se exponen las conclusiones.

2. Metodología

La investigación se desarrolló en dos fases. La primera fase se orientó a identificar las variables de CTi que tienen relación con la generación de riqueza. La segunda fase se centró en la búsqueda de bases de datos que cuenten con indicadores CTi a nivel de país para Iberoamérica, junto con un análisis estadístico para entender la relación entre generación de riqueza e indicadores de CTi.

Fase 1. Vigilancia Tecnológica: Para este ejercicio se identificaron un conjunto de preguntas orientadoras, como insumo a la construcción de las ecuaciones de búsqueda: ¿Qué es competitividad?, ¿cómo se mide la competitividad en el mundo?, ¿cuáles son las variables que integran la medición de competitividad y están asociadas a CTi?, ¿Cuáles son los autores, instituciones y países más destacados en la temática?. La revisión se hizo en las bases de datos científicas Scopus, ScienceDirect, Springer, Web Of Science, IEEE y Google Scholar.

Con base en los resultados obtenidos, se determinaron las variables de CTi que se relacionan con competitividad y con probabilidad de estar asociadas con  el PIB, el cual se normalizó en función de la población, es decir, se definió el Producto Interno Bruto per cápita (PIBpc) como criterio de evaluación para la generación de riqueza.

Fase 2. Procesamiento estadístico: Esta fase consistió en la construcción de la base de datos, a partir de los índices de competitividad asociados a CTi obtenidos de la Red de Indicadores de Ciencia y Tecnología (RCYT) y el Banco Mundial (BM) para 22 países. Se analizaron datos de 13 de ellos (Argentina, Brasil, Canadá, Colombia, Cuba, España, México, Panamá, Portugal, Paraguay, Trinidad y Tobago, Estados Unidos y Uruguay)  durante un período de 16 años.

Para determinar los indicadores de ciencia y tecnología que mayor incidencia tienen sobre el PIBpc, se procedió como se detalla a continuación:

1. Panel de datos: Las series de datos originales contienen registros de 205 indicadores de CTi, desde el año 1990 hasta el 2012. La primera etapa de la depuración consistió en seleccionar un periodo de tiempo que permitiera tener la mayor cantidad de registros posible. Dado que la RCYT se creó a mediados de la década de los 90, en los países latinoamericanos la medición de indicadores de CTi quedó bien sistematizada a partir de 1995 (Alcázar Farías & Lozano Guzmán, 2009), por esta razón,  se tomaron los registros de 1996 a 2012.
2. Selección de variables: Se seleccionaron aquellos indicadores que correspondían al factor de sofisticación e innovación según Consejo Privado de Competitividad (2014), a partir de los cuales se generó un primer grupo de variables (Tabla 1), que en adelante se denominará Conjunto 1 y se construyó la base de datos con las variables de los indicadores seleccionados.
   

   Tabla 1 .  Indicadores de CTi reportados en el la Red de Indicadores de Ciencia y Tecnología

   Indicadores	Variables
   Indicadores de Contexto	4 Variables
   Indicadores de Insumos	Recursos Financieros	16 Variables
   	Recursos Humanos	10 variables
   Graduados en educación superior	3 variables
   Indicadores de Patentes	5 Variables
   Indicadores Bibliométricos	21 variables

   Fuente: Elaboración con base en el ORCYT 2016.

3. El Conjunto 1 se depuró con base en la disponibilidad de información, y se conservaron aquellos indicadores y países con más del 90% de los registros disponibles para las variables seleccionadas (Bennett, 2001), estos fueron elegidos para formar el Conjunto 2. De igual manera se eliminan las variables que aportan información redundante por colinealidad exacta, por ejemplo, Gasto CyT  y Gasto CyT por habitante aporta la misma información.
4. Se seleccionaron dos modelos de regresión múltiple para explicar el comportamiento del PIBpc en función de los indicadores del Conjunto 2.
5. Se implementó el cálculo del factor de varianza inflada (VIF) para detectar la correlación entre variables independientes (Naimi, Hamm, Groen, Skidmore, & Toxopeus, 2014).  Esto se realizó con el fin de eliminar del análisis las variables correlacionadas, las cuales son colineales, es decir, dependientes entre sí (Graham, 2003), ya que esto puede causar inestabilidad en la estimación de los parámetros de regresión (Dormann et al., 2013). Un nivel aceptable de colinealidad corresponde a tener un conjunto de variables cada una con un VIF menor a 10 (Chatterjee & Ali S., 2006). De acuerdo con esto, las variables que tenían un VIF mayor a 10 fueron eliminadas.
6. Finalmente, se implementó un método de regresión within de efectos fijos, el cual considera la heterogeneidad del grupo de países. La regresión múltiple es una técnica estadística en la que se define una variable como dependiente (Y), para investigar su relación con otro conjunto de variables (X₁, X₂, X₃,…). De modo particular, se analizaron dos modelos alternativos, siguiendo los criterios de múltiples modelos de crecimiento económico: Un modelo lineal de regresión múltiple.

En ambos modelos se hizo uso de datos de panel con efectos fijos, basado en la prueba de Hausman (Cobacho & Bosch, n.d.).

3. Competitividad, ciencia, tecnología e innovación

El concepto de competitividad ha evolucionado desde los años 80 y presenta perspectivas diversas. En sus inicios estuvo mayormente referido a la competitividad de firmas, luego evolucionó a niveles nacionales y en los últimos años diversos autores han resaltado su importancia a niveles subnacionales (Cancino Salas et al., 2008).

Para la década de los 90 aparecen con fuerza el concepto de ventajas competitivas (Porter, 1991), la competitividad estructural (OCDE, 1992), los determinantes de la competitividad (Ferraz, Kupfer, & Haguenauer, 1996),  la competitividad sistémica (Esser et al., 1996) y la competitividad global  (Coriat, 1997).  A partir de 1992, la Organización de Cooperación y Desarrollo Económicos (OCDE) ha realizado diversos estudios para sistematizar los enfoques de competitividad, y los ha resumido en un concepto integral de “competitividad estructural”, en el que se distinguen tres factores (OCDE, 1992):

1. La innovación como elemento constitutivo central del desarrollo económico.
2. La capacidad de innovación de una organización industrial, situada fuera de las teorías tayloristas, de desarrollar capacidades propias de aprendizaje, y
3. El papel de las redes de colaboración orientadas a la innovación y apoyadas por diversas instituciones, para fomentar las capacidades de innovación.

Ya que la competitividad es una variable de efecto y no de causa (Pinto T, 1996), la forma menos controversial de medirla y definirla es por medio de la productividad  (DNP, 2008), siendo así la productividad una variable de medida de la competitividad  (Porter, 2004; Sala-i-martin, 2008). En dicho contexto y para el objeto de la presente artículo, se asumirá la competitividad como la capacidad integral de una economía para aumentar su producción, con tasas de crecimiento altas y sostenidas, con mayor bienestar para la población (Kacef, 2007), la innovación como un determinante de la competitividad al lograr el desarrollo de capacidades de innovación tecnológica  (Robledo Velásquez, Malaver, & Vargas, 2009) y el PIB per cápita como una variable respuesta que representa la capacidad de generación de riqueza y es una manifestación de competitividad.

4. CTi en la estructura de medición de la competitividad

La competitividad, con la intensificación de la globalización, es un tema que ha ganado interés para las empresas y las políticas públicas desde los años ochenta. Paralelamente, organismos privados nacionales e internacionales, los gobiernos y los centros de investigación vienen desarrollando acciones buscando entender su significado, determinantes y formas de medición (UDEA, 2006).

Medir la competitividad implica una definición del nivel de agregación internacional, nacional y regional de los índices que lo calculan, los cuales a su vez se componen de subíndices y éstos de pilares de análisis sobre el cual enmarcar las variables que conforman dicha medición.

El Sistema Nacional de Competitividad, Ciencia, Tecnología e Innovación (SNCCTI) recapitula dos de los indicadores de competitividad más conocidos a nivel internacional:

1. El Índice de Competitividad Global (Index Global Competitiviness, ICG), pionero en la medición de la competitividad territorial, creado en 1979 por el Foro Económico Mundial (World Economic Forum, WEF) el cual mide la capacidad de una nación para lograr un crecimiento económico sostenido en el mediano plazo (University, INSEAD, & WIPO, 2011).
2. El Anuario Mundial de Competitividad, elaborado por el Instituto Internacional para el Desarrollo Gerencial (International Institute for Management Development, IIMD) mide la competitividad a partir de la calificación de las habilidades de las economías, por medio de cuatro factores (IMD, 2015): desempeño económico, eficiencia del gobierno, eficiencia empresarial e infraestructura;  y veinte subfactores. El factor de infraestructura, mide aspectos como educación, infraestructura científica e infraestructura tecnológica, los cuales se articulan con los factores de innovación y sofisticación medidos por el WEF, que se retomarán posteriormente.

Con base en índices nacionales e internacionales (WEF, 2011; Subdere, 2013; CEPAL 2007, 2014; CPC y U. del Rosario, 2013; UdeA et al, s.f.), en la Tabla 2 se presentan algunos de los pilares o factores clave de medición de  la competitividad más utilizados en el cálculo de estos índices en distintos regiones y países del mundo.

Tabla 2. Factores tenidos en cuenta para la medición de la competitividad en diferentes países.

Fuente: Concejo privado de competitividad Colombia 2012.

En el ámbito de la competitividad territorial es común la elaboración de índices compuestos donde los conjuntos de indicadores son medidos y agregados, permitiendo elaborar un indicador único del nivel de competitividad de un territorio determinado; estos índices compuestos buscan establecer comparaciones entre áreas geográficas a lo largo del tiempo (Subdere, 2013).

Para el caso de Colombia, el índice departamental integra The Global Competitiveness Index framework  y algunos elementos particulares de competitividad regionales como aparece en la Tabla 3. En la cual se identifican en los pilares 7, 9 y 10 las variables asociadas a CTi.

Tabla 3. Variables incluidas en el índice de competitividad de los departamentos de Colombia 2014, que tienen relación con CTi.

Fuente: Elaboración propia con base en Consejo Privado de Competitividad & CEPEC- Universidad del Rosario (2014)

5. El impacto de la CTi en la competitividad

Uno de los factores medidos en los indicadores de competitividad de los países es el porcentaje del PIB invertido en investigación y desarrollo (I+D), debido a que es un elemento determinante en los procesos de innovación, y fundamental para mejorar la competitividad internacional de los países (Castro, Peña, Ruiz, & Sosa, 2014), adicionalmente se ha encontrado que la inversión en I+D tiene una consecuencia significativa y positiva con el tamaño del PIB en países desarrollados (Gyekye et al., 2012).

De acuerdo a lo anterior, los subíndices relacionados con  la CTi cobran importancia ya que destacan el vínculo entre la innovación y la competitividad; siendo, en términos de innovación, el Global Innovation Index (GII) realizado de forma conjunta por la Organización Mundial de la Propiedad Intelectual (OMPI), la Universidad Cornell y la Escuela de Negocios INSEAD, el responsable de medir la influencia de las políticas orientadas a la innovación en el crecimiento económico y el desarrollo (Dutta, 2012).

Adicional al GII para medir el impacto de la innovación en la competitividad y los factores asociadas a ella, como son la Ciencia y la Tecnología; otras instituciones públicas y privadas han identificado diferentes combinaciones de indicadores que dan orientaciones para cuantificar las actividades de CT en los países (Manual de Frascati (OECD, 2002), Canberra (Oecd, 1995), Manual de Oslo (Measurement et al., 2005), Manual de Bogotá (RICYT, OEA, CYTED, COLCIENCIAS, & OCYT, 2001), Manual de Santiago (Red Iberoamericana de Indicadores de Ciencia y Tecnología, 2015), Manual de Lisboa (Lugones et al., 2014)).

Si bien se presupone que la CTi ayuda a mejorar la competitividad de los países, no está claro si esa competitividad, fruto de la CTi termina generando más riqueza en los países.  De hecho, se ha encontrado en otros estudios que la inversión en I+D no tiene un efecto significativo sobre el nivel de ingresos (Birdsall & Rhee, 1993; Nadiri, 1993). Aunque diferentes autores señalan que la innovación si tiene un efecto significativo en el crecimiento económico (Marroquín Arreola & Ríos Bolivar, 2012), en estudios posteriores se encontró que las variables relacionadas con el esfuerzo en I+D no dan una medida completa de la innovación, por lo cual modelos de crecimiento que lo incluyan no son capaces de explicar el crecimiento económico sostenible (Ulku, 2004). 

6. Resultados y discusión

Fase I:

El estudio realizado contempló una ecuación de búsqueda bibliométrica definida como se presenta en la Ecuación 3, para un período de observación comprendido entre 1966 y 2015.

Ecuación 3

( TITLE-ABS-KEY ( competitiveness )  AND  TITLE-ABS-KEY ( gdp )  OR  TITLE-ABS-KEY ( science )  OR  TITLE-ABS-KEY ( technology )  OR  TITLE-ABS-KEY ( innovation ) ) .

Como se observa en la Gráfica 1, los temas asociados con la competitividad presentan un comportamiento creciente en términos de los resultados de estos procesos, documentados de manera formal a través de artículos científicos. Un total de 16.584 documentos, de los cuales 9.443 son artículos científicos, cuya concentración geográfica de  publicaciones en países altamente desarrollados como Estados Unidos e Inglaterra revela de alguna manera la concentración de investigación en estos países, contrastando con la investigación en países latinoamericanos donde no se registra una alta concentración de las publicaciones.

Gráfica 1. Dinámica de publicaciones que relacionan CTi y PIB en el periodo 1966 - 2015.

Fuente: Scopus, consultado junio 2016.

De la búsqueda y depuración de las bases de datos del Banco Mundial y el RCYT se identificaron 12 variables asociadas a la CTi  que pueden explicar la competitividad en términos del PIBpc, que adicionalmente cumplen con las condiciones estadísticas. En la Tabla 4 se observan las variables que se definieron para el procesamiento estadístico:

Tabla 4 . Variables definidas para el cálculo del  VIF.

Fase II:

Se calcularon los factores VIF para el modelo lineal y para las variables transformadas del modelo linealizado, las variables que tienen significancia estadística un nivel de confianza del 99% se presentan en la Tabla 5 .

Tabla 5 . Resultados del modelo de regresión y VIF para cada variable

Para el modelo linealizado se identificaron 6 variables que fueron estadísticamente significativas: Titulados de grado por mil habitantes (Tgr), titulados de maestría por mil habitantes (Mae), Publicaciones PASCAL por cada cien mil habitantes (PASC) y Porcentaje de Personas Económicamente Activas (PEA.pt), y para el modelo lineal se cambia titulados de maestría por mil habitantes (Mae) por titulados de doctorado por mil habitantes (Doc) y se adiciona la variable tasa de autosuficiencia (Taut) de acuerdo con los valores-p reportados. De ellas, se presenta una tasa de cambio positiva para todas, excepto para el coeficiente de invención (CInv), aunque esta última tiene una significancia estadística baja respecto a las mencionadas anteriormente.

La prueba de Hausman para ambos casos arroja un valor—p de 2,2 x 10^-16, lo cual indica que es adecuado implementar un modelo de efectos fijos, los cuales se determinaron como los presentados en la Tabla 6 lo que implica que las condiciones de las variables se ven directamente afectadas por las condiciones de cada país en cuanto a sus condiciones reportadas en torno a CTi.

Tabla 6 . Valor de los efectos fijos para cada país (se reportan los coeficientes transformados)

Fuente: Elaboración propia

De acuerdo con los coeficientes de regresión, se encontró que la función de producción Cobb-Douglas linealizada es levemente más precisa al determinar la respuesta del PIB.pc ante las variables seleccionadas que el modelo lineal. Tras la recuperación del modelo en su forma exponencial original, la función es la presentada en la Ecuación 4.Ecuación 3. .

Ecuación 4 . Función en forma exponencial

La comparación de medias resultado del modelo en forma exponencial y los datos  recuperados del Banco Mundial y el RCYT, muestran que el modelo captura la tendencia en los países analizados. En particular, los valores de Argentina, Colombia, Cuba, Portugal y Uruguay se observa un alto ajuste entre los valores observados y los datos del modelo en la  Gráfica 2. Comparación de medias entre los valores observados y los estimados para 13 países.

Gráfica 2 . Comparación de medias entre los valores observados y los estimados para 13 países.

El panel de datos analizado se compone en su gran mayoría de países latinoamericanos en vías de desarrollo. Para este grupo de países se ha encontrado que los esfuerzos en I+D de alta tecnología tienen un impacto positivo pero estadísticamente no significativo (Wang et al., 2013). En este estudio, se encontró que no todos los indicadores de ciencia y tecnología son aptos para explicar el crecimiento económico, dado que hay evidencias de una autocorrelación fuerte entre ellos, sin embargo para ejercicios iniciales de entendimiento de la competitividad como producto de la CTi se identifican variables que pueden servir de base para la definición de lineamientos y políticas.

7. Conclusiones

Es posible evaluar el impacto de la CTi en la generación de riqueza estimada como PIB.pc, sin embargo, la explicación depende del grado de sofisticación y desarrollo de los países. Para el caso de los países en desarrollo, el bajo coeficiente de regresión del modelo linealizado  evidencia un ajuste pobre con los datos analizados, lo cual sugiere que los indicadores de CTi no son el principal factor para medir generar riqueza para todos los países. La regresión de efectos fijos logra capturar la heterogeneidad del panel de datos de acuerdo al país, tal como lo muestra la comparación de medias. Adicionalmente, los bajos coeficientes de regresión para ambos modelos indican que el PIBpc, y por tanto, la generación de riqueza, no pueden ser explicados en su totalidad por los indicadores  de

CTi para los países en desarrollo.

Con base en los resultados obtenidos, las variables de CTi que dan cuenta del impacto que éste genera sobre el PIBpc en países Iberoamericanos son: Titulados de grado por mil habitantes (Tgr), titulados de maestría por mil habitantes (Mae), Publicaciones PASCAL por cada cien mil habitantes (PASC) y Porcentaje de Personas Económicamente Activas (PEA.pt).

Referencias

Alcázar Farías, E., & Lozano Guzmán, A. (2009). Desarrollo histórico de los indicadores de Ciencia y Tecnología, avances en América Latina y México. Revista Española de Documentación Científica, 32(3), 119–126. http://doi.org/10.3989/redc.2009.3.676

Bennett, D. A. (2001). How can I deal with missing data in my study? Australian and New Zealand Journal of Public Health, 25(5), 464–469. http://doi.org/10.1111/j.1467-842X.2001.tb00294.x

Birdsall, N., & Rhee, C. (1993). Does Research and Development Contribute to Economic Growth in Developing countries? The World Bank. Washington D.C.

Cancino Salas, R., Petit-Breuilh, J., Padilla, P., Mendoza, Y., Garcia, M., Gatica, M., & Mellado, F. (2008). Indicadores de ciencia, tecnología e innovación para la inteligencia competitiva de sistemas regionales de innovación. Cuadernos de Administración, 40(julio- diciembre), 57–72.

Castro, S., Peña, J., Ruiz, A. J., & Sosa, J. C. (2014). Estudio intrapaíses de la competitividad global desde el enfoque del doble diamante para Puerto Rico , Costa Rica y Singapur. Investigaciones Europeas de Dirección Y Economía de La Empresa, 20, 122–130. http://doi.org/10.1016/j.iedee.2013.09.001

Chatterjee, S., & Ali S., H. (2006). Regression analysis by example (4th Editio). Wiley.

Cobacho, M. B., & Bosch, M. (n.d.). Contrastes de hipótesis en datos de panel. XIII Jornadas de ASEPUMA, 1–12.

Consejo Privado de Competitividad. (2013). Indice departamental de Competitividad 2013.

Consejo Privado de Competitividad. (2014). Informe Nacional de Competitividad. Journal of Chemical Information and Modeling, 32. http://doi.org/10.1017/CBO9781107415324.004

Consejo Privado de Competitividad & CEPEC- Universidad del Rosario. (2014). Índice Departamental de Competitividad 2014. (Z. Comunicadores, Ed.). Bogotá D.C.

Coriat, B. (1997). Los desafíos de la competitividad: globalización de la economía y dimensiones macroeconómicas de la competitividad. (U. de B. Aíres, Ed.). Buenos Aíres.

DNP. (2008). Politica Nacional de Competitividad y Productividad. Consejo Nacional de Politica Economica y Social.

Dormann, C. F., Elith, J., Bacher, S., Buchmann, C., Carl, G., Carré, G., … Lautenbach, S. (2013). Collinearity: a review of methods to deal with it and a simulation study evaluating their performance. Ecography, 36(1), 27–46. http://doi.org/10.1111/j.1600-0587.2012.07348.x

Dutta, S. (2012). The Global Innovation Index 2015. Stronger Innovation Linkages for. Retrieved from http://www.codespring.ro/wp-content/uploads/2012/11/GII-2012_Cover.pdf

Esser, K., Hillebrand, W., Messner, D., & Meyer-Stamer, J. (1996). Competitividad sistémica: Nuevo desafío a las empresas y a la política Klaus. Revista de La CEPAL, 39–52.

Ferraz, J., Kupfer, D., & Haguenauer, L. (1996). Made in Brazil: desafíos competitivos para la industria. (E. Campus, Ed.). Sao Pablo.

Graham, M. H. (2003). CONFRONTING MULTICOLLINEARITY IN ECOLOGICAL MULTIPLE REGRESSION. Ecology, 84(11), 2809–2815. http://doi.org/10.1890/02-3114

Gyekye, A. B., Oseifuah, E. K., & Vukor-quarshie, G. N. K. (2012). The Impact of Research and Development on Socio-Economic Development: Perspectives from Selected Developing Economies. Journal of Emerging Trends in Economics and Management Sciences (JETEMS), 3(6), 915–922.

IMD, I. for M. D. (2015). Anuario mundial de competitividad 2015, Resultados para Colombia (Anuario Mundial de Competitividad (AMC)).

Kacef, O. (2007). Estudio económico de América Latina y el Caribe: Política macroecnómica y volatilidad. CEPAL, pp. 4–200.

Lugones, G., Mata, J. T. da, Alves, T., Rodrigues, N., Peirano, F., Suárez, D., & Henriques, V. (2014). Manual de Lisboa. Igarss 2014, (1), 1–5. http://doi.org/10.1007/s13398-014-0173-7.2

Lundvall, B.-Å., Johnson, B., Andersen, E. S., & Dalum, B. (2002). National systems of production, innovation and competence building. Research Policy, 31(2), 213–231. http://doi.org/10.1016/S0048-7333(01)00137-8

Marroqu’\in Arreola, J., & R’\ios Bolivar, H. (2012). Inversi{ó}n en investigaci{ó}n y crecimiento econ{ó}mico: un an{á}lisis emp{’\i}rico desde la perspectiva de los modelos de I+ D. Investigaci{ó}n Econ{ó}mica, 71(282), 15–33.

Marroquín Arreola, J., & Ríos Bolivar, H. (2012). Inversión en investigación y crecimiento económico: un análisis empírico desde la perspectiva de los modelos de I+ D. Investigación Económica, 71(282), 15–33. Retrieved from http://www.scielo.org.mx/scielo.php?pid=S0185-16672012000400001&script=sci_arttext\nhttp://www.scielo.org.mx/pdf/ineco/v71n282/v71n282a1.pdf

Maza, A., Email, H., & Policy, E. U. R. (2013). Exploring the link between R & D and economic growth : Evidence from the Spanish provinces.

Measurement, T. H. E., Measurement, T. H. E., Scientifictechnological, O. F., Scientifictechnological, O. F., Proposed, A., Proposed, A., … Innovation, C. (2005). Oslo manual, 1–113. http://doi.org/10.1787/9789264013100-en

Nadiri, M. I. (1993). Innovations and Technological Spillovers. New York: National Bureau of Economics Research.

Naimi, B., Hamm, N. A. S., Groen, T. A., Skidmore, A. K., & Toxopeus, A. G. (2014). Where is positional uncertainty a problem for species distribution modelling? Ecography, 37(2), 191–203. http://doi.org/10.1111/j.1600-0587.2013.00205.x

OCDE. (1992). Technology and the Economy – The Key Relationships. Retrieved April 12, 2016, from http://www.oecd.org/sti/ind/2750309.pdf

Oecd. (1995). Manual on the Measurement of Human Resources Devotde to S&T “Canberra Manual,” (95), 1–111.

OECD. (2002). Manual de Frascati. http://doi.org/10.1787/9789264065611-pt

Pinto T, A. (1996). La Competitividad Del Comercio Exterior Y La Especializacion Productiva En El Ecuador: 1970-1995* (NOTA TÉCNICA 29). Retrieved from http://www.bce.fin.ec/documentos/PublicacionesNotas/Catalogo/NotasTecnicas/nota29.pdf

Porter, M. (1991). La ventaja competitiva de las naciones. Barcelona: Vergara.

Porter, M. (2004). Building the Microeconomic Foundations of Prosperity: Findings from the Business Competitiveness Index. The Global Competitiveness Report 2003–2004, pp. 29–56. New York: Oxford University Press for the World Economic Forum.

Porter, M. E. (1990). The Competitive Advantage of Nations. Harvard Business Review, 68, 73–93. http://doi.org/Article

Ramírez, J. C., & Parra-Peña, R. (2014). Escalafón de la competitividad de los departamentos de Colombia, 2012-2013. Estudios y perspectivas. Retrieved from http://repositorio.cepal.org/bitstream/handle/11362/36662/S2014082_es.pdf?sequence=1

Red Iberoamericana de Indicadores de Ciencia y Tecnología. (2015). MANUAL DE SANTIAGO. Retrieved from http://www.oei.es/cienciayuniversidad/spip.php?article6361

RICYT, OEA, CYTED, COLCIENCIAS, & OCYT. (2001). Manual De Bogotá, 102.

Robledo Velásquez, J., Malaver, F., & Vargas, M. (2009). Encuestas, datos y descubrimiento de conocimiento sobre la innovación en Colombia. (J. R. Velásquez, F. Malaver Rodríguez, & M. V. Pérez, Eds.) (1st ed., Vol. 1). Bogotá.

Romer, P. M. (1990). Endogeneous Technological Change. Journal of Political Economy, 98(3210), s71–s102.

Sala-i-martin, X. (2008). The Global Competitiveness Index: Measuring the Productive Potential of Nations. In W. E. F. WEF (Ed.), The Global Competitiveness Index (pp. 3–81).

Samimi, A. J., & Alerasoul, S. M. (2009). R&D and Economic Growth: New Evidence from Some Developing Countries. Australian Journal of Basic and Applied Sciences, 3(4), 3464–3469.

Schwab, K., Sala-i-Martin, X., & Brende, B. (2015). The Global Competitiveness Report 2015-2016 (Vol. 5). http://doi.org/92-95044-35-5

Solow, R. M. (2001). After “Technical Progress and the Aggregate Production Function.” New Developments in Productivity Analysis, (January), 173 – 178. Retrieved from http://books.google.com/books?hl=en&lr=&id=R0IUc7BgZUwC&oi=fnd&pg=PA173&dq=After+%E2%80%9CTechnical+Progress+and+the+Aggregate+Production+Function%E2%80%9D&ots=JbOCgQht3j&sig=TOgiS_ruv2MIwUEGGJy7pwd8eAk

UDEA. (2006). Indicadores de competitividad de Antioquia y sus regiones: resultados y jerarquías. Retrieved from http://www.areadigital.gov.co/comisiontripartita/Documents/Indicadores de Competitividad.pdf

Ulku, H. (2004). R&D, Innovation, and Economic Growth: An Empirical Analysis. IMF Working Papers (Vol. 04). Retrieved from http://elibrary.imf.org/view/IMF001/05528-9781451859447/05528-9781451859447/05528-9781451859447.xml

University, C., INSEAD, & WIPO. (2011). The Global Innovation Index 2015: Effective Innovation Policies for Development. ( and S. W.-V. Soumitra Dutta, Bruno Lanvin, Ed.)Accelerating Growth and Developent. Geneva, Switzerland. Retrieved from http://www.globalinnovationindex.org/gii/GII COMPLETE_PRINTWEB.pdf\npapers2://publication/uuid/A88E54BA-8289-4C84-A12A-B666DB40F62C

Wang, D. H.-M., Yu, T. H.-K., & Liu, H.-Q. (2013). Heterogeneous effect of high-tech industrial R&D spending on economic growth. Journal of Business Research, 66(10), 1990–1993. http://doi.org/10.1016/j.jbusres.2013.02.023

1. Investigador SENNOVA. Estudiante PhD en Administración. MsC en Gestión Tecnológica. Servicio Nacional de Aprendizaje SENA. E-mail: jfescob1@gmail.com
2. Universidad de Vigo, PhD en Economía y Matemática, cjardon@uvigo.es
3. Investigador SENNOVA. MsC en Gestión Tecnológica. Servicio Nacional de Aprendizaje SENA. E-mail: indybibiana@gmail.com

4. Investigador SENNOVA, Ing químico. Servicio Nacional de Aprendizaje SENA. E-mail: jaimemosg@gmail.com