100902_125758_E

Vista previa del material en texto

[247]
74710
septiembre · diciembre 2010 · esic market
El marketing está cambiando.
Un modelo econométrico sobre
marketing y nuevas tecnologías
García Martín, G. (2010). “El marketing está cambiando. Un modelo econométrico sobre
marketing y nuevas tecnologías”, EsicMarket, Vol. 137, pp. 247-273.
Resumen
La gestión del cambio siempre ha sido un tema de vital importancia en el
sector empresarial, y es más, cuando este cambio se refiere al ámbito tec-
nológico, el efecto es aún más dramático. En este artículo veremos cómo
el cambio tecnológico que ha supuesto la irrupción del fenómeno Internet
ha afectado la forma de hacer marketing de las empresas, pasando del mar-
keting tradicional a lo que se denomina e-Marketing. Posteriormente se
elabora un modelo microeconométrico de variable censurada con sesgo de
selección muestral que analiza la influencia que ejercen, sobre el porcenta-
je de gasto en innovación dedicado a marketing, diferentes variables de
características de la empresa. La conclusión final es que el gasto en mar-
keting es mayor para las empresas que se han catalogado como innovado-
ras en tecnología en relación a las que no lo son. Además, también aumen-
ta a medida que se incrementan otras variables como el empleo de la
empresa, el volumen de ventas, el hecho de pertenecer a un tramo mayor
del volumen de gasto en innovación, o el porcentaje de la cifra de negocios
correspondiente a productos introducidos o sensiblemente mejorados.
Palabras clave: cambio tecnológico, marketing electrónico, modelos de
elección discreta, sesgo de selección muestral.
Códigos JEL: M31, O33, C24, C25.
Guillermo García Martín
Licenciado en CC.EE. y EE. por la Universidad Complutense de Madrid. MBA por el Instituto de Empresa de Madrid.
Doctorando en CC.EE. y EE. por la Universidad de Zaragoza.
Caja Inmaculada y ESIC Zaragoza.
guillermo.garciamartin@gmail.com
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico
sobre marketing y nuevas tecnologías
[248]
748 10
1. Introducción
La irrupción de las nuevas tecnologías de la información y la comunicación
(conocidas como TIC) en el mundo empresarial se inició en los años sesen-
ta con el fin de ahorrar costes y eliminar trabajo manual y procesos en
papel (nóminas, facturas, etc.). En la actualidad las TIC juegan un papel
bastante más importante llegando a ser fuente de ventaja competitiva de
muchas compañías.
En general resulta interesante conocer los hábitos de utilización de
Internet por parte de los trabajadores en las empresas, así como saber qué
tipo de controles se establecen para su buen uso (Fontrodona y García,
2002). En este mismo sentido en Riverola (2003) se analizan los proyectos
de e-Business ofreciendo una radiografía de la aplicación de Internet en los
negocios de la gran empresa española, de la opinión de la alta dirección
sobre la misma y de los responsables de los departamentos vinculados a los
proyectos de e-Business.
En González, Rodenes y Álvarez (2005), se analiza el modelo de exce-
lencia empresarial, EFQM, y se concluye que las TIC son al menos tan rele-
vantes sobre los criterios resultado del modelo (satisfacción de la dirección
comercial, del personal y del cliente), como lo son el resto de indicadores
del modelo (calidad de la dirección comercial, gestión de personal, estrate-
gia y planificación y gestión de recursos). En otros, (Sieber, 2004), se afir-
ma que la introducción de las nuevas tecnologías en las empresas ha for-
zado a las compañías a replantearse los procesos de gestión y de
organización, aunque no deja de ser “tan sólo un paso más de una larga
evolución”. En Sieber y Valor (2005) se definen los criterios que las empre-
sas utilizan para adoptar las nuevas tecnologías, mientras que en Sieber y
Valor (2006) se distingue el impacto de las TIC en diferentes áreas de la
empresa: adopción de tecnología e infraestructura, interacción con el clien-
te y los proveedores, resultados de negocio, organización interna, etc., con
el objeto de analizar cómo afecta ese impacto y cuáles son los principales
desafíos que las TIC plantean al sector empresarial español, comparando
los resultados obtenidos con los de las empresas estadounidenses. Un com-
pleto estudio a nivel nacional lo podemos encontrar en Sieber y Valor
(2007), y en Sieber y Valor (2007b) nos encontramos con un estudio enfo-
el marketing está cambiando. un modelo econométrico
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market [249]
74910
cado al sector industrial, donde se analiza cómo algunas compañías han
conseguido gracias a las TIC obtener una ventaja competitiva sostenible,
como también nos muestra Rodeiro y López (2007). Un estudio más espe-
cífico analiza el impacto que las TIC han provocado en las organizaciones
de las empresas y en las prácticas de trabajo (Sieber, 2007). En él se ve
cómo las TIC han ayudado a mejorar la competitividad de las empresas,
contribuyendo a incrementar su eficiencia y el nivel de penetración en el
mercado. Resulta también interesante analizar el informe Fundación
Cotec (2007) para poder tener una visión general de la tecnología y su
relación con la competitividad en la economía española.
La literatura empírica contiene un buen número de trabajos a nivel
europeo. En Gordo (2005) utilizando datos de la Encuesta de Innovación
Tecnológica elaborada por la Comisión Europea (CIS) se analiza la activi-
dad innovadora desde diversas perspectivas, que van desde el estudio de
los recursos destinados a I+D hasta el análisis de su impacto económico,
comparando además la economía española con el promedio de la UE 15.
En Álvarez y Molero (2004) se subrayan las características específicas que
la innovación tecnológica tiene en las empresas multinacionales analizan-
do las tendencias que se observan en el plano internacional, aunque cen-
trándose en la economía española como país intermedio en cuanto a inter-
nacionalización tecnológica.
1.1. Del Marketing Tradicional al Marketing Electrónico
La gestión del cambio es, quizá, uno de los procesos empresariales más
importantes a los que debe hacer frente la gran mayoría de las empresas
en algún momento de su vida. Es importante ser conscientes del papel a
jugar en el proceso de gestión del cambio, sobre todo cuando de un cam-
bio tecnológico se trata y, por lo tanto, es más rápido y más violento.
En lo que a marketing se refiere, se observa una evolución desde lo que
podríamos denominar el marketing tradicional, o Jurasic Marketing (De
la Rica, 2000), hacia un nuevo concepto: el marketing electrónico. En este
nuevo entorno las variables del marketing mix tradicional no son un ele-
mento diferencial de la empresa. La solución para poder obtener una ven-
taja competitiva que sea sostenible está en los intangibles (la marca, la
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico
sobre marketing y nuevas tecnologías
imagen de la empresa, las garantías, el servicio de atención al cliente, el
dominio, la Web, etc.), y es con Internet con lo que podemos mejorar sus-
tancialmente los intangibles de nuestro producto. En primer lugar hacien-
do que la percepción que del producto tienen los usuarios sea mejor (catá-
logos electrónicos, elementos multimedia, personalización del producto
–color, modelo, talla–, etc.). En segundo lugar interactuando con el usua-
rio (publicidad interactiva, obtención de su feed back, humanizar el pro-
ceso de compra, etc.). En este escenario de interacción es donde cobra sen-
tido lo que algunos autores han considerado la 5ª P del marketing mix, que
no es otra cosa que People, la gente; es decir, tener en cuenta al cliente en
la consecución de los objetivos de marketing. Además en Flavián y Guina-
líu (2007) destacan tres conceptos básicos en las relaciones establecidas a
través de Internet, familiaridad del usuario, reputación del servidor y leal-
tad del usuario al servidor, y se concluye que para incrementar la lealtad
de los usuarios web, losservidores de Internet deben incrementar la fami-
liaridad con el sitio web así como la reputación que perciben.
En este momento resulta interesante destacar el trabajo de Cristóbal
(2006) en el que se analizan las diferencias entre las tiendas reales y virtuales,
haciendo hincapié en cómo influye el diseño web (diseño gráfico, usabilidad
y accesibilidad) en el desarrollo de la gestión comercial. Las conclusiones
finales son que el diseño tiene una importancia significativa en todo entorno
visual, e Internet lo es, y en segundo lugar que la gestión de los estableci-
mientos virtuales no debe ser una copia de la gestión tradicional ya que nos
puede abocar al fracaso. Por otro lado en Ruiz y Sanz (2007) se describen los
métodos de venta a través de medios directos como complementarios a la
venta en los establecimientos tradicionales con el fin de conocerlos en mayor
profundidad, haciendo especial énfasis en la venta por televisión donde pri-
man la comodidad y conveniencia de la compra. La conclusión final es que
los usuarios que acuden a establecimientos tradicionales lo hacen por que la
compra es para ellos una actividad de ocio; además, la falta de inspección físi-
ca de los productos supone un freno; y finalmente los usuarios no están segu-
ros del proceso de compra o creen que pueden encontrar problemas en la
entrega o devolución del pedido. No obstante, pueden destacarse las siguien-
tes ventajas: la rapidez y la completa disponibilidad del producto (24 horas).
[250]
750 10
el marketing está cambiando. un modelo econométrico
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market
En Pérez-Cabañero (2007) se analiza el proceso de búsqueda externa de
información, previo a la compra, comparando el proceso en bienes y en
servicios. En este artículo se formulan dos hipótesis que quedan finalmen-
te contrastadas: primero, el consumidor busca más información cuando
quiere comprar bienes que cuando compra servicios; y segundo, busca más
fuentes de información en bienes que en servicios. Además como podemos
ver en Martín y Quero (2004) las empresas que han creado páginas web se
han visto influenciadas por el enfoque relacional, y así se observa cómo en
el diseño de la mayoría de las páginas web se incluye algún tipo de herra-
mienta de marketing relacional. En el lado opuesto nos encontramos con
algunos autores que abogan por la revisión radical de las variables del mar-
keting mix (Vallet y Frasquet, 2005) proponiendo diversas soluciones a la
situación actual: quedarse quieto, re-asfaltar el camino o poner parches,
cambiar de dirección, volver atrás o escoger el camino menos transitado.
Para ver las dificultades que nos encontramos al intentar valorar los
intangibles, podemos recurrir al trabajo de Lozano y Fuentes (2005) en el
que queda constancia de la problemática de valoración de la imagen de
marca de una empresa así como de su importancia. De hecho el valor de
marca varía enormemente: desde un 10% para empresas industriales, has-
ta un 70-90% que puede llegar a alcanzar en el sector de productos de lujo.
En el caso de empresas virtuales este valor puede incluso ser mayor.
Hay estudios que tratan sobre la comunicación en marketing y cómo
las nuevas tecnologías han puesto a disposición de las empresas nuevos
medios de gestión y difusión de la información y las ideas (Armelini y Villa-
nueva, 2007 y Villanueva, 2007). En estos estudios se analiza el papel del
WOM (Word Of Mouth) como una nueva forma de comunicación de las
empresas, analizando las causas de que se haya convertido en una potente
herramienta de marketing. Resulta también interesante el artículo de Álva-
rez, Santos y Vázquez (2005), que es una recopilación de las principales
escalas de medida que se utilizan habitualmente para conocer el grado de
orientación al mercado que tiene una empresa. La medición del grado de
marketing alcanzado por las entidades se lleva a cabo a través de la reali-
zación de un test en el que en general abundan las preguntas vinculadas
con clientes, observándose en la mayoría de las escalas analizadas, según
[251]
75110
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico
sobre marketing y nuevas tecnologías
los autores, una carencia casi total de cuestiones relativas a la competencia
y al entorno. En Romeiro y Garmendia (2007) se da un paso más en el aná-
lisis de las TIC orientadas al marketing y se plantea el uso de los Sistemas
de Información de Marketing no como meras cajas tecnológicas que úni-
camente procesan toda la información de la empresa, sino como gestores
de toda la información de marketing. Así el SIM debería utilizarse como
Modelo de Gestión y transmitirse, vía marketing viral, a todos los inte-
grantes de la empresa para su difusión.
En definitiva observamos que el marketing se ha visto afectado por la
tecnología y de hecho, como hemos visto, ha alterado el statu quo de
muchas organizaciones. En el presente artículo se estudia la situación en
cuanto a inversión e innovación tecnológica con un modelo microecono-
métrico. Este análisis va a utilizar diferentes metodologías basadas en
modelos de elección discreta, utilizando datos de la Encuesta Sobre Inno-
vación Tecnológica en las Empresas 2000, del INE. A lo largo de las
siguientes páginas desarrollaremos un modelo para poder observar la inno-
vación tecnológica en las empresas españolas durante el año 2000.
1.2. Modelización econométrica
Dentro de la teoría económica del mercado laboral, el análisis de las ecua-
ciones de salarios ha sido tratado en multitud de artículos, tanto teóricos
como empíricos. Estos estudios son los más utilizados en la literatura cuan-
do hablamos de microeconometría y de modelos de elección discreta, y se
basan principalmente en analizar la participación en un mercado de deter-
minados grupos poblacionales (generalmente hombres y mujeres en el mer-
cado laboral). A lo largo de los últimos años la mejora de los procesos
informáticos ha popularizado el uso de los métodos econométricos aplica-
dos a este campo.
Uno de los trabajos clásicos sobre el tema lo encontramos en Fallon y
Verry (1988), donde se describe de una forma precisa el modelo microeco-
nómico subyacente a la teoría de la oferta de trabajo. En éste, el consumi-
dor se enfrenta a una función de utilidad que debe maximizar sujeto a una
restricción presupuestaria, y la decisión sobre participar o no en el merca-
do laboral vendrá determinada por las preferencias sobre consumo, ocio,
[252]
752 10
el marketing está cambiando. un modelo econométrico
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market
y trabajo. En el caso de soluciones esquina1 el individuo preferirá no tra-
bajar hasta que no encuentre un salario mayor que el que se le ofrece, es
decir, existe un salario a partir del cual el individuo comenzará a trabajar.
Ese salario límite es lo que se denomina salario de reserva, donde para sala-
rios iguales o inferiores al salario de reserva el individuo elegirá no traba-
jar, y para salarios superiores preferirá trabajar, participar en el mercado
laboral. Concluimos que la decisión de participar o no en el mercado labo-
ral viene determinada por la divergencia existente entre el salario de mer-
cado –ωωM–, y el salario de reserva –ωωR–. De tal modo que si ωωR > ωωM el
individuo no participa, si ωωR < ωωM el individuo participa y si ωωR = ωωM el
individuo se encuentra indiferente entre participar o no.
Podemos así enfocar nuestro modelo econométrico como un modelo
con variable dependiente discreta o de variación limitada. En primer lugar,
podemos definir un modelo de elección discreta binario (1, participar, 0,
no participar), donde el objetivo es estimar las probabilidades de partici-
par y de no participar en el proceso (ya sea en un proceso de innovación o
en un proceso de participación en el mercado laboral), eligiendo entre dife-
rentes funciones de distribución que nos proporcionarán diferentes esti-
maciones de los parámetros.Así por ejemplo, el modelo lineal de probabi-
lidad consiste en la simple estimación por MCO del modelo binario,
mientras que si utilizamos una función de distribución logística obtenemos
el modelo Logit o logístico, y utilizando una función normal obtenemos el
modelo Probit o probabilístico. Un segundo tipo son los modelos con
variable dependiente censurada, en los que se observan las variables inde-
pendientes para toda la muestra y la variable dependiente se observa sólo
para el rango de valores no censurados. Y por último, tenemos el modelo
con variable dependiente truncada, que es similar al censurado, pero en el
que tanto las variables independientes como la dependiente se observan
sólo para el rango no truncado.
Existe también la posibilidad de considerar –como sucede en nuestro
caso– que en el modelo censurado se está produciendo un sesgo de selec-
ción muestral, con lo que deberemos utilizar un método de estimación bie-
tápico como es el estimador propuesto por Heckman (1979), cuya expli-
cación detallada también podemos encontrar en Amemiya (1988), y en el
[253]
75310
(1) En Modelling 
individual choice. 
The econometrics of
corners, kinks and
holes de 
S. Pudney, 
encontramos una 
completa descripción
de los problemas de 
especificación
econométrica que 
surgen por utilizar
variables discretas.
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
que el problema se plantea en dos etapas: en la primera el individuo deci-
de si participa o no, y en la segunda, una vez que opta por participar, ha
de decidir cuánto participar (en el caso del mercado laboral cuántas horas
trabajar, en el caso del proceso de innovación cuánto gastar en marketing).
En Kalb y Scutella (2003) encontramos el modelo bietápico de Heckman
aplicado a la estimación de una ecuación de salarios. Estudios similares
son los de García (1991), Stern (1986), o Killingsworth (1983).
En el presente trabajo utilizaremos un modelo censurado con sesgo por
selección muestral a un proceso de innovación tecnológica, donde la deci-
sión es participar en el proceso de innovación invirtiendo una parte del gas-
to total en marketing. Existen otros modelos en la literatura que relacionan
econometría y marketing, como es el caso de Allenby y Rossi (2003) donde
se revisa la esencia de la aproximación bayesiana explicando por qué es
especialmente útil cuando se enfoca hacia la solución de problemas de mar-
keting. Un estudio similar utilizando también métodos bayesianos lo vemos
en Chiu, Gilbride, Kao y Otter (2005). Además, podemos encontrar intere-
santes modelos econométricos sobre innovación en Baumert, Buesa, Heijs y
Martínez (2002), en Acosta (1995), en EU Research on Social Sciences and
Humanities (2005), o en Benavente (2005) donde se evalúa el impacto sobre
la innovación y la productividad de las actividades de I+D en plantas manu-
factureras a través de un análisis econométrico.
En resumen, este artículo estimará una ecuación de gastos en marketing
en la que se supone que se produce sesgo de selección muestral, y que es
solucionado según el método tradicional de estimación en dos etapas pro-
puesto por Heckman (1979). En el capítulo segundo se desarrolla el mar-
co teórico necesario para comprender este trabajo de investigación, expo-
niendo los fundamentos teóricos que van a justificar el modelo
econométrico que se va a utilizar. En el capitulo tercero definimos las ecua-
ciones a estimar, tanto del modelo de selección o participación (modelo
Probit), como del modelo de comportamiento o ecuación de gasto en inno-
vación dedicado a marketing, describiendo las variables que van a utili-
zarse en cada caso. También en este paso se analizará la muestra que va a
ser utilizada en el proceso de estimación. El penúltimo capítulo muestra los
resultados obtenidos en las estimaciones: modelo de selección y modelo de
[254]
754 10
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market
comportamiento, así como la diagnosis del modelo. El trabajo finaliza con
el capítulo de conclusiones y con el de bibliografía utilizada.
2. Marco teórico
Como acabamos de ver la primera decisión que ha de tomar la empresa es
la de si participar o no en el proceso tecnológico. Como podemos ver en la
figura 1 dicha decisión viene determinada por la divergencia existente entre
el beneficio que se obtiene por innovar o beneficio de mercado –bM– y
beneficio mínimo que cualquier empresa considera necesario para realizar
la inversión en tecnología, o beneficio de reserva2 –bR–. De tal modo que
si bR > bM la empresa no innova, si bR < bM la empresa innova y si bR = bM
la empresa se encuentra indiferente entre innovar o no. En cualquier caso,
las empresas deciden si participan o no, y en este caso deciden que por-
centaje del gasto en innovación asignan a marketing. Así estamos censu-
rando la muestra, ya que para la variable dependiente no observamos toda
la muestra (para los individuos que deciden no participar toma el valor 0,
es decir, se observa sólo para el rango Yt*> 0), mientras que sí que obser-
vamos toda la muestra en las variables independientes. Este modelo es
también conocido como modelo Tobit censurado.
[255]
75510
Figura 1. Proceso de Decisión de Participación
MUESTRA
TOTAL
¿Innova?
NO
bR >= bM
bR < bM
GMARKET=0
NO
MUESTRA
SELECCIONADA
GMARKET>0
Sesgo de Selección 
Muestral
SI
PARTICIPA EN EL
PROCESO
(2) El nombre de 
“beneficio de reserva”
no es sino una 
aproximación a lo que
en teoría económica
del mercado laboral se
considera “salario de
reserva”: que es el
salario mínimo que los
individuos tienen en
cuenta a la hora de 
considerar su 
participación o no en
el mercado laboral.
¿Dedica una parte 
de su presupuesto a
marketing?
SI
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
Esta decisión marca el devenir del modelo ya que, como sólo estimare-
mos ecuaciones de gastos para empresas que innovan y dedican parte del
gasto en innovación a marketing, se produce claramente un sesgo por
selección muestral que debemos corregir. Para solucionar este problema,
como podemos observar en Amemiya (1985, p. 384), se definen dos ecua-
ciones. La primera es la ECUACION DE COMPORTAMIENTO (Tobit
censurado), que se define como: Y*n = Xnβ + εn [2]
donde no observamos directamente Y*n, sino: Yn = 0 ⇔ Y*n ≤ 0, y Yn = Xnβ
+ εn ⇔ Y*n > 0. Y donde la selección de la muestra se determina por el
modelo binomial de la segunda ecuación, ECUACION DE SELECCION,
definida como: E*n = Znα + ηn [3]
donde no observamos directamente E*n, sino: En = 0 ⇔ E*n ≤ 0, y En = 1
⇔ E*n > 0.
Entonces la solución pasa por:
1º) Estimar α por EMV como un modelo binomial, utilizando cual-
quiera de las técnicas que anteriormente hemos descrito: logit, probit o
valor extremo, aunque generalmente se utiliza la función normal (modelo
binomial probit).
2º) Estimar por MCO la ecuación: Yn = Xnβ + σλ(Znα) + εn [4]
utilizando sólo las observaciones positivas, donde λ(Znα) se denomina
inversa del ratio de Mills, también llamada corrección de Heckman, que se
define como: λ(Znα) = φ (Znα)/Φ(Znα)[5]
siendo φ (Znα) la función de densidad del modelo binomial de selección
muestral, Φ(Znα) la función de distribución y αα el parámetro estimado en
la primera etapa. Además σσ es la covarianza entre el término de error de la
ecuación de comportamiento y el término de error de la ecuación de parti-
cipación, y Heckman demuestra que el término λ se aproxima a la proba-
bilidad de innovar, de participar en el proceso. Al poner λ en la ecuación
de gasto en marketing tenemos en cuenta la selección muestral derivada de
no observar los gastos de aquellas empresas que no participan y por lo tan-
to no pueden utilizarse en la muestra. La significatividad de la inversa del
ratio de Mills (l) nos muestra la importancia de la selección muestral y nos[256]
756 10
ˆ ˆ
ˆ ˆ
ˆˆˆˆ
ˆ
ˆ ˆ
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market
permite estimar consistentemente el resto de coeficientes de la ecuación
(Cameron y Trivedi, 2005, pp. 546-551).
Podemos así definir nuestro modelo econométrico de participación en
el proceso de innovación como un modelo de elección discreta binario (1,
participar; 0, no participar)3 como el definido anteriormente, y donde el
objetivo es estimar la probabilidad de participar: P(En = 1) = F(Znα), y la
de no participar: P(En = 0) = 1 – F(Znα), donde F(Znα) es una función de
distribución elegida para garantizar que las probabilidades se encuentran
en el intervalo [0,1], por ejemplo:
1º) Un modelo lineal de probabilidad, consistente en la simple estima-
ción por MCO de [1], y que tiene el problema de no garantizar que las pro-
babilidades estimadas se encuentren dentro del rango admisible para toda
probabilidad, [0,1]:
[6]
2º) Una función de distribución logística, con lo que obtenemos el
modelo Logit:
[7]
3º) O una función normal, con lo que obtenemos el modelo Probit:
[8]
Podemos aplicar el método de estimación de Heckman de un modo sen-
cillo a nuestro modelo de innovación y gasto en marketing de las empresas.
La ecuación de comportamiento tiene como variable dependiente el logarit-
mo del gasto en marketing, y las variables explicativas son de características
de la empresa que analizamos, g*n = Xnβ + εn. Y donde la ecuación de selec-
ción de la muestra se determina por un modelo binomial de participación
como el siguiente: I*n = Xnβ + un, siendo In una variable binaria que tiene
valor 1 si la empresa participa en el proceso y 0 en caso contrario.
[257]
75710
~ ~
ˆ ˆ
ˆ
( ) nn ZZF =
( ) ( ) ( ) ( )n
n
n Z
Z
Znn e
e
e
ZZF
+
=
+
==
11
1
( ) ( ) ( ) ( )n
n
n Z
Z
Znn e
e
e
ZZF
+
=
+
==
11
1( ) ( ) ( ) ( )n
n
n Z
Z
Znn e
e
e
ZZF
+
=
+
==
11
1
( ) ( )
( )
==
nZ
S
nn dseZZF
2/
2/1
2
2
1
(3) Participar en 
nuestro modelo se 
definirá como innovar
y dedicar una parte del
gasto en innovación a
marketing.
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
[258]
758 10
3. Ecuaciones a estimar
Para la estimación de las ecuaciones que vamos a definir en el siguiente apar-
tado utilizaremos los datos de ENCUESTA SOBRE INNOVACIÓN TEC-
NOLÓGICA EN LAS EMPRESAS del Instituto Nacional de Estadística
para el año 2000. Esta encuesta nos informa sobre la estructura del proceso
de innovación mostrando las relaciones entre dicho proceso y la estrategia
que las empresas tienen en cuanto a tecnología. Por otro lado se dispone
además de información sobre otros aspectos concretos del proceso de inno-
vación, como el grado de utilización de tecnología, pagos e ingresos en tec-
nología, patentes, gastos de innovación dedicados a marketing, etc.
Entre los principales resultados obtenidos de la encuesta destacamos el
hecho de que el 19,77% de las empresas españolas fueron innovadoras de
producto o proceso en el año 2000. Además, Cataluña, Madrid, País Vas-
co y Comunidad Valenciana son las comunidades con mayor gasto en
innovación. El gasto en actividades para la innovación tecnológica ascen-
dió a 10.174 millones de euros en el año 2000, que frente a los 6.074
millones del año 1998 supone un incremento del 67,5%. El gasto de inno-
vación alcanzó en 2000 el 0,93% de la cifra de negocios de las empresas
con actividades para la innovación. Entre las actividades innovadoras des-
tacaron las actividades de I+D, interna o externa (que representaron el
41,45% del total de gasto en actividades para la innovación) y la adquisi-
ción de maquinaria y equipo para innovación (36,73%). El resto de acti-
vidades innovadoras supusieron el 21,83%. 
¿Cómo participan las empresas en el proceso de innovación? Del total
de 11.778 empresas encuestadas, el 31,98% (3.767) invierten en innova-
ción, y se reparten por tramos de gasto de manera bastante uniforme –tra-
mo 1, 963 empresas (25,56%), tramo 2, 935 empresas (24,82%), tramo 3,
946 empresas (25,11%), y tramo 4, 923 empresas (24,50%)–, mientras que
el resto de empresas (8.011, el 68,02%) no invierten nada en este campo.
Por sectores, las empresas que hemos clasificado como tecnológicas son
las que más gastan en innovación, estando la gran mayoría de sectores en las
primeras posiciones (prácticamente las 20 primeras posiciones son de empre-
sas clasificadas como innovadoras en tecnología) con porcentajes que van
desde el 45% de empresas que invierten en el sector de Otras Actividades
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market
Informáticas hasta el 77% de participación en el proceso de innovación que
se produce en el sector de Aparatos de Radio, TV y Comunicación. 
El gasto en marketing por sectores repite los resultados anteriores:
siguen siendo las empresas clasificadas como tecnológicas las que más par-
ticipan en el proceso de asignar parte de su gasto en innovación a marke-
ting, y es nuevamente Aparatos de Radio, TV y Comunicación en la que
mayor número de empresas, porcentualmente, participan en el proceso de
inversión en marketing (33%), seguido de Instrumentos Médicos y de Pre-
cisión (25%). Cabe destacar el bajo porcentaje obtenido por Construcción
Aeronáutica y Espacial, que si bien tiene un alto porcentaje de empresas
que participan en innovación (45%), pocas de ellas dedican parte de su
gasto a tareas de marketing (3%).
[259]
75910
Figura 2. Proceso de Modelización Econométrica
MODELO DE PARTICIPACIÓN
NO
CIFRA DE NEGOCIO
(Ventas)
GRUPO DE EMPRESAS
FINANCIACIÓN
(Nacional + UE)
EMPRESA 
TECNOLÓGICA
INVERSA RATIO
DE MILLS
COMPORTAMIENTO
(MCO Ec. Gasto)
CIFRA DE NEGOCIO (Ventas)
NÚMERO DE EMPLEADOS
FINANCIACIÓN (Nacional + UE)
EMPRESA TECNOLÓGICA
COOPERACIÓN (en Innovación e I+D)
INNOVACIÓN EN PROCESOS
INNOVACIÓN EN PRODUCTOS
VOLUMEN DE GASTO EN INNOVACIÓN
INTRODUCCIÓN/MEJORA DE PRODUCTOS
Sesgo de Selección Muestral
PARTICIPACIÓN
(EMV Mod. Probit)
Variables del Proceso
de Participación
Variables del Proceso
de Comportamiento
Estimación de la
Evaluación del Gasto
Estimación del
Modelo Probit
SÍ
MODELO DE COMPORTAMIENTO
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
Pero nuestro estudio trata sobre las empresas que, además de innovar,
invierten parte de su presupuesto en marketing. Así, de las 3.767 empresas
innovadoras, el 72,6% (2.735) no dedican a esta parcela nada de su gasto
en innovación, mientras que el 27,4% (1.032) sí lo hacen. En la figura 2
podemos ver el esquema de funcionamiento del proceso econométrico que
vamos a llevar a cabo. Una vez obtenida la muestra (con sesgo por selección
muestral) del proceso de decisión (ver figura 1), definimos el modelo de par-
ticipación como un modelo de elección discreta binario que estimaremos
por máxima verosimilitud utilizando como variable dependiente la de par-
ticipación o no en el proceso de innovación, y como variables independien-
tes la cifra de negocios (medida como el volumen de ventas), la pertenencia
o no a un grupo de empresas, si recibe algún tipo de financiación para inno-
vación y si ha sido catalogada como empresa tecnológica o no. La estima-
ción de este modelo nos permite obtener la inversa del ratio de Mills, que
entrará en el modelo de comportamiento (ecuación de gasto) como una
variable más en el modelo que será estimado por MCO utilizando única-
mente los datos de las empresas que participan en el proceso, y usando
como variable dependiente el logaritmo neperiano del gasto en marketing,
y como variables independientes, además de la lambda de Mills, la cifra de
negocio, el número de empleados, si recibe o no financiación (tanto de orga-
nismos nacionales como de la UE), si ha sido catalogada como empresa tec-nológica, si coopera con terceros en temas de innovación o I+D, si innova
en procesos o en productos, el volumen de gasto en innovación, así como si
ha introducido nuevos productos o ha mejorado los existentes.
3.1. Modelo de selección o participación
Para la estimación del modelo de selección hemos creado la variable dico-
tómica PARTn, que va a actuar como variable dependiente; es decir que
tendrá el valor 1 si la empresa participa en el proceso de innovación y asig-
na un porcentaje de gasto a marketing, o sea si ha declarado algún gasto
en innovación (si la variable TRAMOINNn es 1, 2, 3 o 4) y dedica parte
de su presupuesto de innovación a marketing (si GMARKETn es positiva),
tendrá el valor 0 en caso contrario. Así el modelo Probit que finalmente se
estima por los métodos tradicionales es:
[260]
760 10
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market [261]
76110
[9]
Además las variables de ventas, VENTASXn, se construyen como cua-
tro variables dummy indicando si el volumen de ventas de la empresa está
en el tramo 1, 2, 3 o 4 según vemos en TRAMOVENTASn. Y por último
tenemos la variable GREMPRDUMMYn, que es una variable dummy que
vale 0 si la empresa no pertenece a ningún grupo de empresas, o 1 si per-
tenece. La última variable IDENTDUMMYn refleja el hecho de que la
empresa sea o no tecnológica, así en función del código de ocupación
hemos clasificado las empresas entre innovadoras en temas tecnológicos y
no innovadoras.
3.2. Modelo de Comportamiento
El modelo de comportamiento a estimar será:
[10]
Para el cálculo de la variable dependiente del modelo de selección a par-
tir de los datos de la encuesta tenemos el problema de que no observamos
directamente el gasto en marketing. Así, utilizamos una variable proxy4.
Las variables de empleo y ventas reducidas se calculan del mismo modo.
La variable que mide la financiación que recibe la empresa, FINA-
DUMMYn, es una variable dummy binaria que tiene el valor 1 si la empre-
sa recibe algún tipo de financiación (de Administraciones locales o auto-
nómicas, del Estado, de la Unión Europea, o del Programa Marco
Comunitario). La variable COOPDUMMYn también es binaria (1, si coo-
pera con otras empresas o instituciones sobre temas de innovación, y 0 en
caso contrario). Otras variables que utilizaremos son INPROCDUMMYn,
que toma el valor 1 si la empresa innova en proceso y 0 en caso contrario;
INPRODDUMMYn, que tiene el valor 1 cuando la empresa innova en
producto y 0 en caso contrario; TRAMOINNn, que varía entre 1 (bajo) y
4 (alto) en función del volumen de gasto en innovación de la empresa; y
(4) Calculamos el 
gasto en innovación
como la semisuma de
los límites superior e
inferior del cuartil al
que pertenece. Una vez
obtenido el gasto en
innovación podemos
calcular la variable
proxy del gasto en
marketing como: 
gn = Ln (GMARKETn ×
GTOINNOVn ).
nnn
nnnnn
uIDENTDUMMYFINADUUMY
YGREMPRDUMMVENTASVENTASVENTASPART
++
+++++=
65
43210 432
nnnn
nnnn
nnnn
uPRONUEVOTRAMOINN
YINPRODDUMMYINPROCDUMMCOOPDUMMYIDENTDUMMY
FINADUMMYVENTASREDEMPLEOREDLNGM
++++
+++++
++++=
(.))/(.)(ˆ98
7654
3210
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
[262]
762 10
por último PRONUEVOn, que es el porcentaje de la cifra de negocios
correspondiente a productos introducidos o sensiblemente mejorados en el
período 1998-2000.
3.3. Hipótesis a contrastar
En nuestro modelo de comportamiento deberemos validar algunas hipóte-
sis acerca del funcionamiento de las variables. La inversión que lleva a
cabo cualquier empresa está íntimamente ligada al buen funcionamiento
de la misma. Así nuestra inversión en innovación (y por consiguiente el
porcentaje de gasto en innovación dedicado a marketing) deberán verse
afectados por la buena marcha de la compañía, con lo que a medida que
se incrementan los indicadores tanto de volumen de ventas como de núme-
ro de empleados, debería aumentar el gasto en marketing vía incremento
de la partida dedicada a innovación. Así podemos formular la
Hipótesis 1: un aumento de las variables que miden la cifra de negocio
incrementa el gasto en marketing a través de un mayor gasto en inno-
vación.
Otra de las variables del entorno que afectará al comportamiento del
modelo econométrico será la de si recibe o no financiación (tanto de orga-
nismos nacionales como de la UE). En caso afirmativo no necesitarán
dedicar tantos fondos a innovación, ya que podrán dedicarlos de la finan-
ciación recibida. Por consiguiente el importe de gasto en innovación dedi-
cado a marketing también se verá reducido. Esto nos permite formular la 
Hipótesis 2: un aumento de la financiación recibida provoca un menor
gasto en innovación y por lo tanto un menor gasto dedicado a mar-
keting.
Para el modelo de comportamiento que estimamos disponemos de un
conjunto de variables que miden el grado de implicación de la empresa con
temas de innovación. Estas variables son el volumen de gasto en innova-
ción si ha sido catalogada como empresa tecnológica, si es una empresa
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market [263]
76310
innovadora en producto, así como si ha introducido nuevos productos o
ha mejorado los existentes. En general todo este conjunto de variables
posicionan a la empresa como innovadora y por lo tanto aquellas compa-
ñías con valores mayores de estas variables dedicarán un mayor importe a
innovación y por lo tanto también a gasto en marketing. Esto nos permi-
te formular la
Hipótesis 3: una empresa implicada en temas de innovación dedicará una
mayor partida a gasto en marketing vía incremento del gasto en
innovación.
Mención aparte merecen otro conjunto de variables, que si bien son
también indicadores de la implicación de la empresa en innovación, no
dan lugar a incrementos del gasto en innovación, ya que necesitan parte
de los fondos de la empresa para su realización, y así hay que disminuir
parte del importe del gasto en innovación (entre otras partidas del presu-
puesto de la empresa) para poder dedicar más fondos a financiar activi-
dades como cooperación con terceras empresas en temas de innovación e
I+D o innovación en procesos.
4. Resultados de las estimaciones
4.1. Modelo de Selección o Participación
Para determinar de entre todos los modelos disponibles cuál es el más ade-
cuado, hemos estimado diferentes ecuaciones. Para cada una de las esti-
maciones se han calculado suficientes estadísticos y, además, para cada
modelo se calculan los aciertos que cada uno genera, obteniendo para
nuestro modelo un 91.24% de aciertos, lo que supone un umbral de 0,5,
y un 76.87% cuando consideramos como umbral el valor medio de la
variable dependiente, PARTt (o sea 0.0876). Estos porcentajes de acierto
no son superados por ninguno de los modelos de participación alternati-
vos que se han estimado. Los estadísticos obtenidos son:
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
El modelo seleccionado del análisis anterior es el de la ecuación [9], que
es el que también nos proporciona mejores estadísticos y donde los valores
estimados son:
[264]
764 10
Variables Coeficiente (z - value)
VENTAS2n 0.1220 (2.17)
VENTAS3 n 0.2495 (4.57)
VENTAS4 n 0.4069 (7.20)
GREMPRDUMMY n 0.1230 (2.97)
FINADUMMY n 0.8276 (19.87)
IDENTDUMMY n 0.4780 (12.40)
Constante -1.9195 (-43.61)
Tabla 2.
Estadístico Valor
Log-Veros. Termino Constante -3.498,052
Log-Veros. Modelo Completo -3.082,654
G2 (Test Ratio Verosimilitud, LR) 830,796
R2 de McFadden 0,119
R2 de McFadden Ajustado 0,117
R2 de Cox-Snell (Máx. Verosimilitud) 0,068
R2 de Cragg-Uhler 0,152
R2 de McKelvey y Zavoina 0,154
R2 de Efron 0,082
AIC (Criterio de Información de Akaike) 0,525
BIC (Criterio de Información Bayesiano) -104.175,912
Tabla1.
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market
A partir de esta estimación estamos ya en disposición de estimar la
INVERSA DEL RATIO DE MILLS y por lo tanto podemos ya estimar la
ecuación de gastos en innovación dedicados a marketing.
4.2. Modelo de comportamiento
La ecuación del logaritmo neperiano de los gastos en marketing incluyen-
do la variable de corrección de Heckman es la de la ecuación [10], que pro-
porciona los siguientes resultados al estimarse por MCO:
4.3. Validez del modelo de econométrico
Una vez estimado el modelo debemos validar los coeficientes a través de un
test t de Student, donde observamos que prácticamente todos los valores
son significativos, tanto en el modelo de selección como en el de compor-
tamiento. Además hemos realizado un test de significación conjunta de
todos los parámetros del modelo, obteniendo en el caso del modelo Probit
un valor para la Chi2 de 814,58 con 6 grados de libertad, y en el caso del
[265]
76510
Variables Coeficiente (z - value) Efecto %
EMPLEOREDn 0.1151 (1.76) 12,2 %
VENTASREDn 0.0073 (3.49) 0,7 %
FINADUMMYn -0.4771 (-1.77) -37,9 %
IDENTDUMMYn 0.1360 (0.85) 14,6 %
COOPDUMMYn -0.0220 (-0.23) -2,2 %
INPROCDUMMYn -0.1864 (-2.13) -17,0 %
INPRODDUMMYn 0.0939 (0.74) 9,8 %
TRAMOINNn 0.5621 (11.74) 75,4 %
PRONUEVOn 0.0038 (2.52) 0,4 %
INVMILLSn -0.5242 (-1.34) —-
Constante 13.9400 (15.75) —-
Tabla 3.
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
modelo de comportamiento un valor para la F con 10 grados de libertad
de 47,11, con lo que en ambos modelos rechazamos la hipótesis nula de
que todos los coeficientes valen 0, siendo por tanto los modelos significa-
tivos en su conjunto.
Para comprobar la normalidad de los residuos acudimos al estadístico
Jarque-Bera, que nos proporciona para los modelos de participación y
comportamiento valores para la Chi2 con dos grados de libertad cercanos
a cero en ambos casos, con lo que para un 95% de confianza, la hipótesis
nula de normalidad de las perturbaciones queda aceptada, y así podemos
concluir que los residuos se distribuyen normalmente. 
Es interesante analizar la probabilidad de participación para una
empresa de tipo medio según el modelo de selección [9]. Así para los valo-
res medios de las variables independientes del modelo Probit, calculamos
Pr(Partic) = [1-F(-Xtβ)] = F(Xtβ) = 0,0685, y así podemos observar cómo
la probabilidad de participar en el proceso de innovación para una empre-
sa media es bastante bajo, tan sólo de un 6,9%, quedando la probabilidad
de no participación en el proceso en un altísimo 93,15%: Pr(NoPartic) =
1-Pr(Partic) = 1–0,0685 = 0,9315.
4.4. Interpretación
La interpretación de los coeficientes del modelo semilogarítmico anterior no
es tan simple como en el modelo tradicional de MCO. El efecto de un cam-
bio unitario en una característica es calculado usando la siguiente fórmula: 
Efecto = (e coeficiente – 1)*100 [11]
Así, por ejemplo, en el caso de variables dummy binarias, como la de
financiación, calculamos el efecto por la fórmula anterior y obtenemos 
-37,9%, lo cual quiere decir que para las empresas que reciben financia-
ción el gasto dedicado a marketing es aproximadamente un 38% menor
que para las empresas que no la reciben, con lo que queda contrastada la
Hipótesis 2. 
Para el resto de variables dummy realizamos el mismo cálculo obte-
niendo que por el hecho de cooperar en proyectos de innovación con otras
[266]
766 10
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market
empresas o instituciones el gasto cae un 2,2%, y además, las empresas que
innovan en procesos gastan menos en marketing (un 17%) que las empre-
sas que no innovan en procesos, mientras que las que innovan en produc-
to gastan más (un 9,8%) que las que no innovan en producto. Destacar el
resultado de la variable IDENTDUMMYn, que es una variable dummy
que vale 1 si la empresa se ha catalogado como innovadora en tecnología
y 0 en caso contrario. Esta variable es importante porque mide el efecto
que sobre el gasto en marketing determina el hecho de que la empresa dedi-
que parte de su esfuerzo a innovación tecnológica, obteniendo que el gas-
to sea casi un 14,6% mayor para las empresas que se han catalogado como
innovadoras en tecnología en relación a las que no lo son. Así se verifica
lo que se adelantaba en la introducción: la tecnología está cambiando el
marketing de las empresas, siendo el porcentaje dedicado al marketing
dentro del gasto total en innovación bastante mayor para las empresas del
sector que para las empresas que no se catalogan como tecnológicas. Las
variables de innovación en producto y en proceso son de signo contrario.
Así, innovar en proceso no requiere invertir en marketing, y por lo tanto
el gasto es un 17% menor que para las empresas que no innovan en pro-
ceso. Sin embargo si una empresa innova en producto parece que es nece-
sario difundirlo y gastar en marketing para promocionar este nuevo pro-
ducto que se va a lanzar, con lo que el gasto en marketing es un 9,9%
mayor en este tipo de empresas que en las que no innovan en producto.
También tiene un efecto positivo (de aumento del gasto en marketing) el
hecho de pertenecer a un tramo mayor del volumen de gasto en innova-
ción, como parece lógico. Además a medida que aumenta el porcentaje de
la cifra de negocios correspondiente a productos introducidos o sensible-
mente mejorados también se realiza un gasto en marketing mayor. Todo
esto hace que podamos contrastar la Hipótesis 3 planteada anteriormente.
En cuanto al resto de variables vemos que el gasto en marketing se
incrementa a medida que aumenta tanto el volumen de empleo como las
ventas de la empresa, lo cual nos lleva a dar por correcta la primera de las
hipótesis planteadas en el artículo.
Hay que hacer una mención especial del parámetro estimado de la
inversa del ratio de Mills. Como hemos visto anteriormente la significati-
[267]
76710
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
vidad de este parámetro –λn(.)– nos muestra la importancia de la selección
muestral y nos permite estimar consistentemente el resto de coeficientes de
la ecuación de gasto en marketing, y como vemos en la tabla anterior su
coeficiente es del signo adecuado, ya que como Heckman (1979) afirma, λ
es una función monótona decreciente de la probabilidad de participar en
el proceso. Así dadas dos empresas cualesquiera con diferentes valores de
λ, aquel que tenga una mayor probabilidad de participar en el proceso de
innovación tecnológica tendrá un menor valor de λ, y como λ tiene coefi-
ciente negativo en la ecuación de gasto en marketing, le corresponderá un
gasto mayor que a la otra empresa que tiene una λ mayor y por lo tanto
una menor probabilidad de participar en el proceso.
5. Conclusiones del trabajo
El marketing está cambiando, y uno de los principales causantes de este
cambio es la irrupción de la tecnología que ha cambiado las reglas de la
competencia convirtiéndose en fuente de ventaja competitiva sostenible en
el tiempo para las empresas. Se ha definido un modelo con variable depen-
diente limitada en su rango de variación y en el que se produce sesgo de
selección muestral. Para su estimación se ha utilizado la Encuesta Sobre
Innovación Tecnológica en las Empresas del INE, con datos del año 2000.
Del total de la muestra considerada nos interesan el 32% de las empre-
sas que declaran haber incurrido en gasto en innovación. De esas 3.767
empresas que gastan en innovación, el 27% además dedica parte de su gas-
to en innovación a tareas de marketing. Son precisamente estas últimas
1.032 empresas las que constituyen el núcleo del análisis microeconomé-
trico. 
Los resultados de la estimación de la ecuación degasto en marketing en
función de variables de características más la inclusión de la inversa del
ratio de Mills con el objeto de obtener estimadores consistentes cuando,
como en nuestro caso, se produce sesgo de selección muestra, nos ofrecen
algunas conclusiones interesantes. Como es lógico, el hecho de obtener
financiación externa para innovación hace que no sea necesario disponer
de parte de nuestro presupuesto para marketing ya que podemos dedicar-
lo de la partida de financiación. Así las empresas que reciben financiación,
[268]
768 10
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market
dedican a marketing un 38% menos que las empresas que no son finan-
ciadas. Cuando una empresa coopera con terceros en temas de innovación,
debe dedicar parte de su presupuesto a este proceso de investigación, con
lo que deberá retraer fondos de todas las partidas para poder financiar esta
actividad. Como es de prever, el gasto en marketing también se verá redu-
cido, según las estimaciones en un 2,2% con respecto a las empresas que
no colaboran en proyectos conjuntos de innovación. Además el hecho de
innovar en proceso retrae el gasto en marketing un 17%, mientras que la
innovación en producto lo incrementa en un 10%, lo cual es debido a que
gastar en marketing es más beneficioso en productos que en procesos, ya
que el cliente valora más el producto que se le presenta que los procesos
que lo han creado. 
Por otro lado, los indicadores de la marcha del negocio (número de
empleados y ventas) están positivamente relacionados con el gasto en mar-
keting con lo que las empresas que ven incrementados estos indicadores de
la cifra de negocios, por lo general, invertirán más en marketing. Otro resul-
tado esperado es el hecho de que cuando una empresa gasta más en inno-
vación, mayor es el gasto dedicado a marketing, como cabía esperar. Y tam-
bién es poco sorprendente el hecho de que las empresas que más porcentaje
tienen de productos introducidos o sensiblemente mejorados, dedican más
presupuesto a marketing que las empresas con porcentajes más bajos.
6. Bibliografia
ACOSTA BALLESTEROS, J. (1995). “Análisis económico de la política
tecnológica: una aproximación econométrica a los proyectos concerta-
dos del Plan Nacional de Investigación y Desarrollo Tecnológico”, Tesis
Doctoral, Universidad de La Laguna, Humanidades y Ciencias Sociales,
1995.
ÁLVAREZ GONZÁLEZ, I. y MOLERO ZAYAS, J. (2004). “Las empresas
multinacionales y la innovación tecnológica: dinámica internacional y
perspectiva española”, Información Comercial Española, ICE, Oct.-
Nov. 2004, Nº 818, pp. 101-123.
ÁLVAREZ GONZÁLEZ, L.I., SANTOS VIJANDE, M.L. y VÁZQUEZ
CASIELLES, R. (2005). “Escalas de medida del concepto de orienta-
[269]
76910
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
ción al mercado. Revisión crítica de su contenido y de sus propiedades
psicométricas”, ESIC Market, Nº 120, Enero-Abril 2005, pp. 161-
202.
ALLENBY, G.M. y ROSSI, P.E. (2003). “Bayesian statistics and market-
ing”, Marketing Science, 2003, Informs Vol. 22, No. 3, Summer 2003,
pp. 304–328.
AMEMIYA, T. (1985). Advanced econometrics, Basic Blackwell, Oxford
AMEMIYA, T. (1988). “Una revisión de los modelos Tobit”, Cuadernos
Económicos del ICE, Nº 39 1988/2.
ARMELINI, G. y VILLANUEVA, J. (2007). “El boca oreja electrónico:
¿Qué sabemos de esta poderosa herramienta de Marketing?”, 2007, e-
Business Center PricewaterhouseCoopers & IESE, www.ebcenter.org.
BAUMERT, T., BUESA, M., HEIJS, J. y MARTÍNEZ,M. (2002). “Los fac-
tores determinantes de la innovación: un análisis econométrico sobre
las regiones españolas”, Economía Industrial, Nº 347, 2002, pp. 67-84.
BENAVENTE, J.M. (2005). “Investigación y desarrollo, innovación y pro-
ductividad: un análisis econométrico a nivel de la firma”, Estudios de
Economía, Vol. 32, Nº 1, Junio 2005, pp. 39-67.
CAMERON, C.A. y TRIVEDI, P.K. (2005). Microeconometrics: methods
and applications, Cambridge University Press, 2005.
CHIU, C., GILBRIDE, T.J., KAO, L. y OTTER, T. (2005). “Evaluating the
effectiveness of marketing expenditures”, University of Notre Dame,
Working Paper, Septiembre 2005.
CRISTÓBAL FRANSI, E. (2006). “El merchandising en el establecimiento
virtual: una aproximación al diseño y la usabilidad”, ESIC Market, Nº
123, Enero-Abril 2006, pp. 139-163.
DE LA RICA, E. (2000). Marketing en Internet y e-business, Anaya Mul-
timedia.
EU RESEARCH ON SOCIAL SCIENCES AND HUMANITIES (2005).
“Innovation and employment in European firms: microeconometric
evidence”, IEEF, Final report, Project HPSE – CT2001-00047, Fund-
ed under the key action ‘Improving the socioeconomic knowledge
base’ of FP5, Research DG, European Commission, Issued in March
2005.
[270]
770 10
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market
FALLON, P. y VERRY, D. (1988). The economics of labour markets,
Philip Allan Publisher.
FLAVIÁN, C. y GUINALÍU, M. (2007). “Desarrollo y validación de
escalas de familiaridad, reputación y lealtad en las relaciones a través
de Internet“, ESIC Market, Nº 126, Enero-Abril 2007, pp. 189-222.
FONTRODONA, J. y GARCIA CASTRO, R. (2002). “Estudio sobre
políticas, hábitos de uso y control de Internet y correo electrónico en
las principales empresas españolas”, 2002, e-Business Center Pricewa-
terhouseCoopers & IESE, www.ebcenter.org.
FUNDACION COTEC (2007). “Informe Cotec tecnología e innovación
tecnológica en España”, Fundación Cotec para la Innovación Tec-
nológica.
GARCÍA, J. (1991). “Métodos de estimación de modelos de oferta de tra-
bajo basados en la predicción de los salarios”, Investigaciones
Económicas (Segunda Época), Vol. XV, nº 2 (1991), pp. 429-456.
GONZÁLEZ SÁNCHEZ, M., RODENES ADAM, M. y ÁLVAREZ
CLAU, S. (2005). “Valoración de la influencia relativa de las TI sobre
los criterios resultado del modelo EFQM, en comparación con el efec-
to del resto de criterios causa”, ESIC Market, Nº 122, Septiembre-
Diciembre 2005, pp. 241-267.
GORDO, E. (2005). “Características de la innovación tecnológica en las
empresas españolas”, Banco de España, Boletín Económico, Junio
2005, pp. 95-108.
HECKMAN, J.J. (1979). “Sample selection bias as a specification error”,
Econometrica, 47, pp. 153-161.
KALB, G. y SCUTELLA, R. (2003). “Wage and employment rates in New
Zealand from 1991 to 2001”, New Zealand Treasury, Working Paper
03/13.
KILLINGSWORTH, M.R. (1983). Labor supply, New York. Cambridge
University Press.
LONG, J.S. y FREESE, J. (2001). Regression models for categorical
dependent variables using Stata, Stata Press Publication, Stata Corpo-
ration, College Station, Texas, 2001.
[271]
77110
septiembre · diciembre 2010 · esic market
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
LOZANO GUTIÉRREZ, M.C. y FUENTES MARTÍN, F. (2005). “La
imagen de marca en el valor de la empresa en internet”, ESIC Market,
Nº 121, Mayo-Agosto 2005, pp. 241-264.
MADDALA, G.S. (1986). Limited-dependent and qualitative variables in
econometrics, Cambridge University Press, 1986.
MARTÍN ARMARIO, J. y QUERO GERVILLA, M.J. (2004). “La página
web: ¿una herramienta de marketing relacional?”, ESIC Market, Nº
119, Septiembre-Diciembre 2004, pp. 131-143.
PÉREZ-CABAÑERO, C. (2007). “Estudio comparativo sobre la búsque-
da externa de información en bienes y servicios”, ESIC Market, Nº
127, Mayo-Agosto 2007, pp. 45-63.
PUDNEY, S. (1989). Modelling individual choice. The econometrics of
corners, kinks and holes. Oxford. Basil Blackwell, 1989.
RIVEROLA, F. (2003). “e-Business en la empresa española”, 2003, e-Busi-
ness Center Pricewaterhouse Coopers & IESE, www.ebcenter.org.
RODEIRO PAZOS, D. y LÓPEZ PENABAD, M.C. (2007). “La inno-
vación como factor clave en la competitividad empresarial: un estudio
empírico en pymes”, Revista Galega de Economía,Vol. 16, Núm. 2,
2007, pp. 1-18.
ROMEIRO SERNA, J. y GARMENDIA, F. (2007). “Sistemas de Informa-
ción de Marketing-SIM: más que simples cajas tecnológicas”, ESIC
Market, Nº 128, Septiembre-Diciembre 2007, pp. 131-143.
RUIZ MAFÉ, C. y SANZ BLAS, S. (2007). “La compra a través de medios
directos: beneficios y limitaciones desde la óptica del consumidor”,
ESIC Market, Nº 126, Enero-Abril 2007, pp. 125-156.
SIEBER, S. (2004). “Más allá de la empresa extendida”, 2004, e-Business
Center Pricewaterhouse Coopers & IESE, www.ebcenter.org.
SIEBER, S. (2007). “Efectos de la adopción de innovaciones en la organi-
zación de la empresa y en las prácticas de trabajo”, 2007, e-Business
Center Pricewaterhouse Coopers & IESE, www.ebcenter.org.
SIEBER, S. y VALOR, J. (2005). “Criterios de adopción de las tecnologías
de información y comunicación”, 2005, e-Business Center Pricewater-
house Coopers & IESE, www.ebcenter.org.
[272]
772 10
el marketing está cambiando. un modelo econométrico 
sobre marketing y nuevas tecnologías
septiembre · diciembre 2010 · esic market
SIEBER, S. y VALOR J. (2006). “Las TIC como agente de cambio de la
empresa española. Situación actual y tendencias de futuro”, 2006, e-
Business Center Pricewaterhouse Coopers & IESE, www.ebcenter.org.
SIEBER, S. y VALOR J. (2007). “Tamaño y estructura del sector de las tec-
nologías de la información y las comunicaciones en España”, 2007, 
e-Business Center Pricewaterhouse Coopers & IESE, www.ebcenter.org.
SIEBER, S. y VALOR J. (2007b). “Efectos de las innovaciones en España”,
2007, e-Business Center Pricewaterhouse Coopers & IESE,
www.ebcenter.org.
SOLÉ MORO, M.L. (2000). El comercio electrónico: un mercado en
expansión, ESIC Editorial.
STERN, N. (1986). “On the specification of labor supply functions”, en
Unemployment, Search and Labor Supply, Cambridge, England, Cam-
bridge University Press, pp. 143-189
VALLET BELLMUNT, T. y FRASQUET DELTORO, M. (2005). “Auge y
declive del Marketing-Mix. Evolución y debate sobre el concepto”,
ESIC Market, Nº 121, Mayo-Agosto 2005, pp. 141-167.
VILLANUEVA, J. (2007). “Los blogs corporativos: una opción, no una
obligación”, 2007- e-Business Center PricewaterhouseCoopers & IES
E, www.ebcenter.org.
WOOLDRIDGE, J.M. (2001). Econometric Analysis of Cross Section and
Panel Data, The MIT Press.
[273]
77310