Descarga la aplicación para disfrutar aún más
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
Compartir