La dinámica del PIT en red y spillovers entre regiones

Reconocidos los cambios en el PIT, se hace necesario desarrollar un trabajo que explique cómo opera este proceso entre regiones en presencia de redes y spillovers. Este trabajo se inscribe en la literatura que investiga el papel de los agentes locales en el acceso a la transferencia de tecnología y aprovechamiento de las externalidades técnicas (^{Yi et ál., 2015}; ^{Narula y Pineli, 2017}).

Valga decir que, en esta línea de investigación se identifican estudios que evalúan el impacto de la IED sobre los disímiles índices de productividad de las diferentes regiones en China resultantes de la heterogeneidad de las instituciones regionales (^{Yi et ál., 2015}). Así mismo, aquellos que analizan los determinantes de la generación de spillovers en economías locales (^{Narula y Pineli, 2017}) y la generación de conocimiento interno y externo en las firmas (^{Carayannis et ál., 2017}).

Aquí se avanza en el análisis de la transferencia de tecnología entre regiones cuando estas son a su vez receptoras y transmisoras de mercados, comercio y personas, en el sentido de ^{Sassen (2001)}; o reservorios de circulación de conocimientos (^{Huggins et ál., 2014}); que pueden albergar firmas de tecnologías duras y blandas (^{Giudice et ál., 2017)}; atraer mano de obra para trabajar, divertirse y hacer negocios (^{Coenen et ál., 2017}); y donde las universidades son referente de innovación y fuentes de conocimiento, con un importante papel en la producción de patentes (^{Bradley et ál., 2013}); son lo que ^{Caicedo (2017)} denomina regiones globales basadas en el conocimiento.

El presente trabajo se apoya en el marco de análisis de redes sociales -ARS-; técnica muy útil para aquellas situaciones donde se constata la presencia de sujetos emisores y receptores y la presencia de vínculos entre ellos (^{Hanneman, 2000}). En ese orden de ideas, aquí se asume que las regiones son sujetos en las redes de transferencia, en tanto que como contenedoras de sistemas de innovación -compuestos por empresas, universidades, instituciones financieras, centros de desarrollo tecnológicos, organismos públicos de apoyo a la investigación-, y dado que estos se comportan como un todo organizado, son a su vez receptoras y/o transmisoras de tecnología (^{Storper y Venables, 2004}; ^{Asheim, Boschma y Cooke, 2011}; ^{Yi et ál., 2015}).

La OCDE (2012), ^{Sassen (2016)} y ^{Huggins et ál. (2014)} han argumentado, cada uno a su manera, que tienden a ser regiones transmisoras de tecnología aquellas que han logrado ser, respectivamente, innovadoras, alpha o beta, y líderes en la economía del conocimiento. Mientras que tienden a ser receptoras netas de tecnología las regiones que basan su competitividad en recursos naturales, las suficientes en globalización y rezagadas en la economía del conocimiento.

Constituyen los vínculos de la red, la IED, la movilidad de la mano de obra para trabajar y hacer negocios, al igual que por el cambio de residencia y el turismo, la colaboración en la creación de patentes, el hecho de compartir licencias, la colaboración en las publicaciones, los congresos especializados, las ferias temáticas;, en fin, toda la gama de posibilidades de intercambio de conocimientos que se presentan entre las regiones (^{Storper y Venables, 2004}; ^{Maskell et ál., 2006}; ^{Giudice et ál., 2017}).

Las relaciones o vínculos entre regiones son de doble vía en aquellos casos en que las universidades y o las EMN de las regiones transmisoras, aparte de derramar spillovers a las receptoras, son capaces de capturar spillovers recíprocos. Por el contrario, los vínculos van en una sola vía en los casos en que los agentes de las regiones transmisoras de tecnología derraman spillovers en los agentes de las regiones de llegada, pero no capturan conocimiento de las regiones de acogida.

Se tiene entonces que el PIT en presencia de redes y spillovers se mueve entre dos extremos. Uno en donde los vínculos van en doble vía, que aquí se denomina como PIT'NL, recogiendo el que este proceso opera bajo la lógica del modelo no lineal de ^{Kline y Rosenberg (1986)}. Mientras que, en el otro extremo, en el proceso de transferencia, los enlaces van en una sola dirección, por lo que se le llama PIT'L, ya que opera más la lógica del modelo lineal (^{Godin, 2006}).

Ahora bien, si se acepta la idea de que el PIT puede analizarse mediante redes, entonces la dinámica de este proceso responde a la lógica de una red social. En este sentido, para analizar los dos tipos extremos del PIT que se configuran cuando intervienen regiones de distinto nivel de desarrollo, aquí se usan las propiedades de conectividad, distancia y cercanía como proxys de las diferencias entre ellas.

^{Hanneman (2000)} plantea que una red tiene más conectividad que otra si experimenta mayor tamaño o complejidad, más densidad, proximidad y si cada agente en promedio posee más conexiones. En esa línea de análisis, una red es más equilibrada si tiene un mayor índice de transitividad y reciprocidad. Además, afirma que los agentes transfieren la información de una manera más rápida y eficaz entre menor sea la distancia geodésica y la fragmentación de la red, porque menor es el esfuerzo que deben realizar para establecer contacto con otros. Finalmente, señala que el ARS permite identificar el rol de los agentes en una red. Para ello los indicadores de cercanía (closeness), poder de centralidad (degree) e intermediación (betweenness) son muy pertinentes. Estos índices en su conjunto dan cuenta de la posición y las ventajas que tiene una región sobre otra.

Bajo esta lógica, una región es más transmisora que receptora de tecnología si posee un mayor índice de outcloseness, lo que indica que tiene más capacidad de influir sobre las que están más cerca. Igualmente, el rol de transmisora de tecnología de una región aumenta cuando posee un más alto outdegree, lo cual indica que la región es capaz de llegar a más regiones que el resto de sus competidoras. De igual forma, un mayor índice de betweenness, o intermediación, refleja el hecho de que la región sirve de puente para enlazar a otras. Lo contrario también es cierto, una región es más receptora que transmisora de tecnología cuando experimenta mayor incloseness, indegree y betweenness. En esa perspectiva, un agente es más transmisor si tiene un mayor índice de cercanía, poder e intermediación que los demás. Lo contrario también es cierto, un agente es más receptor entre menores sean estos mismos índices (^{Hanneman, 2000}).

Para analizar las diferencias en el PIT entre regiones en presencia de redes y spillovers, se diseñan dos redes hipotéticas y se ilustran mediante grafos. Estos se construyen bajo los siguientes supuestos.

Suponga tres regiones, una de primer nivel de desarrollo, intensiva en capital, conocimientos y mercados (en la red se representa mediante un círculo). La segunda región (que se denota con un cuadrado) tiene conocimientos y mercados más que capital. Finalmente, la de tercer nivel (representada con un triángulo) tiene recursos naturales y mercados, pero presenta escasez de conocimientos y de capital.

Cada región tiene un SRI compuesto por: tres clústeres -el agrícola, el industrial y de servicios-, un subsistema universitario, un conjunto de centros de investigación, un sistema financiero y, finalmente, un grupo de empresas de servicios de apoyo a la innovación; en suma, siete subsistemas.

También suponga que internamente los subsistemas del SRI están bien conectados; por lo que el conocimiento, los recursos y mercados faltantes los buscan en el extranjero. Finalmente, suponga que la región de primer nivel establece relaciones con la de segundo nivel para buscar mercados y conocimientos. Mientras que con la de tercer nivel establece relaciones para explotar recursos y mercados.

Bajo estos supuestos se construyen los dos grafos. En el primero se representa un PIT entre las regiones de primer y segundo nivel de desarrollo (figura 1).

Fuente: elaboración propia.

Figura 1 PIT entre sistemas regionales de innovación de primer y segundo nivel de desarrollo 

Como se observa, los vínculos son de doble vía: se captura el hecho de que como las dos regiones son intensivas en conocimiento, los spillovers tienden a ser recíprocos; por lo que la transferencia de tecnología es del tipo PIT'NL. En términos del ARS, la red es compacta, con un grafo completo.

El segundo grafo describe el PIT entre las regiones de primer y tercer nivel de desarrollo (figura 2).

Fuente: elaboración propia.

Figura 2 PIT entre sistemas regionales de innovación de primer y tercer nivel de desarrollo 

Dado que la región más desarrollada es intensiva en conocimiento, mientras que la menos desarrollada es intensiva en recursos naturales, los spillovers tienden a ser unilaterales y en una sola vía; por lo que la transferencia de tecnología es del tipo PIT'L. La red es fragmentada y con agujeros estructurales, con un dígrafo o grafo dividido.

La comparación de las propiedades de conectividad y distancia de las dos redes hipotéticas permite deducir las diferencias en el proceso de transferencia de tecnología. Los datos se recogen en la tabla 1.

Tabla 1 Indicadores de las propiedades de las redes hipotéticas 

Fuente: elaboración propia.

Aquí la red 1 representa al PIT'NL y la red 2, al PIT'L. Siguiendo a ^{Hanneman (2000)}, la conectividad se evalúa mediante los indicadores de tamaño, densidad, grado nodal y alpha. La distancia se mide mediante la distancia geodésica y el diámetro. Finalmente, el equilibrio se analiza con base en los parámetros de transitividad y reciprocidad.

Los datos advierten que entre el PIT'NL y el PIT'L existen diferencias de funcionamiento. El proceso involucra 14 agentes (7 por cada región), el tamaño de la red que describe ambos procesos es similar, 182 enlaces posibles. Pero la densidad que mide las interacciones o relaciones reales en el PIT'NL es 100% (con una DS=0), mientras en la red 2 es de 0,5% (con DS=0,5) apenas la mitad. En cuanto al grado nodal, que evalúa el número de agentes a los que algún otro puede acceder, en la red 1, es 13 y en la red 2, 6,5; lo que indica que en el PIT'NL un agente puede acceder a todos los demás; mientras que en el PIT'L solo a la mitad. En cuanto al índice alpha, que mide el nivel de conectividad de la red, en el PIT'NL es 1 y en el PIT'L, 0,933.

Ahora bien, en cuanto a la propiedad de distancia, que indica el esfuerzo o el número de pasos que un agente debe dar para contactar con otro, también existen diferencias entre el PIT'NL y el PIT'L. En la tabla 1 se muestra que la distancia geodésica promedio es 1 en ambas redes, con desviación estándar de 0; pero la distancia de cohesión y fragmentación en la red 1 es 1 y 0, respectivamente, mientras que en la red 2 es 0,5 y 0,5. Lo que indica que en el PIT'NL los agentes realizan menos esfuerzos para entrar en contacto con otros.

La propiedad de equilibrio o linealidad de la red se evalúa a través de la reciprocidad, que mide si los contactos entre dos agentes van en doble vía; y la transitividad, que indica si existe reciprocidad entre tres agentes. Aquí también los datos reflejan divergencias en el proceso de transferencia. Se muestra que en la red 1, la reciprocidad díada es 100%, mientras que en la red 2 es 30%. La transitividad es de 100% en la red 1 y de 23,08% en la red 2. De aquí se deduce que el PIT'NL es un proceso recíproco y no lineal y equilibrado, dado que es altamente probable que, si un agente A intercambia conocimiento con B y este con C, A también lo hará con C. Por su parte, el PIT'L, al tener menos reciprocidad y transitividad, será un proceso lineal y desequilibrado, porque si un agente A intercambia con B, no es seguro que B le responda, y mucho menos que entre en contacto con otro agente C.

Llegados a este punto del análisis, se está en condiciones de proponer las hipótesis que guían esta investigación.

H1: Dado un conjunto de regiones con capacidad para transferir tecnología, aquí se plantea que el PIT entre las regiones más desarrolladas experimenta mayor conectividad, menor distancia, mayor equilibrio o reciprocidad, y mayor interactividad o no linealidad que el PIT entre regiones de diferente nivel de desarrollo.

H2: Una región será más transmisora que receptora de tecnología, entre más alta sea la posición que ocupa en la globalización, la economía del conocimiento y competitividad; y será más receptora que transmisora, entre menor sea el grado de globalización, nivel de conocimiento y competitividad.

Identificación de las regiones

Los territorios objeto de análisis son los de segundo nivel de toma de decisiones administrativas de los países, calificados como TL2 por la OCDE o NUTS2 por la Unión Europea, y sus equivalentes en Latinoamérica. Para evaluar las regiones más competitivas, se tomaron los rankings: WKCI del 2014, que identificó a 145 regiones como más competitivas en conocimiento; el GaWC de 2016, que calificó 298 unidades territoriales como globales. Por su parte, el estudio de la OCDE (2012) Promoviendo el crecimiento en todas las regiones, evaluó 23 ciudades como innovadoras. El libro de la CEPAL titulado Economía y territorio en América Latina y el Caribe (^{Ramírez, Silva y Cuervo, 2009}), identifica a 32 territorios como ganadores. Y el estudio Los sistemas regionales de innovación en América Latina (^{Llisterri, Pietrobelli y Larsson, 2011}) del BID, identificó a 9 regiones con buenos sistemas de innovación.

Se seleccionaron las regiones que calificaran en al menos tres de los cinco rankings. Para ello se construyó una matriz de coincidencias. Los resultados se recogen en la tabla 2.

Tabla 2 Muestra de las principales RGBC en el mundo con base en las TL2 de la OCDE 

Fuente: elaboración propia.

La tabla 2 muestra que 140 territorios califican como objeto de análisis, de los cuales 108 coinciden en los rankings del WKCI, el GaWC y la OCDE, y 32 aparecen en los rankings de la OCDE, BID, GaWC y la CEPAL.

El paso siguiente fue clasificarlos de mayor a menor nivel de competitividad. Para ello, se tomó como variable discriminante el nivel de PIB per cápita y su localización en el nivel de competitividad. Se definieron como menos competitivas o regiones del grupo 3 (RG3), los territorios de renta media y media alta de entre 3150$ hasta 25000$ y que califican según el Banco Mundial como territorios que basan su competitividad en recursos naturales o requerimientos básicos. Por su parte, son regiones del grupo 2 (RG2) en competitividad, las regiones con un nivel de renta comprendido entre los 25000$ hasta los 36000$ y que se identifican como regiones basadas en la eficiencia de los factores. Finalmente, se definen como regiones del grupo 1 (RG1) en competitividad, las que tienen más de 36000$ de ingreso per cápita y que fundamentan su competitividad en la innovación.

Una vez aplicados estos criterios, se llegó a una muestra de 137 regiones, donde clasificaron 56 en el grupo 1, 48 en el 2, y 33 en el tres.

Identificación de las regiones como receptoras o transmisoras de tecnología

Para identificar el rol de las regiones se aplicó la técnica de análisis de correspondencia múltiple (ACM), técnica muy útil cuando se requiere determinar los atributos de un sujeto (^{Greenacre, 2008}). Con ese fin se tomaron las categorías en que los rankings de KWCI, GaWC y el Banco Mundial, clasifican a las regiones. Los cálculos del ACM se recogen en la tabla 3.

Tabla 3 Análisis de dependencia entre los rankings de clasificación regional 

Fuente: elaboración propia a partir de resultados del programa R.

El cálculo del ACM arroja que existe relación positiva y dependencia estadística entre las tres variables. Lo que significa que una región, en mayor o menor medida, es a la vez globalizada bajo los atributos del GaWC, competitiva en la economía del conocimiento del KWCI y competitiva según el Banco Mundial.

Verificada la correspondencia de atributos, se clasificaron las regiones en seis clases en función de su rol como transmisoras o receptoras, según los siguientes criterios: se consideran como regiones de clase 1 aquellas más transmisoras que receptoras de tecnología, estos son aquellos territorios que basan su competitividad en la innovación, son líderes, seguidores o emergentes, en la economía del conocimiento, en relación directa con la posición que ocupen en el grado de globalización; por lo que son más transmisoras las regiones alpha, dado que enlazan a todo el mundo, que las suficientes, que solo enlazan a la región con los países geográficamente más cercanos.

Por su parte, son de clase 6 las regiones más receptoras que transmisoras de tecnología, los territorios más intensivos en recursos naturales, los que califican como de transición o rezagadas en la economía del conocimiento, y como gamma o suficientes en globalización; porque son muy poco intensivos en conocimientos y tienen bajos enlaces con el resto del mundo.

A partir de una tabla disyuntiva que arroja el ACM, se clasificaron las 137 regiones en 6 clases, según su rol como transmisoras y/o receptoras de tecnología dado el grupo en competitividad. Esta estructura se muestra en la tabla 4.

Tabla 4 Clasificación de las regiones como receptoras o transmisoras de tecnología 

Fuente: elaboración propia.

Calificaron como del grupo 1, o más innovadoras, 56 regiones; de las cuales 40 son de clase 1 y 16 de clase 2. Del grupo 2, o las basadas en la eficiencia de los factores, clasificaron 48; de las cuales son de clase 3, 23 y clase 4, 25 regiones. Por otra parte, del grupo 3, o intensivas en recursos naturales, se contabilizaron 33 regiones, de las cuales 9 son de clase 5, mientras que las 24 regiones restantes son de clase 6.

Determinación de los vínculos de transferencia de tecnología

Una vez definido el rol de las regiones, el paso siguiente fue establecer los vínculos o enlaces entre ellas. De nuevo la técnica del ACM fue de gran utilidad porque permite obtener el perfil fila o columna de una determinada variable (^{Greenacre, 2008}). Aquí se calculó la probabilidad de que, si una región ocupa un lugar en la economía del conocimiento según el KWCI, puede que ocupe un determinado lugar en globalización en el GaWC. En términos de transferencia de tecnología mediante la probabilidad condicionada, se puede inferir que dado el nivel de conocimiento que posee una región, cual es la factibilidad de globalizarse, intercambiando tecnología y conocimiento, mediante la inversión extranjera, pasajeros e información.

Para establecer la probabilidad de los vínculos, se siguieron dos pasos: en primer lugar, se calculó el perfil fila de cada una de las categorías de las regiones; es decir, dada la intensidad en conocimiento de una región, como líder, seguidora, emergente, en transición o rezagada, se calculó que fuera alpha, beta, gamma o suficiente en globalización. El segundo paso fue calcular la probabilidad de que ocurra el evento de transferencia de tecnología entre las regiones. Para ello se multiplicó el perfil fila de las regiones clase X con cada uno de los perfiles columna de las demás clases. Cada multiplicación arrojó un único valor, que determina la probabilidad de transferencia de conocimiento entre las distintas clases de regiones. Estos resultados se recogen en la tabla 5.

Tabla 5 Matriz de probabilidades de vínculos entre regiones 

Fuente: elaboración propia.

La tabla muestra la probabilidad de que existan vínculos entre las regiones. Se destaca que las mayores probabilidades están en los enlaces entre las regiones de la misma clase. Las regiones clase 1 se relacionan bien con las regiones de las otras clases, especialmente con clase 2 y clase 5, y se relacionan muy poco con clase 3. A partir de esta tabla se definen como vínculos fuertes y de doble vía los que superan 0,25 y de una sola vía, las menores de este valor.

Construcción de las redes de transferencia de tecnología entre regiones

Para la construcción de las redes objeto de análisis, se procedió de la siguiente manera: en primer lugar, las regiones se clasificaron en tres grupos, las del grupo 1 se denotan mediante círculos, las del 2 con cuadrados y las del 3 con triángulos. Por otra parte, a cada una de las clases de regiones se les asignó un color, así: las de clase 1 son de color rojo, las de la 2 son naranjas, las de la 3 son amarillas, las de la 4 son verdes, las de 5 moradas y las de clase 6 grises.

Dado que se pretenden probar las diferencias en el proceso de transferencia de tecnología entre regiones de diferente nivel de desarrollo y el rol que las regiones juegan como receptoras o transmisoras de tecnología, se diseñaron tres redes: la primera, entre las regiones del grupo 1 y 2, que incluyen a las clases 1, 2, 3 y 4; para lo que se elaboró una matriz de 104*104 regiones. Por su parte, en la segunda red se involucraron a las regiones de los grupos 1 y 3, con las clases 1, 2, 5 y 6; para lo que se diseñó una matriz de 99*99. Finalmente, la red 3 se construyó tomando las regiones de los grupos 2 y 3, y las clases 3, 4, 5 y 6; aquí la matriz fue de 81*81.

Para establecer los vínculos, en todas las tres redes se partió de los cálculos de la tabla 5. Se planteó que existe una relación de doble vía o bidireccional entre dos regiones si la probabilidad de que ocurra un evento típico de transferencia de tecnología es mayor o igual a 0,25. Mientras que se plantea que existe una relación en una sola vía de una región de clase superior a una inferior si la probabilidad de ocurrencia de la transferencia de tecnología es menor a este valor.

Se usó el programa Ucinet para calcular las propiedades de conectividad, distancia, equilibrio de la red, y los indicadores de cercanía, poder e intermediación, y el programa Net Draw, para obtener los grafos de las redes.

Análisis de resultados: características del PIT entre regiones

Antes de presentar los resultados, se describen las características de las regiones objeto de análisis, en función de la localización geográfica y posicionamiento en el GaWC y el KWCI. Dentro del grupo de las 137 regiones, 15 de las 40 regiones que componen el RG1, se encuentran en Estados Unidos, 3 en Alemania, 2 en Canadá y 1 se localiza en cada uno de los siguientes países: China, Austria, Suecia, Suiza, Noruega, Francia, Australia, República de Singapur, República Eslovaca, República Checa, Reino Unido, Bélgica y Luxemburgo. En cuanto al grado de globalización de las RG1, 8 califican como alpha, 6 alpha+, 10 betas, 3 gammas, 5 suficientes y 1 no-globalizada. Finalmente, según su competitividad en la economía del conocimiento, 9 de las RG1 son líderes, 12 seguidoras, 9 están en transición y 3 son emergentes.

Ahora bien, de las RG2 identificadas, Alemania y Suecia cuentan cada uno con 4; Reino Unido, Finlandia y Japón, con 3; Australia, Canadá y Estados Unidos, con 2, e Israel, Francia, Hungría, Islandia, Brasil, Dinamarca, Italia, Korea del Sur, Austria y Países Bajos cuentan cada uno con 1. En función del grado de globalización, 1 es alpha, 1 más es alpha+, 9 son beta, 3 gammas, 7 suficientes, 12 no-globalizadas. En relación con la economía del conocimiento, de las RG2 solo 1 es líder, 11 seguidoras, 6 emergentes, 11 están en transición y 3 rezagadas.

Por último, en cuanto a su localización, se tiene que 8 de las RG3 se encuentran en México, 6 en Brasil, 5 en China, 4 en Colombia, 2 en India, 2 en Chile y 1 en Argentina, Perú, Letonia, Lituania, Estonia y España. Mientras que, en relación a su grado de glo- balización, 5 son alpha, 1 es alpha+, 5 son betas, 5 más son gammas, 9 son suficientes y 8 no-globalizadas. En cuanto al nivel de conocimiento, de las RG3, 23 son rezagadas, 9 emergentes, 1 en transición y ninguna es seguidora ni líder. En la tabla 6 se presentan los resultados obtenidos.

Tabla 6 Indicadores de la dinámica del PIT entre regiones 

Fuente: elaboración propia.

En esta tabla se recogen tres tipos de indicadores, los que describen la propiedad de la conectividad, que incluye la densidad, el grado nodal y el indicador alpha. El segundo conjunto de indicadores son los de la distancia; aquí entran la distancia geodésica, el diámetro, la compactación, la fragmentación. Por último, se presentan los indicadores del equilibrio y linealidad del PIT, medido mediante la reciprocidad y transitividad de la red. A partir de la tabla 6, se deducen las diferencias entre los tres PIT.

El PIT entre las regiones de primer y segundo nivel de desarrollo

La estructura del PIT entre las regiones de esta clase se recoge en la figura 3. Aquí se describe el PIT entre las regiones más desarrolladas del mundo.

Fuente: elaboración propia.

Figura 3 Representación del PIT'NL: entre regiones de primer y segundo nivel de desarrollo 

El grafo de la figura 3 es muy similar al de la figura 1, con spillovers recíprocos, en donde las relaciones van en doble sentido. Los indicadores de las propiedades de la red permiten explicar el PIT entre esta clase de regiones. Una mirada a la primera columna de la tabla muestra que la red 1 evidencia que el PIT entre las regiones de esta clase es el más complejo y de mayor tamaño; debido a que como participan 104 regiones, tiene un tamaño de 10712 relaciones posibles. Por su parte, la densidad del 72% indica que se presentan 7764 de las relaciones reales. En esta red se percibe que en el PIT de este tipo cada región tiene intercambios con el 75% de las regiones, en promedio (74,654 según datos del degree). La conectividad alpha es de 0,996, muy cercana a 1, lo que indica que es un PIT muy conectado. De aquí se infiere que el PIT entre las regiones más desarrolladas del mundo tiende a ser de muy pocos agujeros estructurales, por lo que el PIT es un proceso fluido y con pocas barreras o agentes que lo frenen.

Los resultados aquí obtenidos justifican la afirmación de ^{Carayannis et ál. (2017)} respecto a que los clústeres localizados en las regiones de Estado Unidos, Europa Occidental y Asia están altamente conectados. Y que ^{Narula y Pineli (2017)} proponen que en estos países la IED fluye más rápido gracias a la homogeneidad de las instituciones y de la estructura económica. Usando el ARS también se prueba que las regiones más intensivas en el PIT son las calificadas por la OCDE (2012), el GaWC (2016) y el KWCI (2014) como las más innovadoras, alpha o beta en globalización y líderes o seguidoras en la economía del conocimiento.

Los resultados de la tabla 6 permiten explicar por qué el PIT entre regiones desarrolladas es un PIT'NL; esto lo certifica el hecho de que la distancia geodésica o el camino más corto entre un par de regiones es de 1,1, con una desviación estándar de 0,3. En este PIT, el 72,5% de las relaciones están a un paso (7764 relaciones con una distancia de 1). Así mismo, el 6,4% (equivalentes a 682 con distancia de 2) y el 21v,2% de las relaciones son de distancia infinita (2266) o no tienen caminos ciertos para vincularse. Esta red experimenta una cohesión de 0,757 y de fragmentación de 0,243; de aquí se deduce que es un PIT muy articulado. La proximidad entre las regiones que participan en el PIT'NL se presenta gracias a la reducción en los costos de transporte y comunicación; lo que ha reducido la distancia geográfica; además, la globalización y la presencia de organismos multilaterales como la OCDE, la UE y la OMC también han homogeneizado las políticas y las instituciones, lo que ha aumentado la proximidad institucional y cognitiva (^{Balland, Boschma y Frenken, 2015}).

Por otro lado, los datos de la red evidencian que la no linealidad del PIT se debe a que la red experimenta una reciprocidad equivalente a 74,7%. Y una transitividad de 53,77%.

Lo que indica que, si una región A establece un PIT con otra B y a su vez B contacta con C, entonces es altamente probable que A contacte con C. Al respecto ^{Balland et ál. (2015)} han mostrado que, entre mayor cercanía entre regiones, mayor será la probabilidad de transferencia de conocimiento; lo que también han corroborado ^{Gertler y Levitte (2003)}.

La transferencia de tecnología entre regiones desarrolladas y de menor nivel de desarrollo

Debido a que la hipótesis de este trabajo busca establecer las diferencias en el PIT entre regiones de diferente nivel de desarrollo, en este apartado se evalúan dos PIT, el de las regiones de primer y tercer nivel, y el de las de segundo y tercer nivel de desarrollo; es decir se evalúa el PIT entre regiones de distinta estructura económica.

El PIT entre las regiones de primer y tercer nivel de desarrollo

Los rasgos del PIT entre estas regiones se recogen en la red 2 y en la figura 4.

Fuente: elaboración propia.

Figura 4 Representación del PIT'L: entre regiones de primer y tercer nivel de desarrollo 

El gráfico de la figura 4 es semejante al de la figura 2; aquí se evidencia que entre las regiones consultadas se configura un PIT donde predominan los vínculos que van en una sola dirección, esto es, una red con spillovers unilaterales. Esta es la forma tradicional en la que se transfiere tecnología a las regiones y los países en vía de desarrollo (^{Narula, 2010}); se afirma que este es un proceso lineal porque el conocimiento circula en un solo sentido. Las características del PIT'L se describen con los indicadores de la columna 2 de la tabla 6.

Aquí se observa que el PIT entre las regiones de primer y tercer nivel de desarrollo involucra a 99 regiones, por lo que el tamaño es de 7832 posibles conexiones; no obstante, la densidad es de 3517 vínculos reales (con una DS de 0,497), equivalentes al 44,9% del total. En esta red cada región tiene la posibilidad de hacer intercambios, en promedio, con el 45% de las regiones; debido a que el índice de degree es de 39,517 enlaces. Por su parte, el índice de conectividad es del 0,98; lo que indica que la red tiene un nivel de conexión aceptable. Estos datos evidencian que esta red es de una estructura frágil, con muchos agujeros estructurales, con tendencia a formar subredes, con un PIT jerárquico y concentrado en pocas regiones.

Los indicadores de las propiedades de esta red permiten comprender por qué la transferencia de tecnología hacia los países en desarrollo es menos intensa, más escasa y específica, basada más en tecnologías duras o máquinas (^{Albornoz y López, 2015}). ^{Narula y Michel (2009)} afirman que la IED entre los países en desarrollo es muy poca, debido a que las multinacionales tienen solo incentivos para extraer riqueza y no para coproducir conocimiento. Es de resaltar que las regiones que participan en este PIT tienden a fundamentar la competitividad en recursos naturales (OCDE, 2012); califican como gamma y suficientes en el ranking del GaWC (2016), y como de transición y rezagadas en la economía del conocimiento ^{Huggins et ál. (2014)}; lo cual indica que estas regiones son más receptoras que transmisoras de tecnología.

Ahora bien, en cuanto la propiedad de distancia de la red, se evidencia que la distancia geodésica entre las regiones RG1 y RG3 en promedio es de 1,3 (con una DS=0,5); aquí, el 44,9% (3517) de las relaciones están a un paso de establecer contactos, mientras que el 20,1% (1576) lo están a 2 pasos; y el 35% (2739) de relaciones no pueden articularse. Lo cual justifica que el nivel de fragmentación sea de 0,45 y el de compactación de 0,55. Aunque los costos de transporte y comunicación han disminuido la distancia entre agentes de las regiones, todavía persisten las brechas tecnológicas e institucionales entre ellos (^{Narula y Pineli, 2017}), lo que no ha permitido una mayor proximidad cognitiva ni la organizacional. En este sentido, ^{Casas y Gortari (2001)}, y ^{Caicedo (2012)} han mostrado que la relación entre las organizaciones de los SRI en México y Colombia experimentan una baja proximidad y alta fragmentación; por lo tanto, existe una baja probabilidad de trasferencia de conocimiento.

En cuanto a la linealidad del PIT entre estas regiones, los indicadores de reciprocidad y transitividad arrojan luces. En la tabla se observa que la reciprocidad entre las regiones de primer y tercer nivel de desarrollo es muy baja, apenas del 35,7%, inferior al 50%. Por otra parte, las relaciones entre tres o más agentes es mucho más crítica, apenas si alcanza el 16,38%; por lo que se infiere que el proceso de transferencia entre este tipo de regiones es más de un PIT'L, direccionado unilateralmente.

En este tipo de PIT las empresas locales se enganchan débilmente a las cadenas globales de valor y, cuando participan, lo hacen como proveedores de materias primas, compitiendo con proveedores de otras partes del mundo, con escasa rentabilidad de sus productos (^{Pietrobelli y Rabelloti, 2011}).

La transferencia de tecnología entre las regiones de segundo y tercer nivel de desarrollo

En esta investigación se consideró pertinente investigar el PIT entre regiones de segundo y tercer nivel de desarrollo. Las particularidades de este tipo de PIT se recogen en la red 3 y se ilustran en la figura 5.

Fuente: elaboración propia.

Figura 5 Representación del PIT'L: entre regiones de segundo y tercer nivel de desarrollo 

En el grafo de la figura 5 se evidencia que el PIT entre estas regiones es similar al de la figura 2; lo que permite deducir que este proceso es más del tipo PIT'L. Ahora bien, como se muestra en la columna 3 de la tabla 6, intervienen 81 regiones; el tamaño de esta red es de 6480 relaciones posibles. Se observa una densidad de 28,2%, dado que 1826 vínculos son reales (con una D'S de 0,45). En esta red una región se relaciona como máximo en promedio con 23 regiones. El PIT tiene una conectividad alpha de 0,969. De aquí se infiere que este PIT es el más débil, con menor tamaño, muchos agujeros estructurales y una menor diversificación entre las alternativas de transferencia.

Los datos permiten inferir que en este PIT'L las redes tienden a ser más simples, con vínculos en una sola vía, muy abiertas y con muchos agujeros que provocan fugas de información y conocimiento (^{Casas et ál., 2013}; ^{Caicedo, 2012}).

Los resultados son los esperados, debido fundamentalmente a que aquí participan regiones de segundo nivel que buscan intercambiar con otras de menor desarrollo que apenas logran ser de transición o rezagadas en la economía del conocimiento, y gamma, suficientes y las menos globalizadas. Por consiguiente, la IED se localiza en menor proporción, debido a que los SRI de estas regiones tienden a ser débiles, fragmentados y desarticulados (^{Caicedo, 2012}).

En términos prácticos del PIT'L, los spillovers que les quedan a las regiones de menor desarrollo son formas de organización administrativas, proveedores formados alrededor de unas tecnologías específicas, instalaciones y algunas infraestructuras. Spillovers que en muchos casos no incrementan la PTF y que, contrario a lo esperado, profundizan las desigualdades sociales (^{Suanes y Roca-Sagalés, 2015}).

El proceso experimenta rezagos en el flujo de la IED, a la vez que en la colaboración de las relaciones para la creación y explotación del conocimiento y la cooperación.

Ahora bien, esta red experimenta una mayor disfuncionalidad que la anterior; como se observa, la distancia geodésica es de 1,4 con una desviación de 0,6; con un diámetro de 3. Aquí existe un 28,2% (1826) de relaciones en las que una región solo necesita un paso para intercambiar con otra, un 11,7% (759) necesitan 2 pasos y un 2,1% (135) necesitan 3; pero más del 50% de las relaciones no tienen salida o no se cumplen, dado que se evidencia que 3760 tienen distancia infinita. En cuanto a la cohesión, esta es de 0,347 y la fragmentación, de 0,653. Todo lo anterior evidencia que entre estas clases de regiones el PIT es muy débil, poco fluido y con la mayor cantidad de circuitos rotos.

En este sentido, el PIT entre estas regiones es más lineal y simple que el de la anterior red. Esto lo refleja el hecho de que la reciprocidad de díada es de 25,4% y la transitividad de 6,87%. La debilidad de la red se justifica en función de la existencia de relaciones de menor intensidad, al parecer las RG2 y las RG3 prefieren intercambiar tecnología con las RG1 antes que entre ellas.

Aquí, al igual que en la red 2, los vínculos son unidireccionales, en el sentido de que los spillovers y las demás formas de transferencia van de las regiones de segundo a las de tercer nivel de desarrollo.

Para finalizar este apartado de resultados, se puede deducir que se cumple la hipótesis de diferencia entre los PIT de las regiones asociadas a su nivel de desarrollo, debido a que el PIT entre regiones de primer y segundo nivel es mucho más intenso, que el de las de primer y tercero; y segundo y tercer nivel de desarrollo.

Evaluación de las regiones como transmisoras y/o receptoras de tecnología

El análisis del rol de las regiones como transmisoras y/o receptoras de tecnología parte del reconocimiento de que las regiones no son autosuficientes a la hora de generar toda la tecnología necesaria para competir; por lo que tienen que importar y exportar conocimientos. En esa perspectiva, los índices de closeness, degree y el de intermediación, proporcionan información relevante. Esta se presenta en la tabla 7, donde se recogen los índices de medida del rol de las 6 clases de regiones que se obtuvieron mediante el ACM.

Tabla 7 Evaluación del rol de las regiones como transmisoras y/o receptoras de tecnología 

Fuente: elaboración propia.

Como se esperaba, las regiones de clase 1 son las que experimentan mayores valores en outcloseness y outdegree que en inclosenesss e indegree; y tienen los mayores valores de intermediación o betweenness. Estos datos corroboran la idea de que las regiones de esta clase juegan más un rol de transmisoras que de receptoras de tecnología, y resaltan el importante papel que juegan como intermediarias. Aquí se destacan cuatro regiones que poseen el máximo índice de outcloseness, de 100%; y el mínimo de incloseness, equivalente al 4% (4,348). A su vez, son regiones que tienen el máximo outdegree (103), un indegree de 81 y un betweenness o intermediación de 13,373. Estas regiones son: Southern-Kanto (Tokio), IleDeFrance, Londres (Greater London) y Nueva York, las cuales son las regiones más competitivas de la clase 1 de las regiones más ricas e innovadoras.

Es de resaltar que, aunque hacen parte del grupo 1, se distinguen dos tipos de regiones de clase 2, uno en el que sobresalen Singapur, Madrid y Taiwán, y otro donde juegan un papel de transmisoras de menor intensidad Oklahoma, Nevada y Bremen por ser del grupo de las regiones más ricas. No obstante, respecto a esta clasificación debe tenerse en cuenta que son regiones alpha, líderes en la economía del conocimiento y fundamentadas en la innovación.

En cuanto a las regiones del grupo 2, sobresale el hecho de que las de clase 3 destacan con índices similares a las del primer tipo de clase 2, en donde las regiones se subdividen en dos categorías; en la primera resaltan Dinamarca, Michigan y Seoul como las más transmisoras de tecnología, y como de menor intensidad se identifican a Kinki (Kansai), Eastern (East of England) y Emilia-Romagna. Estas regiones tienen en promedio un incloseness de 2,123 y un indegree de 81; así como un outcloseness de 1,235, un outdegree de 81 y betweenness de 0.

En las regiones de clase 4, los resultados muestran que resaltan como las más transmisoras Berlín, Israel y Quebec; y, en un segundo lugar, Comunidad Autónoma de Cataluña, Distrito Federal y Brasilia DF, las cuales tienen un incloseness de 4,484 y un mínimo outcloseness (0,962); así mismo, un indegree de 51, un outdegree de 0 y un betweenness de 0. Las regiones de la clase 3 y 4, por pertenecer al grupo de las de segundo nivel de desarrollo, son más transmisoras que receptoras; pero si se comparan con las más desarrolladas, tienen menos índices de closseness, degree y betweenness. Aquí las regiones son seguidoras y emergentes en el KWCI, corresponden a aquellas que basan su competitividad en la eficiencia de los factores, a la par que son globalizadas.

Por último, el análisis del rol de las regiones de tercer nivel de desarrollo arroja que entre los territorios de clase 5 se destacan: Shanghai, Maharashtra, Estado de Karnataka y Beijing, con el mínimo incloseness, de 2,066; un indegree de 10 y de intermediación 0; mientras que como transmisoras dentro de esta clase tienen un outcloseness de 100 y un outdegree de 80; lo cual evidencia que entre las regiones de menor nivel de desarrollo son las más transmisoras de tecnología.

Finalmente, en las regiones de clase 6 sobresalen Antioquia, Aguascalientes, Río grande do Sul y Valle, como los territorios que tienen máximo incloseness, equivalente a 4,314; mínimo outcloseness, de 1,124; así como un outdegree de 0, y de intermediación 0; tienen un indegree de 50. Lo cual indica que entre las regiones de menor desarrollo son las más receptoras y menos transmisoras.

De acuerdo con los hallazgos se puede decir que, en general, las regiones que pertenecen al primer grupo de cada clase (desde las de clase 1 a la 4) son las más transmisoras de tecnología y, aunque son receptoras, su rol es el de generar conocimientos para el resto del mundo.

Por su parte, entre las regiones de menor desarrollo sobresalen las de la clase 5, donde se destacan regiones que, aunque reciben mucha tecnología del resto del mundo, han logrado algún grado de generación de conocimiento, lo que explica su capacidad para ser competitivas. Por último, se tienen regiones que son consideradas como receptoras netas de tecnología, por lo que están en menor ventaja competitiva y apenas ganan por sus ventajas comparativas gracias a los recursos naturales; esto justifica su rezago en conocimiento y su posicionamiento como gamma y suficientes en globalización.