elmarketingestácambiando. unmodeloeconométricosobre ...€¦ · podemos definir un modelo de...

[247]

74710

septiembre · diciembre 2010 · esic market

El marketing está cambiando.Un modelo econométrico sobremarketing y nuevas tecnologíasGarcía Martín, G. (2010). “El marketing está cambiando. Un modelo econométrico sobremarketing y nuevas tecnologías”, EsicMarket, Vol. 137, pp. 247-273.

ResumenLa gestión del cambio siempre ha sido un tema de vital importancia en elsector empresarial, y es más, cuando este cambio se refiere al ámbito tec-nológico, el efecto es aún más dramático. En este artículo veremos cómoel cambio tecnológico que ha supuesto la irrupción del fenómeno Internetha afectado la forma de hacer marketing de las empresas, pasando del mar-keting tradicional a lo que se denomina e-Marketing. Posteriormente seelabora un modelo microeconométrico de variable censurada con sesgo deselección muestral que analiza la influencia que ejercen, sobre el porcenta-je de gasto en innovación dedicado a marketing, diferentes variables decaracterísticas 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 laempresa, el volumen de ventas, el hecho de pertenecer a un tramo mayordel volumen de gasto en innovación, o el porcentaje de la cifra de negocioscorrespondiente a productos introducidos o sensiblemente mejorados.

Palabras clave: cambio tecnológico, marketing electrónico, modelos deelección discreta, sesgo de selección muestral.

Códigos JEL: M31, O33, C24, C25.

Guillermo García MartínLicenciado 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 [email protected]


el marketing está cambiando. un modelo econométricosobre marketing y nuevas tecnologías

[248]

748 10

1. IntroducciónLa 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 enpapel (nóminas, facturas, etc.). En la actualidad las TIC juegan un papelbastante más importante llegando a ser fuente de ventaja competitiva demuchas compañías.En general resulta interesante conocer los hábitos de utilización de

Internet por parte de los trabajadores en las empresas, así como saber quétipo de controles se establecen para su buen uso (Fontrodona y García,2002). En este mismo sentido en Riverola (2003) se analizan los proyectosde e-Business ofreciendo una radiografía de la aplicación de Internet en losnegocios de la gran empresa española, de la opinión de la alta direcciónsobre la misma y de los responsables de los departamentos vinculados a losproyectos 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 direccióncomercial, del personal y del cliente), como lo son el resto de indicadoresdel 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 deorganización, aunque no deja de ser “tan sólo un paso más de una largaevolución”. En Sieber y Valor (2005) se definen los criterios que las empre-sas utilizan para adoptar las nuevas tecnologías, mientras que en Sieber yValor (2006) se distingue el impacto de las TIC en diferentes áreas de laempresa: adopción de tecnología e infraestructura, interacción con el clien-te y los proveedores, resultados de negocio, organización interna, etc., conel objeto de analizar cómo afecta ese impacto y cuáles son los principalesdesafíos que las TIC plantean al sector empresarial español, comparandolos 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-


septiembre · diciembre 2010 · esic market [249]

74910

cado al sector industrial, donde se analiza cómo algunas compañías hanconseguido 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 organizacionesde las empresas y en las prácticas de trabajo (Sieber, 2007). En él se vecómo las TIC han ayudado a mejorar la competitividad de las empresas,contribuyendo a incrementar su eficiencia y el nivel de penetración en elmercado. Resulta también interesante analizar el informe FundaciónCotec (2007) para poder tener una visión general de la tecnología y surelación 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 InnovaciónTecnológica elaborada por la Comisión Europea (CIS) se analiza la activi-dad innovadora desde diversas perspectivas, que van desde el estudio delos 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 quela 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 ElectrónicoLa gestión del cambio es, quizá, uno de los procesos empresariales másimportantes a los que debe hacer frente la gran mayoría de las empresasen algún momento de su vida. Es importante ser conscientes del papel ajugar 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 (Dela Rica, 2000), hacia un nuevo concepto: el marketing electrónico. En estenuevo 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



imagen de la empresa, las garantías, el servicio de atención al cliente, eldominio, 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, queno es otra cosa que People, la gente; es decir, tener en cuenta al cliente enla consecución de los objetivos de marketing. Además en Flavián y Guina-líu (2007) destacan tres conceptos básicos en las relaciones establecidas através de Internet, familiaridad del usuario, reputación del servidor y leal-tad del usuario al servidor, y se concluye que para incrementar la lealtadde los usuarios web, los servidores 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, usabilidady accesibilidad) en el desarrollo de la gestión comercial. Las conclusionesfinales son que el diseño tiene una importancia significativa en todo entornovisual, 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 nospuede abocar al fracaso. Por otro lado en Ruiz y Sanz (2007) se describen losmétodos de venta a través de medios directos como complementarios a laventa en los establecimientos tradicionales con el fin de conocerlos en mayorprofundidad, haciendo especial énfasis en la venta por televisión donde pri-man la comodidad y conveniencia de la compra. La conclusión final es quelos usuarios que acuden a establecimientos tradicionales lo hacen por que lacompra 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 laentrega 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



En Pérez-Cabañero (2007) se analiza el proceso de búsqueda externa deinformación, previo a la compra, comparando el proceso en bienes y enservicios. En este artículo se formulan dos hipótesis que quedan finalmen-te contrastadas: primero, el consumidor busca más información cuandoquiere comprar bienes que cuando compra servicios; y segundo, busca másfuentes de información en bienes que en servicios. Además como podemosver en Martín y Quero (2004) las empresas que han creado páginas web sehan visto influenciadas por el enfoque relacional, y así se observa cómo enel diseño de la mayoría de las páginas web se incluye algún tipo de herra-mienta de marketing relacional. En el lado opuesto nos encontramos conalgunos autores que abogan por la revisión radical de las variables del mar-keting mix (Vallet y Frasquet, 2005) proponiendo diversas soluciones a lasituación 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 elque queda constancia de la problemática de valoración de la imagen demarca de una empresa así como de su importancia. De hecho el valor demarca 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 nuevosmedios 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 delWOM (Word Of Mouth) como una nueva forma de comunicación de lasempresas, analizando las causas de que se haya convertido en una potenteherramienta de marketing. Resulta también interesante el artículo de Álva-rez, Santos y Vázquez (2005), que es una recopilación de las principalesescalas de medida que se utilizan habitualmente para conocer el grado deorientación al mercado que tiene una empresa. La medición del grado demarketing 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 vinculadascon clientes, observándose en la mayoría de las escalas analizadas, según

[251]

75110



los autores, una carencia casi total de cuestiones relativas a la competenciay 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 Sistemasde Información de Marketing no como meras cajas tecnológicas que úni-camente procesan toda la información de la empresa, sino como gestoresde toda la información de marketing. Así el SIM debería utilizarse comoModelo 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 demuchas organizaciones. En el presente artículo se estudia la situación encuanto a inversión e innovación tecnológica con un modelo microecono-métrico. Este análisis va a utilizar diferentes metodologías basadas enmodelos de elección discreta, utilizando datos de la Encuesta Sobre Inno-vación Tecnológica en las Empresas 2000, del INE. A lo largo de lassiguientes páginas desarrollaremos un modelo para poder observar la inno-vación tecnológica en las empresas españolas durante el año 2000.

1.2. Modelización econométricaDentro de la teoría económica del mercado laboral, el análisis de las ecua-ciones de salarios ha sido tratado en multitud de artículos, tanto teóricoscomo empíricos. Estos estudios son los más utilizados en la literatura cuan-do hablamos de microeconometría y de modelos de elección discreta, y sebasan 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 procesosinformáticos 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 unarestricción presupuestaria, y la decisión sobre participar o no en el merca-do laboral vendrá determinada por las preferencias sobre consumo, ocio,

[252]

752 10



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, esdecir, 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 mercadolaboral. 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 elindividuo no participa, si ωωR < ωωM el individuo participa y si ωωR = ωωM elindividuo 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 oen 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 obtenemosel modelo Logit o logístico, y utilizando una función normal obtenemos elmodelo Probit o probabilístico. Un segundo tipo son los modelos convariable dependiente censurada, en los que se observan las variables inde-pendientes para toda la muestra y la variable dependiente se observa sólopara el rango de valores no censurados. Y por último, tenemos el modelocon variable dependiente truncada, que es similar al censurado, pero en elque tanto las variables independientes como la dependiente se observansólo 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 ofcorners, kinks andholes de S. Pudney, encontramos una completa descripciónde los problemas de especificacióneconométrica que surgen por utilizarvariables discretas.


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, hade decidir cuánto participar (en el caso del mercado laboral cuántas horastrabajar, en el caso del proceso de innovación cuánto gastar en marketing).En Kalb y Scutella (2003) encontramos el modelo bietápico de Heckmanaplicado a la estimación de una ecuación de salarios. Estudios similaresson 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 relacionaneconometría y marketing, como es el caso de Allenby y Rossi (2003) dondese revisa la esencia de la aproximación bayesiana explicando por qué esespecialmente útil cuando se enfoca hacia la solución de problemas de mar-keting. Un estudio similar utilizando también métodos bayesianos lo vemosen Chiu, Gilbride, Kao y Otter (2005). Además, podemos encontrar intere-santes modelos econométricos sobre innovación en Baumert, Buesa, Heijs yMartínez (2002), en Acosta (1995), en EU Research on Social Sciences andHumanities (2005), o en Benavente (2005) donde se evalúa el impacto sobrela 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 essolucionado 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 modeloeconométrico que se va a utilizar. En el capitulo tercero definimos las ecua-ciones a estimar, tanto del modelo de selección o participación (modeloProbit), 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 aser utilizada en el proceso de estimación. El penúltimo capítulo muestra losresultados obtenidos en las estimaciones: modelo de selección y modelo de

[254]

754 10



comportamiento, así como la diagnosis del modelo. El trabajo finaliza conel capítulo de conclusiones y con el de bibliografía utilizada.

2. Marco teóricoComo acabamos de ver la primera decisión que ha de tomar la empresa esla de si participar o no en el proceso tecnológico. Como podemos ver en lafigura 1 dicha decisión viene determinada por la divergencia existente entreel beneficio que se obtiene por innovar o beneficio de mercado –bM– ybeneficio mínimo que cualquier empresa considera necesario para realizarla inversión en tecnología, o beneficio de reserva2 –bR–. De tal modo quesi bR > bM la empresa no innova, si bR < bM la empresa innova y si bR = bMla 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 todala 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 estambién conocido como modelo Tobit censurado.

[255]

75510

Figura 1. Proceso de Decisión de Participación

MUESTRATOTAL

¿Innova?

NO

bR >= bM

bR < bM

GMARKET=0

NO

MUESTRASELECCIONADA

GMARKET>0

Sesgo de Selección Muestral

SIPARTICIPA EN EL

PROCESO

(2) El nombre de “beneficio de reserva”no es sino una aproximación a lo queen teoría económicadel mercado laboral seconsidera “salario dereserva”: que es elsalario mínimo que losindividuos tienen encuenta a la hora de considerar su participación o no enel mercado laboral.

¿Dedica una parte de su presupuesto a

marketing?SI



Esta decisión marca el devenir del modelo ya que, como sólo estimare-mos ecuaciones de gastos para empresas que innovan y dedican parte delgasto en innovación a marketing, se produce claramente un sesgo porselección 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 (Tobitcensurado), 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 elmodelo 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 ovalor extremo, aunque generalmente se utiliza la función normal (modelobinomial probit).2º) Estimar por MCO la ecuación: Yn = Xnβ + σλ(Znα) + εn [4]

utilizando sólo las observaciones positivas, donde λ(Znα) se denominainversa del ratio de Mills, también llamada corrección de Heckman, que sedefine como: λ(Znα) = φ (Znα)/Φ(Znα)[5]siendo φ (Znα) la función de densidad del modelo binomial de selecciónmuestral, Φ(Znα) la función de distribución y αα el parámetro estimado enla primera etapa. Además σσ es la covarianza entre el término de error de laecuación 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 ecuaciónde gasto en marketing tenemos en cuenta la selección muestral derivada deno 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 delratio de Mills (l) nos muestra la importancia de la selección muestral y nos

[256]

756 10

ˆ ˆ

ˆ ˆ

ˆˆˆˆ

ˆˆ ˆ



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 elobjetivo es estimar la probabilidad de participar: P(En = 1) = F(Znα), y lade no participar: P(En = 0) = 1 – F(Znα), donde F(Znα) es una función dedistribución elegida para garantizar que las probabilidades se encuentranen 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 todaprobabilidad, [0,1]:

[6]

2º) Una función de distribución logística, con lo que obtenemos elmodelo 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 característicasde 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 participacióncomo el siguiente: I*n = Xnβ + un, siendo In una variable binaria que tienevalor 1 si la empresa participa en el proceso y 0 en caso contrario.

[257]

75710

~ ~

ˆ ˆˆ

( ) nn ZZF =

( ) ( ) ( ) ( )n

n

n Z

Z

Znn e

e

eZZF

+=

+==

111

( ) ( ) ( ) ( )n

n

n Z

Z

Znn e

e

eZZF

+=

+==

111( ) ( ) ( ) ( )n

n

n Z

Z

Znn e

e

eZZF

+=

+==

111

( ) ( )( )

==nZ

Snn dseZZF 2/

2/1

2

2

1

(3) Participar en nuestro modelo se definirá como innovary dedicar una parte delgasto en innovación amarketing.



[258]

758 10

3. Ecuaciones a estimarPara 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 Estadísticapara el año 2000. Esta encuesta nos informa sobre la estructura del procesode innovación mostrando las relaciones entre dicho proceso y la estrategiaque las empresas tienen en cuanto a tecnología. Por otro lado se disponeademás 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 deproducto o proceso en el año 2000. Además, Cataluña, Madrid, País Vas-co y Comunidad Valenciana son las comunidades con mayor gasto eninnovación. El gasto en actividades para la innovación tecnológica ascen-dió a 10.174 millones de euros en el año 2000, que frente a los 6.074millones 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 empresascon actividades para la innovación. Entre las actividades innovadoras des-tacaron las actividades de I+D, interna o externa (que representaron el41,45% 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 queel 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 lasprimeras posiciones (prácticamente las 20 primeras posiciones son de empre-sas clasificadas como innovadoras en tecnología) con porcentajes que vandesde el 45% de empresas que invierten en el sector de Otras Actividades



Informáticas hasta el 77% de participación en el proceso de innovación quese 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 quemayor número de empresas, porcentualmente, participan en el proceso deinversión en marketing (33%), seguido de Instrumentos Médicos y de Pre-cisión (25%). Cabe destacar el bajo porcentaje obtenido por ConstrucciónAeronáutica y Espacial, que si bien tiene un alto porcentaje de empresasque participan en innovación (45%), pocas de ellas dedican parte de sugasto a tareas de marketing (3%).

[259]

75910

Figura 2. Proceso de Modelización Econométrica

MODELO DE PARTICIPACIÓN

NOCIFRA DE NEGOCIO

(Ventas)

GRUPO DE EMPRESAS

FINANCIACIÓN(Nacional + UE)

EMPRESA TECNOLÓGICA

INVERSA RATIODE 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 MuestralPARTICIPACIÓN(EMV Mod. Probit)

Variables del Procesode Participación

Variables del Procesode Comportamiento

Estimación de laEvaluación del Gasto

Estimación delModelo Probit

SÍ

MODELO DE COMPORTAMIENTO



Pero nuestro estudio trata sobre las empresas que, además de innovar,invierten parte de su presupuesto en marketing. Así, de las 3.767 empresasinnovadoras, el 72,6% (2.735) no dedican a esta parcela nada de su gastoen innovación, mientras que el 27,4% (1.032) sí lo hacen. En la figura 2podemos ver el esquema de funcionamiento del proceso econométrico quevamos a llevar a cabo. Una vez obtenida la muestra (con sesgo por selecciónmuestral) del proceso de decisión (ver figura 1), definimos el modelo de par-ticipación como un modelo de elección discreta binario que estimaremospor 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 pertenenciao 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, queentrará en el modelo de comportamiento (ecuación de gasto) como unavariable más en el modelo que será estimado por MCO utilizando única-mente los datos de las empresas que participan en el proceso, y usandocomo variable dependiente el logaritmo neperiano del gasto en marketing,y como variables independientes, además de la lambda de Mills, la cifra denegocio, 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 innovaen procesos o en productos, el volumen de gasto en innovación, así como siha introducido nuevos productos o ha mejorado los existentes.

3.1. Modelo de selección o participaciónPara la estimación del modelo de selección hemos creado la variable dico-tómica PARTn, que va a actuar como variable dependiente; es decir quetendrá 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 gastoen innovación (si la variable TRAMOINNn es 1, 2, 3 o 4) y dedica partede su presupuesto de innovación a marketing (si GMARKETn es positiva),tendrá el valor 0 en caso contrario. Así el modelo Probit que finalmente seestima por los métodos tradicionales es:

[260]

760 10



76110

[9]

Además las variables de ventas, VENTASXn, se construyen como cua-tro variables dummy indicando si el volumen de ventas de la empresa estáen el tramo 1, 2, 3 o 4 según vemos en TRAMOVENTASn. Y por últimotenemos la variable GREMPRDUMMYn, que es una variable dummy quevale 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 laempresa sea o no tecnológica, así en función del código de ocupaciónhemos clasificado las empresas entre innovadoras en temas tecnológicos yno innovadoras.

3.2. Modelo de ComportamientoEl 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 observamosdirectamente 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 MarcoComunitario). La variable COOPDUMMYn también es binaria (1, si coo-pera con otras empresas o instituciones sobre temas de innovación, y 0 encaso 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 enproducto y 0 en caso contrario; TRAMOINNn, que varía entre 1 (bajo) y4 (alto) en función del volumen de gasto en innovación de la empresa; y

(4) Calculamos el gasto en innovacióncomo la semisuma delos límites superior einferior del cuartil alque pertenece. Una vezobtenido el gasto eninnovación podemoscalcular la variableproxy del gasto enmarketing como: gn = Ln (GMARKETn ×

GTOINNOVn ).

nnn

nnnnn

uIDENTDUMMYFINADUUMY

YGREMPRDUMMVENTASVENTASVENTASPART

++

+++++=

65

43210 432

nnnn

nnnn

nnnn

uPRONUEVOTRAMOINN

YINPRODDUMMYINPROCDUMMCOOPDUMMYIDENTDUMMY

FINADUMMYVENTASREDEMPLEOREDLNGM

++++

+++++

++++=

(.))/(.)(ˆ98

7654

3210



[262]

762 10

por último PRONUEVOn, que es el porcentaje de la cifra de negocioscorrespondiente a productos introducidos o sensiblemente mejorados en elperíodo 1998-2000.

3.3. Hipótesis a contrastarEn nuestro modelo de comportamiento deberemos validar algunas hipóte-sis acerca del funcionamiento de las variables. La inversión que lleva acabo cualquier empresa está íntimamente ligada al buen funcionamientode la misma. Así nuestra inversión en innovación (y por consiguiente elporcentaje de gasto en innovación dedicado a marketing) deberán verseafectados por la buena marcha de la compañía, con lo que a medida quese incrementan los indicadores tanto de volumen de ventas como de núme-ro de empleados, debería aumentar el gasto en marketing vía incrementode la partida dedicada a innovación. Así podemos formular la

Hipótesis 1: un aumento de las variables que miden la cifra de negocioincrementa el gasto en marketing a través de un mayor gasto en inno-vación.

Otra de las variables del entorno que afectará al comportamiento delmodelo econométrico será la de si recibe o no financiación (tanto de orga-nismos nacionales como de la UE). En caso afirmativo no necesitarándedicar 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 menorgasto en innovación y por lo tanto un menor gasto dedicado a mar-keting.

Para el modelo de comportamiento que estimamos disponemos de unconjunto de variables que miden el grado de implicación de la empresa contemas de innovación. Estas variables son el volumen de gasto en innova-ción si ha sido catalogada como empresa tecnológica, si es una empresa



76310

innovadora en producto, así como si ha introducido nuevos productos oha mejorado los existentes. En general todo este conjunto de variablesposicionan a la empresa como innovadora y por lo tanto aquellas compa-ñías con valores mayores de estas variables dedicarán un mayor importe ainnovación 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 unamayor partida a gasto en marketing vía incremento del gasto eninnovación.

Mención aparte merecen otro conjunto de variables, que si bien sontambién indicadores de la implicación de la empresa en innovación, nodan lugar a incrementos del gasto en innovación, ya que necesitan partede los fondos de la empresa para su realización, y así hay que disminuirparte 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 eI+D o innovación en procesos.

4. Resultados de las estimaciones

4.1. Modelo de Selección o ParticipaciónPara 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 cadamodelo se calculan los aciertos que cada uno genera, obteniendo paranuestro 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 lavariable dependiente, PARTt (o sea 0.0876). Estos porcentajes de aciertono son superados por ninguno de los modelos de participación alternati-vos que se han estimado. Los estadísticos obtenidos son:



El modelo seleccionado del análisis anterior es el de la ecuación [9], quees el que también nos proporciona mejores estadísticos y donde los valoresestimados 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

Tabla 1.



A partir de esta estimación estamos ya en disposición de estimar laINVERSA DEL RATIO DE MILLS y por lo tanto podemos ya estimar laecuación de gastos en innovación dedicados a marketing.

4.2. Modelo de comportamientoLa 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 econométricoUna vez estimado el modelo debemos validar los coeficientes a través de untest t de Student, donde observamos que prácticamente todos los valoresson significativos, tanto en el modelo de selección como en el de compor-tamiento. Además hemos realizado un test de significación conjunta detodos los parámetros del modelo, obteniendo en el caso del modelo Probitun 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.



modelo de comportamiento un valor para la F con 10 grados de libertadde 47,11, con lo que en ambos modelos rechazamos la hipótesis nula deque 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 ycomportamiento valores para la Chi2 con dos grados de libertad cercanosa cero en ambos casos, con lo que para un 95% de confianza, la hipótesisnula de normalidad de las perturbaciones queda aceptada, y así podemosconcluir 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, calculamosPr(Partic) = [1-F(-Xtβ)] = F(Xtβ) = 0,0685, y así podemos observar cómola probabilidad de participar en el proceso de innovación para una empre-sa media es bastante bajo, tan sólo de un 6,9%, quedando la probabilidadde no participación en el proceso en un altísimo 93,15%: Pr(NoPartic) =1-Pr(Partic) = 1–0,0685 = 0,9315.

4.4. InterpretaciónLa interpretación de los coeficientes del modelo semilogarítmico anterior noes 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 definanciación, 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% menorque para las empresas que no la reciben, con lo que queda contrastada laHipótesis 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



empresas o instituciones el gasto cae un 2,2%, y además, las empresas queinnovan 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 elresultado de la variable IDENTDUMMYn, que es una variable dummyque vale 1 si la empresa se ha catalogado como innovadora en tecnologíay 0 en caso contrario. Esta variable es importante porque mide el efectoque 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 comoinnovadoras en tecnología en relación a las que no lo son. Así se verificalo que se adelantaba en la introducción: la tecnología está cambiando elmarketing de las empresas, siendo el porcentaje dedicado al marketingdentro del gasto total en innovación bastante mayor para las empresas delsector que para las empresas que no se catalogan como tecnológicas. Lasvariables de innovación en producto y en proceso son de signo contrario.Así, innovar en proceso no requiere invertir en marketing, y por lo tantoel 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) elhecho de pertenecer a un tramo mayor del volumen de gasto en innova-ción, como parece lógico. Además a medida que aumenta el porcentaje dela cifra de negocios correspondiente a productos introducidos o sensible-mente mejorados también se realiza un gasto en marketing mayor. Todoesto 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 lasventas de la empresa, lo cual nos lleva a dar por correcta la primera de lashipótesis 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



vidad de este parámetro –λn(.)– nos muestra la importancia de la selecciónmuestral y nos permite estimar consistentemente el resto de coeficientes dela ecuación de gasto en marketing, y como vemos en la tabla anterior sucoeficiente es del signo adecuado, ya que como Heckman (1979) afirma, λes una función monótona decreciente de la probabilidad de participar enel proceso. Así dadas dos empresas cualesquiera con diferentes valores deλ, aquel que tenga una mayor probabilidad de participar en el proceso deinnovación tecnológica tendrá un menor valor de λ, y como λ tiene coefi-ciente negativo en la ecuación de gasto en marketing, le corresponderá ungasto mayor que a la otra empresa que tiene una λ mayor y por lo tantouna menor probabilidad de participar en el proceso.

5. Conclusiones del trabajoEl marketing está cambiando, y uno de los principales causantes de estecambio es la irrupción de la tecnología que ha cambiado las reglas de lacompetencia convirtiéndose en fuente de ventaja competitiva sostenible enel 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 deselección muestral. Para su estimación se ha utilizado la Encuesta SobreInnovación 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 3.767empresas que gastan en innovación, el 27% además dedica parte de su gas-to en innovación a tareas de marketing. Son precisamente estas últimas1.032 empresas las que constituyen el núcleo del análisis microeconomé-trico. Los resultados de la estimación de la ecuación de gasto en marketing en

función de variables de características más la inclusión de la inversa delratio de Mills con el objeto de obtener estimadores consistentes cuando,como en nuestro caso, se produce sesgo de selección muestra, nos ofrecenalgunas conclusiones interesantes. Como es lógico, el hecho de obtenerfinanciación externa para innovación hace que no sea necesario disponerde 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



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, conlo que deberá retraer fondos de todas las partidas para poder financiar estaactividad. 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 queno colaboran en proyectos conjuntos de innovación. Además el hecho deinnovar en proceso retrae el gasto en marketing un 17%, mientras que lainnovación en producto lo incrementa en un 10%, lo cual es debido a quegastar en marketing es más beneficioso en productos que en procesos, yaque el cliente valora más el producto que se le presenta que los procesosque 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 dela 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 porcentajetienen de productos introducidos o sensiblemente mejorados, dedican máspresupuesto a marketing que las empresas con porcentajes más bajos.

6. BibliografiaACOSTA BALLESTEROS, J. (1995). “Análisis económico de la políticatecnológica: una aproximación econométrica a los proyectos concerta-dos del Plan Nacional de Investigación y Desarrollo Tecnológico”, TesisDoctoral, Universidad de La Laguna, Humanidades y Ciencias Sociales,1995.

ÁLVAREZ GONZÁLEZ, I. y MOLERO ZAYAS, J. (2004). “Las empresasmultinacionales y la innovación tecnológica: dinámica internacional yperspectiva española”, Información Comercial Española, ICE, Oct.-Nov. 2004, Nº 818, pp. 101-123.

ÁLVAREZ GONZÁLEZ, L.I., SANTOS VIJANDE, M.L. y VÁZQUEZCASIELLES, R. (2005). “Escalas de medida del concepto de orienta-

[269]

76910



ción al mercado. Revisión crítica de su contenido y de sus propiedadespsicométricas”, 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, OxfordAMEMIYA, 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 sobrelas 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 deEconomía, Vol. 32, Nº 1, Junio 2005, pp. 39-67.

CAMERON, C.A. y TRIVEDI, P.K. (2005). Microeconometrics: methodsand applications, Cambridge University Press, 2005.

CHIU, C., GILBRIDE, T.J., KAO, L. y OTTER, T. (2005). “Evaluating theeffectiveness of marketing expenditures”, University of Notre Dame,Working Paper, Septiembre 2005.

CRISTÓBAL FRANSI, E. (2006). “El merchandising en el establecimientovirtual: una aproximación al diseño y la usabilidad”, ESIC Market, Nº123, 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: microeconometricevidence”, IEEF, Final report, Project HPSE – CT2001-00047, Fund-ed under the key action ‘Improving the socioeconomic knowledgebase’ of FP5, Research DG, European Commission, Issued in March2005.

[270]

770 10



FALLON, P. y VERRY, D. (1988). The economics of labour markets,Philip Allan Publisher.

FLAVIÁN, C. y GUINALÍU, M. (2007). “Desarrollo y validación deescalas de familiaridad, reputación y lealtad en las relaciones a travésde Internet“, ESIC Market, Nº 126, Enero-Abril 2007, pp. 189-222.

FONTRODONA, J. y GARCIA CASTRO, R. (2002). “Estudio sobrepolíticas, hábitos de uso y control de Internet y correo electrónico enlas principales empresas españolas”, 2002, e-Business Center Pricewa-terhouseCoopers & IESE, www.ebcenter.org.

FUNDACION COTEC (2007). “Informe Cotec tecnología e innovacióntecnológica 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 ÁLVAREZCLAU, S. (2005). “Valoración de la influencia relativa de las TI sobrelos 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 lasempresas españolas”, Banco de España, Boletín Económico, Junio2005, 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 NewZealand from 1991 to 2001”, New Zealand Treasury, Working Paper03/13.

KILLINGSWORTH, M.R. (1983). Labor supply, New York. CambridgeUniversity 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



LOZANO GUTIÉRREZ, M.C. y FUENTES MARTÍN, F. (2005). “Laimagen 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 páginaweb: ¿una herramienta de marketing relacional?”, ESIC Market, Nº119, 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, Nº127, 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 estudioempírico 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 mediosdirectos: 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-BusinessCenter 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-BusinessCenter Pricewaterhouse Coopers & IESE, www.ebcenter.org.

SIEBER, S. y VALOR, J. (2005). “Criterios de adopción de las tecnologíasde información y comunicación”, 2005, e-Business Center Pricewater-house Coopers & IESE, www.ebcenter.org.

[272]

772 10



SIEBER, S. y VALOR J. (2006). “Las TIC como agente de cambio de laempresa 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 enexpansión, ESIC Editorial.

STERN, N. (1986). “On the specification of labor supply functions”, enUnemployment, Search and Labor Supply, Cambridge, England, Cam-bridge University Press, pp. 143-189

VALLET BELLMUNT, T. y FRASQUET DELTORO, M. (2005). “Auge ydeclive 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 unaobligación”, 2007- e-Business Center PricewaterhouseCoopers & IESE, www.ebcenter.org.

WOOLDRIDGE, J.M. (2001). Econometric Analysis of Cross Section andPanel Data, The MIT Press.

[273]

77310

elmarketingestácambiando. unmodeloeconométricosobre ...€¦ · podemos definir un modelo de...

Documents