texto en 
Inglés (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
1. Introducción1
Durante una década, a partir de 2002, la economía argentina y su sector industrial retomaron una senda de crecimiento beneficiados por una combinación de factores internos y externos (Arza y López, 2011). Esto motivó que numerosas empresas manufactureras iniciaran procesos innovadores asociados a mejoras en el empleo (Pereira y Tacsir, 2019), la productividad (Gómez y Borrastero, 2018) y la competitividad (Da Silva Catela y Tumini, 2017). Diversos problemas tuvieron que enfrentar las empresas, muchos de ellos asociados históricamente a los rasgos de economías latinoamericanas. Primero, el impacto de la heterogeneidad estructural, por el que los entramados productivos, las relaciones laborales y las condiciones tecnológicas resultan profundamente asimétricas entre sectores, empresas y trabajadores, traduciéndose en fuertes limitaciones para el desarrollo, brechas de productividad y persistente desigualdad económica en la región (Grazzi et al., 2016; Pagés, 2010). Segundo, las barreras a la innovación y un acotado alcance de las políticas públicas en economías periféricas, afectando estrategias empresariales para encarar procesos innovadores (Arza y López, 2021; Chudnovsky et al., 2004). Como corolario, fue hacia 2012 que la intensidad innovativa registraba en Argentina guarismos inferiores a los de la década de los noventa (Bernat, 2017).
Desde otra perspectiva, la desigualdad está permanentemente ligada a la dimensión tecnológica. Ahora bien, no sólo puede medirse a nivel interpersonal. Otra dimensión en la que la innovación cobra relevancia es la desigualdad funcional, donde el interés se traslada a los distintos factores productivos generadores del ingreso (Gasparini et al., 2012). La Comisión Económica para América Latina (Comisión Económica para América Latina [CEPAL], 2012) vincula ambas dimensiones mediante la hipótesis de la heterogeneidad estructural. Si se aparta del enfoque neoclásico que iguala productividad a salario, las brechas de productividad que definen una estructura productiva heterogénea se traducen en la desigualdad de ingresos laborales y la desigualdad en las remuneraciones al trabajo y el capital. Este fenómeno merece especial atención, por los altos niveles de desigualdad de América Latina (Bourguignon y Morrison, 2002; Gasparini et al., 2012).
Dado este orden de cosas, es posible identificar en qué medida se vinculan la innovación tecnológica y la desigualdad salarial, entre las empresas manufactureras argentinas, y evaluar si este vínculo difiere de acuerdo al sector industrial, definido por la intensidad factorial. La hipótesis subyacente indica que aquellas empresas que realizan esfuerzos monetarios de innovación se asocian a premios salariales que difieren según la posición de la empresa en la distribución intra-industria y las particularidades sectoriales. Para tal efecto se emplean datos de la Encuesta Nacional de Dinámica del Empleo e Innovación (ENDEI), correspondiente al periodo 2010-2012 (Ministerio de Ciencia, Tecnología e Innovación Productiva y Ministerio de Trabajo, Empleo y Seguridad Social [MINCyT y MTEySS], 2015). A lo largo del estudio la unidad de análisis será la empresa, aunque se requiere de abandonar la mirada interpersonal para pensar en términos de desigualdad entre empresas o sectores.
El artículo está organizado de la siguiente manera: a continuación, se revisan los antecedentes sobre innovación y salarios y se plantea la hipótesis que permite conectarlos. En la tercera y cuarta sección se presentan los datos y la estrategia empírica empleada y se reportan los resultados para las distintas especificaciones propuestas. Por último, en la quinta sección, se ensayan las reflexiones finales.
2. Revisión de la literatura
La literatura consultada para este artículo surge de las perspectivas económicas que, paradójicamente, no presentan numerosas vinculaciones. Por un lado, los estudios sobre desigualdad desde un marco neoclásico conciben a los cambios en la tecnología como un shock exógeno, sin indagar en las condiciones en que se desarrolla, en los procesos y actores intervinientes o en el desempeño de las empresas. Por otro lado, los estudios bajo perspectiva neoschumpeteriana se enfocan, en su mayoría, en los procesos innovadores y sus impactos comerciales, productivos o laborales, dejando de lado las cuestiones distributivas.
La idea del progreso o cambio tecnológico y su vínculo con la desigualdad es abordada principalmente a partir de dos hipótesis centrales en el marco neo clásico. Primero, la hipótesis de Kuznets (1955) de la "U-invertida" plantea la disyuntiva entre desigualdad y progreso estructural en una economía que pasa de un sector tradicional a uno "moderno". Actualmente esta hipótesis es descartada por numerosos autores, quienes encuentran que dicho vínculo se vuelve ilusorio al incorporar particularidades regionales, sectoriales y sociales (Alejo, 2013; Anand y Kanbur, 1993; Piketty, 2006). La mayor dispersión de ingresos no es consecuencia mecánica e inexorable del cambio tecnológico, sino que numerosas políticas e instituciones inciden en la dinámica de la desigualdad (Bruno et al., 1999; Piketty, 2006).
Segundo, el modelo de oferta y demanda de Tinbergen (1975) plantea la idea de una "carrera" entre educación y tecnología, por lo que el creciente nivel educativo de la población empuja la oferta de calificaciones y el cambio tecnológico impulsa la demanda (Goldin y Katz, 2009; Haveman, 1977). Derivada de este marco, la hipótesis del cambio tecnológico sesgado a las calificaciones plantea que el cambio tecnológico se origina en la propia oferta de trabajo calificado, que induce el desarrollo de tecnologías compatibles, impulsa su demanda y amplía la brecha salarial entre calificaciones (Acemoglu, 2002). Planteada inicialmente en países desarrollados (Acemoglu, 2002; Card y DiNardo, 2002), se extiende luego sobre países en desarrollo (Conte y Vivarelli, 2011; Pi y Zhang, 2018). Algunas variantes se concentran en tecnologías de la información y la comunicación o en las tareas laborales (Acemoglu y Autor, 2011; Autor, 2014).
Los estudios sobre Argentina adoptan por lo general la visión del cambio tecnológico exógeno. Al igual estudios sobre países en desarrollo (Acosta y Gasparini, 2007; Bustos, 2011; Caselli, 2014; Conte y Vivarelli, 2011; Cruces y Gasparini, 2008). El tratamiento de la tecnología es un punto central en esta hipótesis. El supuesto de exogeneidad, su concepción como bien público, libre y universalmente disponible, o el empleo de variables indirectas para su medición (que no reflejan el dinamismo y naturaleza de la misma) simplifican en exceso su vínculo con el sistema productivo (Conceição y Galbraith, 2001). Se ignoran las dimensiones del proceso innovador, su interrelación con la estructura comercial y productiva o el impacto de las condiciones macroeconómicas. Algunos autores avanzan incorporando aspectos del proceso innovador (Bustos, 2011; Caselli, 2014; Vivarelli, 2014).
Las condiciones de desigualdad bajo un nuevo paradigma tecnológico son abordadas también por la sociología. Para Castells (1998), la articulación capitalista entre productividad, competitividad y equidad, medianamente virtuosa en el pasado, muestra una desarticulación de la equidad respecto del resto. El contexto actual de desarrollo, la individualización del trabajo y el vínculo trabajador-empresa que privilegia la capacidad individual de negociación y la flexibilidad de tareas, agravan las desigualdades y los mecanismos de exclusión social. Recientes planteos dentro de la economía laboral, la tecnología y las calificaciones se acercan notablemente a sus postulados (Acemoglu, 2002; Acemoglu y Autor, 2011; Autor, 2014).
Desde otro eje, los estudios de Schumpeter (1934, 1975) constituyen el núcleo de la escuela evolucionista de Nelson y Winter (1982). La visión neos-chumpeteriana de la economía como un fenómeno dinámico y cambiante, se aleja de la economía neoclásica con eje en el equilibrio y la estática comparativa. Las empresas actúan como coaliciones de agentes humanos que se proponen satisfacer objetivos más que optimizar, apelan a reglas simples y estables de acción para poder enfrentar escenarios de cambio continuo y consecuente incertidumbre (Morero, 2007).
Un aspecto relevante al presente estudio involucra la definición de cuasi-rentas de Schumpeter. La idea de que, en un contexto dinámico de surgimiento de innovaciones, las empresas buscan una competitividad "no-precio". Lo anterior representa una estrategia de diferenciación y puesta en valor de los productos, cuyos beneficios se logran mientras sus innovaciones mantengan su estado de novedad comercial (Nelson y Winter, 1982).
Dicho lo anterior, resulta necesario conceptualizar la innovación. En un sentido amplio de la palabra, innovar consiste en realizar esfuerzos tendientes a introducir novedades en el mercado, cuyas posibilidades de concreción dependen de múltiples factores (Organización para la Cooperación y el Desarrollo Económicos [OCDE], 2005; Jaramillo et al., 2000).2 Estos esfuerzos de innovación (EI) implican inversiones en distintos rubros como maquinarias y equipos, equipos de software o hardware, desarrollo o subcontratación de I+D, diseño industrial, capacitación para la introducción de innovaciones, transferencia tecnológica, diseño industrial y actividades de ingeniería interna, o consultorías para cambios organizacionales.
En resumen, dos principales líneas de análisis del enfoque neoschumpeteriano se adoptan en este artículo: el criterio adoptado en la definición y medición de la innovación y la noción de cuasi-rentas en las empresas innovadoras. A continuación, se desarrolla brevemente la hipótesis adoptada sobre las primas salariales a nivel de empresas.
Innovación tecnológica y desigualdad salarial. Un vínculo no explorado
A pesar de las múltiples dimensiones que aborda, el enfoque neoschumpeteriano carece de una dimensión clave para el análisis económico: la distribución. En palabras de Pianta y Tancioni (2008, p. 101), "el análisis de los efectos distributivos del cambio tecnológico está generalmente ausente en la literatura".3
Se focaliza en la dinámica del sistema innovativo, productivo y comercial en el que actúan las empresas, desconociendo la dimensión salarial asociada a las propias condiciones laborales. Aunque exista un consenso acerca del rol de la innovación sobre la productividad y el crecimiento en la economía, esta perspectiva no aborda los impactos que aquella genera sobre la distribución de ingresos (Borrastero, 2012). A pesar de la presencia de la desigualdad en la literatura académica y el discurso público, poco se conoce de los vínculos de la misma con los modos de organización de las empresas (Bapuji y Neville, 2015). En países en desarrollo se profundiza por la menor evidencia empírica y disponibilidad de datos (Oberdabernig, 2016).
En resumen, es notablemente escasa la literatura sobre las estrategias innovativas de las empresas y el nexo con sus políticas salariales. Un antecedente relevante para este estudio es el aportado por Días Bahía y Arbache (2005), en su análisis de la naturaleza de las empresas y su asociación con teorías sobre diferenciales salariales. Los autores siguen la hipótesis de los salarios de eficiencia (Shapiro y Stiglitz, 1984; Stiglitz, 1987), por la que las empresas tienen margen para abonar mejor a sus empleados y así aumentar su productividad y eficiencia, lo cual genera mayor competitividad y, sobre todo, una mayor renta.4
A partir de la definición de cuasi-rentas de Schumpeter (1934), los diferenciales salariales pueden conectarse con la innovación. La idea es que las empresas innovadoras, a partir de una posición monopolista de corto plazo, pueden acceder a este beneficio. Días Bahía y Arbache (2005) suponen que este beneficio en las empresas innovadoras durará hasta que la innovación esté totalmente difundida y estandarizada.
Combinando la hipótesis de salarios de eficiencia en empresas innovadoras y el enfoque neoschumpeteriano de la innovación, se propone el estudio del vínculo innovación-salarios bajo un esquema de primas salariales en empresas manufactureras argentinas. Si bien se considera deseable y necesario que la escuela neoschumpeteriana avance sobre las dimensiones distributivas en las que puede intervenir la innovación, se entiende que estas relaciones pueden abordarse a partir de la hipótesis de los salarios de eficiencia.
Algunos estudios recientes estiman diferenciales salariales en empresas innovadoras latinoamericanas (Días Bahía y Arbache, 2005; Lugones et al., 2007; Cirillo, 2014; Brambilla y Peñaloza Pacheco, 2018; Gómez y Borras-tero, 2018). En Lugones et al. (2007) se distingue la visión tradicional de rentabilidad "precio", que busca reducir el costo laboral, de la rentabilidad "no-precio" que puede obtenerse a partir de la innovación. Actividades con mayor contenido de conocimiento y eslabonamientos más extendidos logran incrementar su participación en la producción y las exportaciones, asegurar aumentos sostenidos en los niveles salariales y acceder a mejores oportunidades y mayores perspectivas de rentabilidad. Para que ello sea posible, es necesario impulsar las actividades, cadenas de valor y conglomerados productivos que logren ventajas competitivas por la innovación, procurando evitar "islas de modernidad", mediante fuertes complementariedades con el resto del tejido productivo (Cimoli, 2005).
Se postula entonces que la innovación se asocia a primas salariales, que habilita a la empresa a compatibilizar con una composición laboral más calificada, con mayor productividad y con cierta apertura a los mercados internacionales. Esto es posible por la definición de la competitividad en términos de estrategias no precio, donde el valor agregado y la diferenciación de los productos innovadores en el mercado son claves para lograrlo.
De estos estudios surge una hipótesis en común: empresas con mayor intensidad innovativa arrojan diferenciales salariales, confirmando la relación positiva y significativa entre innovación y salarios. No obstante, dichos análisis se centran en su valor promedio o central, sin ahondar en las condiciones distributivas del salario. En eso radica la contribución del presente estudio: el análisis distributivo de las primas salariales por innovación, tanto a nivel de empresas como de sectores productivos.
Con relación a esto último, es de interés indagar cómo la estructura productiva de los países periféricos puede incidir en la relación entre la innovación y los salarios. Por heterogeneidad estructural se entiende el desequilibrio estructural que presentan los países en su crecimiento sectorial, sus factores productivos, sus modos de producción y la distribución de sus ingresos (Chena, 2010). Este enfoque no desconoce que existen diferencias de productividad sectoriales en los países desarrollados, las que se resuelven con dinámicas más o menos intensas que desplazan al capital para igualar las tasas de ganancia como sucede en los países avanzados (Barrera Insua y Fernández Massi, 2017). Más bien, en los países periféricos, estas condiciones tienden a reproducirse en el tiempo (Chena, 2010). Estas combinaciones refuerzan las desigualdades propias de los países periféricos y dificultan la difusión exitosa de sus innovaciones (Porta et al., 2015). Precisamente, bajo subdesarrollo la pérdida sistemática de participación de los sectores difusores del conocimiento en el total de la producción industrial resulta sistemática (Cimoli, 2005; Katz, 2000). La homogeneización de la estructura económica, el desarrollo y una mejor distribución del ingreso serán posibles sólo si aumentan las capacidades tecnológicas de la industria.
En la industria argentina, la dinámica productiva registrada desde el siglo XXI, su capacidad de generar empleo y excedente no ha sido homogénea a lo largo de los años ni al interior de las diferentes ramas que componen el sector (Porta et al., 2015). Barrera Insua y Fernández Massi (2017) analizan diferenciales inter-industriales en la productividad y el salario. Para 2003-2007 concluyen que los salarios crecen por encima de la productividad de manera generalizada, impulsados por la reactivación de las negociaciones colectivas y los aumentos de suma fija, políticas que incidieron en la desigualdad entre trabajadores, al reducir las brechas entre los salarios medios de cada sector. Durante 2008-2012, junto con la aceleración de precios, se observa un crecimiento diferencial de la productividad en relación a los salarios. Al constituirse la inflación en una base para los acuerdos salariales, la desigualdad inter-industrial mantiene estable los salarios relativos inter-industria (Marshall, 2013), aunque la dispersión productiva aumenta. En síntesis, los autores van más allá de estas comparaciones y sostienen que la caída en la desigualdad salarial no se explica por una caída en la desigualdad productiva, sino por po líticas activas en materia de regulación salarial.
Por su parte, la heterogeneidad sectorial en el perfil tecnológico de las empresas se refleja en una gran disparidad en los esfuerzos de innovación. Bernat (2017) hace una distinción entre sectores productivos y grados de intensidad innovativa en la industria argentina. Clasifica los sectores productivos en tres grupos: intensivos en capital y en recursos naturales (alimentos y bebidas, madera, papel, caucho y plástico, productos minerales no metálicos, metales básicos y sector automotriz); trabajo-intensivos (textiles, indumentaria, cueros, edición e impresión, productos de metal y muebles); e intensivos en conocimiento (productos químicos, maquinarias y equipos, máquinas y aparatos eléctricos; equipos de radio y TV, instrumentos médicos y resto de equipo de transporte).
Con base en estas clasificaciones, el autor identifica que los sectores trabajo-intensivos e intensivos en capital y recursos naturales poseen brechas internas en sus niveles de inversión en innovación. Lo que se traduce en estratos de innovación antagónicos, en los que coexisten muy elevados y muy bajos niveles de inversión tecnológica, con empresas que desarrollan sus actividades en niveles de la frontera tecnológica, por un lado, y en empresas con bajos ratio de inversión en innovación (respecto de la media industrial). Por otro lado, las ramas intensivas en conocimiento poseen una heterogeneidad tecnológica significativamente menor, con una elevada tasa de inversión en tecnología en promedio y una baja dispersión intra-sector. En términos salariales, Gómez y Borrastero (2018) ubican los salarios de las ramas intensivas en recursos naturales o en capital muy cercanos a los niveles promedio de la industria, mientras los sectores trabajo intensivos abonan en promedio los salarios más bajos del sector manufacturero, y las ramas intensivas en conocimiento revelan salarios significativamente mayores que el resto.
En resumen, estas disparidades sectoriales en comparación con las tecnológicas planteadas en el párrafo anterior dejan abierta la inquietud de si el vínculo innovación-salarios resulta homogéneo o no entre niveles sectoriales. A priori, se espera que las primas salariales por innovación resulten mayores en ramas que reflejan mayor homogeneidad respecto de sus inversiones en tecnología.
3. datos y estrategia empírica
Se emplean datos de la ENDEI para la onda 2010-2012 (MINCyT y MTEySS, 2015). La ENDEI aborda la realidad del complejo industrial argentino en sus dimensiones productiva, laboral e innovativa. La unidad muestral es la empresa manufacturera con al menos diez trabajadores registrados en el Sistema Integrado Previsional Argentino (SIPA). La base se encuentra estratificada por rama de actividad y tamaño de la empresa. A través de su expansión poblacional, brinda información sobre 18 900 empresas del sector.
Un aspecto clave de los datos es su dimensión temporal (2010-2012), que impide un análisis de la evolución y de los impactos sobre distintas variables a largo plazo. Por esto, la variable de respuesta se refiere al 2012, mientras la covariable central -los esfuerzos de innovación- al 2010. Se reconoce el carácter endógeno del proceso innovador, que combina desde capacidades de absorción de la innovación hasta impactos en el desempeño de las empresas, incluyendo esfuerzos y resultados de innovación en términos de introducción de innovaciones al mercado. No obstante, un análisis que establezca relaciones causales excede el contexto empírico y teórico propuesto aquí. De modo que el análisis de las primas salariales por innovación se plantea en términos de correlación innovación-salarios.
El análisis a nivel de empresas implica un desafío a la hora de definir y examinar la desigualdad, contemplando una distribución de empresas entre aquellas que abonan salarios más altos y más bajos en un sector o en la industria.
Para privilegiar el control de la heterogeneidad no observada y la comparación entre las estrategias empíricas propuestas, se eliminaron valores atípicos o faltantes en variables monetarias y se filtraron datos de empresas sin asignación sectorial. Además, al plantear las ecuaciones en logaritmos, se limitó el análisis a las empresas innovadoras, aquellas que registran una inversión positiva en el periodo. La muestra final consta de 1 719 empresas.5
Para estimar la prima salarial por innovación, se adapta la ecuación salarial propuesta por Brambilla y Peñaloza Pacheco (2018):6
Dónde w i indica el salario real promedio de la empresa i (en logaritmos) para el 2012;7g i indica el gasto en innovación por trabajador para 2010; x i denota el conjunto de variables de control; y 𝜖 i indica el error aleatorio que captura características de la empresa no observadas en la relación y se distribuye Ν(0,σ2).
Las primas salariales por innovación se estiman a partir del gasto real en innovación por trabajador (en logaritmos) durante 2010, con el objeto de filtrar los efectos asociados al tamaño de las empresas. El gasto en innovación representa las inversiones en la materia y refleja la intensidad del esfuerzo innovativo de las empresas en el afán de obtener resultados al respecto (Bustos, 2011; Crespi y Zuniga, 2012). Incluye los gastos que realizan para sus actividades de innovación: en I+D, compra de maquinaria y herramientas o de hardware y software, diseño industrial, transferencia tecnológica, consultoría o capacitaciones.
Se espera que los cinco coeficientes estimados para esta variable (correspondientes a cada uno de los cuantiles estimados del salario) resulten positivos, aunque sin identificar a priori un patrón entre los coeficientes a lo largo de la distribución del salario.
Se incluye la productividad laboral, en línea con el planteo de Lugones et al. (2007), y se mide como el valor agregado real por trabajador para 2012. Se busca reflejar, por un lado, la correlación entre productividad y salarios (en la cual interviene la innovación) y, por el otro, la asociación entre innovación- salarios no mediada por la productividad, esperando que los signos de los coeficientes estimados resulten positivos.8
El resto de las variables de control se asocian a condiciones de las empresas con probado vínculo con los salarios.
- La condición de exportación se mide por una variable que iguala a 1 si la empresa exporta. De acuerdo con la evidencia sobre países en desarrollo, se esperan primas positivas por exportación (Brambilla et al., 2017; Días Bahía y Arbache, 2005).
- El capital extranjero indica si la empresa posee capital de origen externo. La expectativa es que los resultados arrojen primas salariales en empresas del exterior (Glass y Saggi, 2002; Novick et al., 2011).
- El tamaño (con base en su plantel laboral) definido en categorías mediana y grande, sin una expectativa formada respecto del signo en los coeficientes, dada la evidencia mixta en la literatura (Cobb y Lin, 2017; Sayago, 2015; Bloom et al., 2018).
- Antigüedad que distingue empresas con más de 10 años de vida. Se espera que esté positivamente correlacionada con la experiencia por parte de los trabajadores, lo que encarece el salario promedio.
- Controles por ramas industriales según códigos CIIU disponibles en la base.
Buscando identificar patrones distributivos, se aplicó el método de regresión por cuantiles condicionales sobre una serie de percentiles representativos de la distribución de salarios en la industria (p10, p25, p50 o mediana, p75 y p90), siguiendo a Koenker y Bassett (1978). Una ventaja de este método es que, al no tratar con una medida resumen de la desigualdad, pueden desglosarse los coeficientes en distintos tramos de la distribución. A partir de una regresión intercuantílica, se puede testear si existe un efecto diferencial significativo sobre distintos puntos de la distribución. Además, son especialmente útiles con datos heterocedásticos o valores atípicos.9,10Finalmente, se realizaron test de Wald para verificar las diferencias encontradas entre coeficientes de diferentes variables para cada percentil. Los errores estándar se estimaron por medio de la técnica de Bootstrap con 200 réplicas.
Un aspecto que cabe mencionar es el asociado a las múltiples relaciones causales entre las covariables entre sí y la variable de respuesta. En particular, Alejo (2012) sostiene que la incorporación de variables instrumentales (VI) en la regresión por cuantiles resulta en estimadores ineficientes que difieren significativamente de las estimaciones originales, incluso logrando un cambio de nivel, aunque sin modificar el patrón de dispersión intercuantílica. A esto se suma la dificultad para obtener buenos instrumentos. En general, existen nu merosas críticas a la metodología VI como estrategia para resolver los potenciales sesgos de endogeneidad, vinculados a la naturaleza del procedimiento y las dificultades asociadas a la interpretación de los resultados en un sentido puramente económico.11
Premios a la innovación con interacción sectorial
Lo planteado hasta aquí supone una correlación innovación-salarios única en cada punto de la distribución de empresas de la industria, independientemente de la pertenencia sectorial de la empresa. Para explorar las diferencias que imprime la estructura sectorial a dicha relación, se plantean alternativamente interacciones del gasto en innovación con tres grupos industriales definidos con base en las intensidades factoriales, siguiendo a Cimoli (2005), Chena (2010) y Bernat (2017) (véase descripción en la Tabla 1).
Tabla 1 Agrupamiento de sectores manufactureros. Industria argentina
| Sectores | Ramas que los componen (Código CIIU) |
| Intensivos en capital (K) y/o en recursos naturales (RN) | Alimentos (15); Frigoríficos (1511); Productos lácteos (1 520); Vinos y bebidas fermentadas (1 552); Madera (20); Papel (21); Productos de caucho y plástico (25); Metales comunes (27); Otros minerales no metálicos (26); Carrocerías, remolques y semiremolques (3420); Autopartes (3430). |
| Intensivos en mano de obra (L) | Productos textiles (17); Confecciones (18); Cuero (19); Muebles; Edición (22); Otros productos de metal (28). |
| Intensivos en conocimiento (CON) | Productos químicos (24); Productos farmacéuticos (2423); Instrumentos médicos (33); Material eléctrico, de radio y televisión (3012); Aparatos de uso doméstico (2930); Maquinaria y equipo (29); Maquinaria y herramienta en general (299); Maquinaria agropecuaria y forestal (2921 ); Otros equipos de transporte (35). |
Fuente: elaboración propia con datos de la ENDEI (MINCyT y MTEySS, 2015) y con base en Bernat (2017).
Se busca identificar entonces si las primas por innovación difieren según los sectores industriales considerados, como evidencia de los condicionamientos que aporta la heterogeneidad estructural en la dimensión tecnológica y laboral de la industria argentina.
Por último, se delinean las dimensiones en las que se analizará la desigualdad salarial:
- Como la brecha salarial entre las empresas más y menos innovadoras.
- En términos intercuantílicos, entre las empresas con los niveles salariales más altos y más bajos de la industria.
- En términos sectoriales, por las diferencias que arrojan las primas salariales (considerando un mismo cuantil).
4. Resultados
En la Tabla 2 se presentan estadísticos descriptivos que delinean el contexto de la innovación en la industria argentina.
Tabla 2 Descripción de las variables y estadísticos descriptivos de la muestra. Industria argentina
| Variable | Definición | Media | Desv. Est. | Gini | Mín. | Máx. |
| Salario | Log. Natural del salario promedio real por empresa. Año 2012 | 8.798 | 0.402 | 0.214 | 7.089 | 10.03 |
| G. Innovación | Log. Natural del gasto en innovación real por trabajador. Año 2010 | 8.716 | 1.514 | 0.641 | 2.407 | 14.246 |
| Productividad | Log. Natural del valor agregado real por trabajador. Año 2012 | 12.109 | 0.822 | 0.494 | 8.577 | 16.081 |
| Exportadora | (=1) si la empresa declara clientes en el exterior | 0.513 | 0.500 | - | 0 | 1 |
| C. Extranjero | (=1) si la empresa posee al menos un 1% del capital de origen extranjero | 0.111 | 0.314 | - | 0 | 1 |
| Pequeña | (=1) si la empresa es pequeña (10-25 empleados) | 0.321 | 0.467 | - | 0 | 1 |
| Mediana | (=1) si la empresa es mediana (26-99 empleados) | 0.386 | 0.487 | - | 0 | 1 |
| Grande | (=1) si la empresa es grande (100 o más empleados) | 0.293 | 0.455 | - | 0 | 1 |
| Antigua | (=1) si la empresa tiene más de 10 años de antigüedad | 0.767 | 0.423 | - | 0 | 1 |
| Sectores | Intensivos en capital y recursos naturales (KRN-INT) (0.439); intensivos en trabajo (L-INT) (0.228); intensivos en conocimiento (CON-INT) (0.333). | |||||
Fuente: elaboración propia con datos de la ENDEI (MINCyT y MTEySS, 2015).
En primer lugar, los gastos de innovación muestran una media cercana al salario promedio industrial. No obstante, puede identificarse una mayor variabilidad en el indicador de esfuerzos (con un coeficiente de Gini de 0.64, casi triplicando el Gini salarial). La productividad laboral muestra también alta dispersión, si bien menor al gasto en innovación. El 32% de las empresas de la muestra son pequeñas y sólo 29% emplea a 100 o más trabajadores. El 51% de las empresas innovan y exportan y sólo 11% que posee capitales extranjeros. Además, 77% posee más de 10 años de experiencia. Un resultado esperable, dado que quienes innovan suelen tener cierta experiencia previa.
El grupo industrial que reúne más empresas es el intensivo en capital y/o en recursos naturales (KRN-INT), con 44% del total de la industria. Se trata de los sectores alimenticios, productores de caucho y plástico, de vidrio y cerámica, la industria cementera, siderúrgica, automotriz y autopartista, entre otros. Los sectores intensivos en conocimiento reúnen el 33%, con la industria química y farmacéutica, productores de instrumental médico, de aparatos de uso doméstico (línea blanca), de dispositivos de radio y televisión (línea marrón), de maquinaria y equipo, entre otros. Los sectores trabajo-intensivos suman un 23%, y reúnen a productores textiles y de confecciones, de cuero y de muebles, principalmente.12
La Figura 1 muestra un diagrama de dispersión entre el gasto en innovación y el salario por empresa, el que confirma una mayor variabilidad en las observaciones del primero. Asimismo, la curva de medianas móviles del salario para cada valor del gasto en innovación revela una leve pendiente positiva, lo que refleja cierta asociación entre las variables.
Notas: (*)a valor real y en logaritmos naturales. Valores salariales superiores a p5 = 7.85.
Fuente: elaboración propia con datos de la ENDEI (MINCyT y MTEySS, 2015).
Figura 1 Gasto en innovación y salario. Medianas móviles y dispersión. Industria argentina (2010-2012)
Además, interesa explorar el salario y el gasto en innovación a nivel sectorial. La Figura 2 muestra su nivel promedio y dispersión por cada sector industrial:
Notas: (*) índice base 5000=1; (**) K/RN INT=íntensivos en capital y/o en rec. naturales; L INT=en trabajo; CON INT= en conocimiento.
Fuente: elaboración propia con datos de la ENDEI (MINCyT y MTEySS, 2015).
Figura 2 Salario y gasto en innovación según sectores industriales. Industria argentina (2010-2012)
Se verifica una baja disparidad en los salarios, mientras en el gasto en innovación la situación es significativamente diferente. La inversión promedio por empresa en los sectores KRN-INT y CON-INT más que duplican la inversión en el sector L-INT, donde la innovación es significativamente baja.13 En términos de dispersión, el coeficiente de variación en el sector intensivo en conocimiento resulta acotado. Combinando alta inversión en tecnología y baja dispersión hacia dentro de la categoría, las empresas de dicho sector -muestran las mejores capacidades de innovación de toda la industria.
A continuación, se muestran las estimaciones considerando una única prima de innovación para toda la industria o un conjunto según el agrupamiento industrial.14
Premios salariales a la innovación tecnológica
Los resultados verifican la existencia de primas por innovación a lo largo de la distribución de salarios de la industria, que implica que las empresas con mayores esfuerzos de innovación logran mayores salarios. En el panel izquierdo de la Tabla 3, en los cinco cuantiles estimados se observan primas positivas del gasto en innovación, aunque relativamente bajas, si se consideran los resul tados de la productividad laboral. Los coeficientes de esta última reflejan los lineamientos de la teoría neoclásica que postula a los salarios como función de la productividad, aunque sin distinguir órdenes de causalidad.
Tabla 3 Ecuación de salarios a nivel de empresas. Regresión cuantílica e intercuantílica
| Cuantílica | Intercuantílica | ||||||||
| (pl0) | (p25) | (p50) | (p75) | (p90) | (p10-p90) | (p25p75) | (pl0p50) | (p50p90) | |
| Gasto en innovación (1)(2) | 0.019** | 0.019*** | 0.024*** | 0.025*** | 0.024*** | 0.006 | 0.005 | 0.006 | 0.000 |
| (0.009) | (0.007) | (0.007) | (0.008) | (0.009) | (0.014) | (0.009) | (0.010) | (0.010) | |
| Productividad | 0.101*** | 0.130*** | 0.129*** | 0.139*** | 0.135*** | 0.034 | 0.009 | 0.027 | 0.006 |
| (0.020) | (0.015) | (0.011) | (0.014) | (0.019) | (0.026) | (0.018) | (0.020) | (0.021) | |
| Exportadora | 0.096*** | 0.068*** | 0.071*** | 0.037 | 0.070** | -0.026 | -0.030 | -0.024 | -0.002 |
| (0.030) | (0.020) | (0.020) | (0.023) | (0.033) | (0.039) | (0.028) | (0.031) | (0.034) | |
| Capital extranjero | 0.205*** | 0.201*** | 0.217*** | 0.193*** | 0.171*** | -0.034 | -0.008 | 0.012 | -0.046 |
| (0.061) | (0.037) | (0.032) | (0.038) | (0.046) | (0.071) | (0.044) | (0.053) | (0.048) | |
| Mediana | 0.098*** | 0.105*** | 0.088*** | 0.108*** | 0.142*** | 0.044 | 0.003 | -0.010 | 0.054 |
| (0.032) | (0.024) | (0.023) | (0.027) | (0.036) | (0.047) | (0.030) | (0.034) | (0.040) | |
| Grande | 0.192*** | 0.210*** | 0.200*** | 0.275*** | 0.265*** | 0.073 | 0.064* | 0.009 | 0.064 |
| (0.040) | (0.029) | (0.027) | (0.032) | (0.039) | (0.057) | (0.039) | (0.041) | (0.043) | |
| Antigua | 0.139*** | 0.105*** | 0.108*** | 0.125*** | 0.089** | -0.050 | 0.020 | -0.031 | -0.019 |
| (0.036) | (0.030) | (0.024) | (0.030) | (0.040) | (0.003) | (0.002) | (0.002) | (0.002) | |
| Constante (3) | 6.726*** | 6.586*** | 6.731*** | 6.789*** | 7.024*** | 0.298 | 0.203 | 0.005 | 0.293 |
| (0.246) | (0.189) | (0.139) | (0.175) | (0.225) | (0.306) | (0.220) | (0.225) | (0.228) | |
| Observaciones | 1 719 | ||||||||
Notas: (1) Significación *** p<0.01; ** p<0.05; * p<0.1; (2) Errores estándar estimados vía Bootstrap (200 réplicas); (3) Se omiten 26 coeficientes de variables de control por rama de actividad. Fuente: elaboración propia con datos de la ENDEI (MINCyT y MTEySS, 2015).
El resto de las variables resultan significativas y muestran los signos esperados. Las empresas exportadoras y las integradas por capital extranjero registran salarios más altos, confirmando la evidencia previa (Brambilla y Peñaloza Pacheco, 2018; Novick et al., 2011). También las más grandes y aquellas con mayor antigüedad muestran igualmente salarios diferenciales respecto al resto de las empresas. Una hipótesis detrás del resultado en la variable antigüedad es que el historial laboral de los empleados esté correlacionado a la antigüedad de las empresas, sobre todo, en aquellas con baja tasa de rotación laboral. En el caso de las primas por tamaño, los datos parecen confirmar lo señalado por Cobb y Lin (2017) y Sayago (2015).
Los resultados de la regresión intercuantílica dan cuenta de que las primas no varían entre las empresas con mayores y menores salarios, confirmando que se mantienen relativamente uniformes en toda la distribución.15 La Figura 3 permite visualizarlo para las principales variables:
Nota: (*) coeficiente sobre p75 no significativo al 5%.
Fuente: elaboración propia con datos de la ENDEI (MINCyT y MTEySS, 2015).
Figura 3 Premios por innovación, productividad, exportación y tamaño. Industria argentina (2010-2012)
En términos relativos, se verifica que la prima por innovación es, por mucho, menor al retorno de la productividad. Además, las pendientes moderadas permiten explicar por qué las regresiones intercuantílicas no arrojan diferencias en ese sentido. En suma, puede concluirse que las empresas que invierten en tecnología, las más productivas, las que exportan, poseen capital extranjero, son grandes o poseen cierto historial en el mercado se asocian a mayores premios salariales que el resto. Lo más relevante, la brecha salarial por innovación no difiere entre las empresas con salarios más altos y más bajos de la industria.
Premios salariales sin control de productividad
Paralelamente a la ecuación de salarios planteada, se explora un camino alternativo en el que la productividad no está incluida como variable de control, a la manera de Brambilla y Peñaloza Pacheco (2018). Los resultados se muestran en el Anexo (véanse Tablas A1 y A2). En el caso de las primas por innovación o por exportación, la omisión de la productividad laboral no parece indicar cambios de relevancia en los coeficientes, siendo todos estadísticamente significativos.16 La composición de capital extranjero y las variables de tamaño de la empresa reflejan cambios relativamente mayores respecto a la especificación original, indicando en esta alternativa una mayor prima salarial en las multinacionales y en las medianas y grandes. Como es de esperar, el valor de la constante resulta mayor, sugiriendo que la expresión (1) explica una mayor porción de la variabilidad observada en el salario. En términos intercuantílicos, la distribución de primas en la industria resulta uniforme también bajo esta alternativa.
Premios a la innovación según sectores industriales
Las estimaciones sectoriales indican que en sectores intensivos en conocimiento o en mano de obra se registran primas independientemente de sus niveles salariales (véase Tabla 4). Mientras, las industrias intensivas en capital o en recursos naturales (con mayor peso en la industria argentina) muestran un vínculo innovación-salarios parcial, con primas significativas en los percentiles 50 (mediana) y 75, lo que representa sólo 25% de la distribución salarial entre empresas del sector.
Tabla 4 Premios salariales a la innovación según sectores industriales. Regresión cuantílica e intercuantílica Industria argentina (2010-2012)
| Cuantílica | Intercuantílica | |||||||||
| (p10) | (p25) | (p50) | (p75) | (p90) | (p10p90) | (p25p75) | (p10p50) | (p50p90) | ||
| GI - intensivos en K y/o en RN (1)(2) | 0.005 | 0.012* | 0.018*** | 0.016** | 0.017 | 0.012 | 0.004 | 0.013 | -0.002 | |
| (0.009) | (0.007) | (0.007) | (0.008) | (0.011) | (0.015) | (0.009) | (0.010) | (0.010) | ||
| GI - intensivos en L | 0.023** | 0.022** | 0.019** | 0.022** | 0.033** | 0.010 | 0.000 | -0.004 | 0.014 | |
| (0.011) | (0.009) | (0.008) | (0.011) | (0.016) | (0.018) | (0.011) | (0.012) | (0.015) | ||
| GI - intensivos en CON | 0.019** | 0.025*** | 0.032*** | 0.034*** | 0.032** | 0.013 | 0.009 | 0.013 | -0.000 | |
| (0.009) | (0.008) | (0.008) | (0.010) | (0.012) | (0.015) | (0.010) | (0.010) | (0.012) | ||
| Observaciones | 1 719 | |||||||||
Notas: (1) Significación *** p<0.01, ** p<0.05, * p<0.1; (2) Errores estándar estimados vía Bootstrap (200 réplicas). Fuente: elaboración propia con datos de la ENDEI (MINCyT y MTEySS, 2015).
Nuevamente, a partir de las regresiones intercuantílicas se confirma que las primas a la innovación no definen patrones de desigualdad según el nivel de salarios de las empresas, reflejando una uniformidad intra-industria sin distinción de sector.
Si se comparan las primas a la innovación por sectores, se observan diferencias a lo largo de las respectivas distribuciones, verificadas estadísticamente mediante sendos test de Wald.17 La Figura 4 permite identificar no sólo su relativa uniformidad a lo largo de la distribución de salarios, sino también diferencias entre sectores, siendo mayores las primas en sectores intensivos en conocimiento que en sectores intensivos en capital o recursos naturales.
Nota: (*) coeficientes no signif. al 5%: KyRN INT: p10 y p90.
Fuente: elaboración propia con datos de la ENDEI (MINCyT y MTEySS, 2015).
Figura 4 Premios a la innovación según sectores industriales. Industria argentina (2010-2012)
En suma, los sectores en los que menos correlaciona el esfuerzo innovativo con el salario son los intensivos en capital y en recursos naturales, con primas salariales significativas sólo en un grupo de empresas. Un aspecto que puede incidir son las condiciones tecnológicas, productivas y laborales extremadamente heterogéneas entre sus ramas. En particular, el sector de alimentos y bebidas, integrado por 15 ramas en la ENDEI, representa el rubro más grande de la industria y presenta una heterogeneidad tecno-productiva extremadamente alta. Las ramas intensivas en recursos naturales (industria cementera, del vidrio, del papel y celulosa) poseen la menor participación en el valor agregado industrial de todos los sectores. El complejo automotriz tiene una participación intermedia en la industria y registra las menores dispersiones en productividad e intensidad tecnológica. En los tres sectores se abonan salarios cercanos al promedio industrial.
Los sectores L-INT y CON-INT verifican primas por innovación a lo largo de sus distribuciones salariales. En la mayoría de las ramas intensivas en conocimiento se trabaja con altos niveles de inversión tecnológica (Bernat, 2017), ubicándose en muchos casos sobre la frontera tecnológica internacional (sectores químicos y farmacéuticos), con las mayores productividades y salarios de la industria (Barrera Insua y Fernández Massi, 2017; Gómez y Borrastero, 2018). Es lo que Cimoli (2005) define como "isla de alta productividad".
Los sectores intensivos en mano de obra resultan los más difíciles de caracterizar. Registran los salarios más bajos de la industria. Su dispersión en intensidad tecnológica y en productividad es tan alta que pierden sentido sus niveles promedio (véase Figura 2). Se trata de un grupo con fuerte dicotomía. Combina metalúrgica básica y edición -sectores fuertemente innovadores y productivos-, con producción de cuero y muebles -de muy baja inversión en tecnología y productividad- (Bernat, 2017). La trama textil parte de empresas productoras de fibras e hilados en condiciones de alta concentración, productividad e innovación, y avanza hacia productores de tejidos y confecciones, usualmente pequeños, con baja o nula intensidad innovativa, rozando la informalidad. El camino del complejo maderero resulta similar, aunque más integrado verticalmente.18 Finalmente, en el medio de un panorama con dispersión en extremo, la única dimensión relativamente homogénea es el salario, en los niveles más bajos de la industria.
5. Reflexiones finales
Mediante el vínculo entre innovación y desigualdad salarial, en este artículo se integraron empíricamente campos analíticos que hasta aquí tomaban caminos independientes, el enfoque neoschumpeteriano y la hipótesis de salarios de eficiencia. Se identificaron premios salariales por intensidad de innovación en las empresas manufactureras argentinas desde una visión general de la industria y, alternativamente, con una estructura sectorial que parte de las heterogeneidades del sector.
Los resultados indican que las empresas que invierten más en innovación, registran salarios más altos que aquellas con menores esfuerzos innovativos. Dicha correlación se revela de manera uniforme entre las empresas manufactureras independientemente de sus niveles salariales, no profundizando la dispersión salarial como fruto de este vínculo.
En términos sectoriales, se estimaron primas a la innovación en tres sectores: trabajo-intensivos, intensivos en conocimiento, e intensivos en capital y recursos naturales. De ellos, los sectores difusores del conocimiento son los que muestran las mayores primas, lo que se confirma por alcanzar los indicadores tecno-productivos y de calificación más altos de la industria. En sectores con una fuerte dicotomía en materia de productividad, concentración de mercado, intensidad innovativa y competitividad -como sucede en el sector L-INT-, los resultados pueden no ser tan consistentes con la evidencia previa. Por último, en el sector KRN-INT, las ramas que lo componen revelan una pro funda heterogeneidad en sus dimensiones.
En suma, la hipótesis de que mayor innovación se correlaciona con mayor desigualdad salarial se verifica parcialmente, planteándose esta última en dos dimensiones. La que distingue entre empresas según su inversión en tecnología (donde las más innovadoras logran mejores salarios) y la sectorial, que muestra a los sectores intensivos en conocimiento y en capital y recursos na turales con las mayores primas. Por otro lado, según los niveles salariales de la industria no se identifican diferencias entre premios a la innovación.
La parcialidad de los resultados muestra la complejidad de sector manufacturero, donde inciden no su heterogeneidad estructural, sino también la intervención de otras reglas de fijación de salarios no comprendidas en este análisis. A lo largo del artículo se constató una baja tasa de desigualdad salarial en relación con la variabilidad del gasto en innovación y la productividad, así como valores relativamente bajos de las primas salariales. Cuatro explicaciones pueden ofrecerse a esto: i) los salarios, medidos sobre 2012, alcanzaban los niveles más bajos de desigualdad en la era posconvertibilidad, lo que lleva simplemente a reconocer que la desigualdad en ese interregno resulte moderada. Esto ha sido registrado por numerosa evidencia empírica (Piselli, 2018; Trujillo-Salazar, 2019; entre otros); ii) durante los años 2000 se encaró un importante proceso de formalización laboral y una revitalización de las negociaciones colectivas (Alejo y Casanova, 2016; Gómez, 2020; Trujillo-Salazar, 2019), con una cobertura particularmente importante en la industria con efectos significativos en la estandarización de salarios; iii) la mayor variabilidad en productividad e intensidad innovativa por los desequilibrios permanentes de los sectores industriales bajo condiciones de heterogeneidad (Porta et al., 2015). Entre 2003 y 2012, la dispersión salarial se redujo y la productividad aumentó su dispersión (Barrera Insua y Fernández Massi, 2017); iv) la medida salarial en promedio por empresa conlleva una estandarización, que se traduce en tasas de desigualdad significativamente menores entre empresas que entre individuos.
Cabe señalar algunas limitaciones del análisis. Primero, la unidad muestral impide todo estudio de la distribución salarial intra empresa. Una alternativa a explorar es la desigualdad salarial entre calificaciones y jerarquías ocupacionales. Segundo, la estructura de los datos dificulta el análisis a largo plazo, lo que permitiría emplear otras metodologías o hipótesis sobre economías periféricas. Finalmente, el enfoque neoschumpeteriano pone en relieve la endogeneidad en el vínculo innovación-productividad-salario. Dada la complejidad inserta en este entramado de relaciones, no hemos identificado una alternativa que pueda abordarla.
