Resumen de Importancia y efecto de los factores financieros y asociados a la financiación en la intensidad de la innovación de las pymes colombianas

Ana Milena Padilla Ospina, Javier Humberto Ospina Holguín, Javier Enrique Medina Vásquez

• español

  La financiación de la innovación se ha caracterizado por ser un campo fragmentado donde coexisten múltiples teorías, cada una enfocada en uno o en unos pocos aspectos de la financiación a la vez. El presente artículo busca identificar las variables financieras que más influyen y su efecto en la intensificación de las actividades de innovación de las pymes colombianas en un único modelo empírico comprehensivo que predice la intensidad de la innovación a partir de más de cuarenta subvariables asociadas a la financiación de la innovación. El modelo de predicción (que logró un coeficiente de determinación por fuera de la muestra sobre 0.5 o 0.6), según la definición utilizada, se basa en un conjunto de redes neuronales optimizadas mediante técnicas bayesianas. Los resultados de este trabajo sugieren como conclusión que para que las pymes decidan intensificar sus actividades de innovación predominan las variables capaces de limitar la innovación, como el costo de ajuste y algunos obstáculos para innovar, pero sobre todo las variables centradas en el riesgo, como el riesgo de quiebra de la empresa o del proyecto de innovación y la aversión al riesgo del gerente.

• English

  Innovation financing has been characterized as a fragmented field where multiple theories coexist, each focusing on one or a few aspects of financing at the same time. This article aims to identify the most influential financial variables and their effect on the intensification of innovation activities of Colombian SMEs, in a single comprehensive empirical model that predicts the intensity of innovation from more than forty subvariables associated with the financing of innovation. The prediction model (which achieved an out-of-sample determination coefficient of 0.5 or 0.6), according to the definition used, is based on a set of neural networks optimized using Bayesian techniques. The results of this work suggest, as a conclusion, that for SMEs to decide to intensify their innovation activities, variables capable of limiting innovation predominate, such as the adjustment costs and some obstacles to innovating, but especially variables focused on risk, such as the risk of bankruptcy of the company or of the innovation project and the risk aversion of the CEO.