Evaluación de la políticas de internacionalización

MÉTODOS BASADOS EN LA INFERENCIA CAUSAL ESTADÍSTICA
PARA EVALUAR UN PROGRAMA DE IMPULSO INICIAL A LA
INTENACIONALIZACIÓN DE LA EMPRESA ANDALUZA.
AUTORES:
- José Manuel Cansino
Email: [email protected]
- María Pablo-Romero
Email: [email protected]
- Antonio Sánchez Braza
Email: [email protected]
- Jaime López-Melendo
Email: [email protected]
DEPARTAMENTO: Departamento de Análisis Económico y Economía Política de la
UNIVERSIDAD: Universidad de Sevilla.
ÁREA TEMÁTICA: Evaluación de políticas públicas.
Abstract:
The paper addresses the evaluation of a program of internationalization of firms using
the methodology based on statistical causal inference. Represents a new approach with other
approaches such as surveys or cost-effectiveness. We propose the selection of observable
variables, with procedures such as subclassing, matching or propensity score. Consequently,
establishing a response variable (earnings before financial expenses and taxes attributable to
exports) four predefined variables (stage in the process of internationalization, product size
and location). Once the variables are set from the application of these procedures. This
analysis leads to the conclusion that the matching and the propensity score can be used to
evaluate the Diagnostic program.
Keywords: public policies, internationalization, statistical causal inference, Diagnostics
program.
El trabajo aborda el análisis de un programa de impulso de la internacionalización de
la empresa andaluza mediante el uso de la inferencia causal estadística. Representa un
nuevo enfoque respecto a otros como las encuestas o la relación coste beneficio. El método
de análisis que se propone es el de selección de variables observables, con los
procedimientos de subclasificación, “matching” y “propensity score”. En consecuencia, se
considera una variable de respuesta (ganancias antes de gastos financieros y de impuestos
1
atribuible a las exportaciones) y cuatro variables predefinidas (etapa en el proceso de
internacionalización, tamaño, producto y ubicación). Una vez que las variables se ajustan
con la aplicación de estos procedimientos. El análisis lleva a concluir que los procedimientos
de “matching” y “propensity score” se pueden utilizar para evaluar el programa de
Diagnóstico.
Palabras claves: políticas públicas, internacionalización, inferencia causal estadística,
programa de Diagnóstico.
Código JEL O-24
1.- INTRODUCCIÓN.
Este trabajo aborda la posibilidad de analizar la evaluación de una política pública de
impulso de la internacionalización de la empresa andaluza mediante el uso de la inferencia
causal estadística.
La evaluación ha estado basada en encuestas en las que se solicita la valoración de los
destinatarios, o estudios centrados en enfoques cuantitativos, en especial en la relación coste /
beneficio. Entre los análisis elaborados a partir de encuestas pueden citarse los de Albaum
(1983), Kotabe y Czinkota (1992), Cadwell (1992), Knight y Liesch (2002), Wilkinson y
Brouthers (2006). En la relación coste / beneficio, Pointon (1978) o Coughlin y Cartwright
(1987). Estos trabajos han señalado la dificultad de esta evaluación dados los múltiples
factores que entran en juego. Además en los enfoques cuantitativos se ha subrayado la
limitación del análisis, mientras que en las encuestas se ha cuestionado la subjetividad en las
respuestas.
En este trabajo se analiza la posibilidad de utilizar la inferencia causal estadística para
evaluar estos programas (igual que en otros campos como la medicina, la criminología o las
finanzas, y en otras políticas públicas como el empleo, las subvenciones o los programas de
formación 1 ), tomando como referencia el programa de Diagnóstico, que tiene como objeto
impulsar la internacionalización de PYMES. Esta vía de investigación supone un nuevo
enfoque cuantitativo que aporta una mayor objetividad en la evaluación de la eficacia de estos
programas, al permitir determinar sus efectos causales, con la consiguiente utilidad para las
1
Respecto a algunas de estas disciplinas vid. Rubin (1974), Holland (1986), Card y Sullivan (1988), Heckman y
Hotz (1989), Cansino (2006), Cansino y Sánchez (2009), Arellano (2006), García (2009), Sánchez (2006).
2
Administraciones actuantes que, a la luz de los resultados, podrán obtener una mayor
rentabilidad social y económica en los recursos públicos comprometidos.
Respecto a su estructura, tras la introducción, el trabajo aborda los aspectos generales
del programa de Diagnóstico. Asimismo, se describen los principales elementos de la base de
datos que se aporta para el análisis. Posteriormente, se sintetizan las aportaciones relacionadas
con la evaluación de los programas públicos de internacionalización. A continuación, se hace
una referencia general a la inferencia causal estadística como metodología para la evaluación
de las políticas públicas. Fijado este marco, y tomando como referencia el programa de
Diagnóstico, se consideran las posibles variables así como la aplicación de algunos
procedimientos al programa en función de estas variables. Por último, se extraen las
conclusiones del estudio.
2.- PROGRAMA DE DIAGNÓSTICO.
El programa de Diagnóstico es una iniciativa de EXTENDA orientada a impulsar el
proceso de internacionalización en las PYMES andaluzas, y se enmarca en los diferentes
planes de internacionalización de la empresa andaluza. EXTENDA tiene por objeto el
desarrollo de actividades encaminadas a fomentar el proceso de internacionalización de la
economía andaluza 2 , desarrollando desde 1999 planes de internacionalización. El primer Plan,
de 1999-2002 ha tenido continuidad en el de 2003-2006 y en el actual Plan de
Internacionalización de la Empresa Andaluza 2007–2010. Este Plan asume una serie de
debilidades del tejido exportador andaluz, entre las que se destacan la existencia de pocas
empresas y la irregularidad exportadora de muchas de ellas. Otra debilidad es la elevada
concentración de las exportaciones, en los países de la Unión Europea, y la escasa presencia
en zonas emergentes de alto crecimiento como Asia 3 .
El Plan distingue tres segmentos de empresas 4 . El primero los constituyen empresas no
exportadoras, pero con potencial para hacerlo. Por norma general, tienen un buen producto
con probabilidad de ser comercializado en el exterior, como consecuencia de su experiencia y
2
La Agencia Andaluza de Promoción Exterior, EXTENDA, es una sociedad mercantil del sector público
andaluz, participada mayoritariamente, un 87,72%, por la Junta de Andalucía, estando el resto del capital social
repartido entre las Cámaras Oficiales de Comercio y Navegación existentes en Andalucía.
3
Otros puntos débiles son el alto grado de concentración sectorial de las empresas exportadoras y el bajo valor
añadido de los productos exportados.
4
Vid. Cavusgil y Naor (1987) respecto a la segmentación en la aplicación de estos programas.
3
fortaleza en el mercado doméstico 5 . Un segundo segmento exporta ya sus bienes y servicios,
en algunos casos de una manera normalizada 6 . En ocasiones han adaptado parte de su
estructura productiva a la actividad exportadora (envases, etiquetados, etc.). No obstante,
carecen de una estrategia definida de internacionalización. Finalmente, están las empresas
internacionalizadas, que operan en un amplio abanico de mercados, con presencia física en
muchos casos. Disponen de una estrategia de internacionalización y una estructura
organizativa que dan soporte al negocio internacional.
A partir de la clasificación anterior, el Plan pone el acento en los dos primeros segmentos.
En el primero el objetivo será lograr que las empresas adquieran los conocimientos necesarios
para el proceso de internacionalización. En el segundo, procurar una mejor identificación de
mercados, la ampliación de la gama de productos, la introducción de la oferta en los
mercados, o la propia organización de la empresa para potenciar el negocio exterior. Además
el Plan prioriza actuaciones basadas en ajustar las potencialidades de las empresas a la
demanda existente, frente a los métodos tradicionales de impulso de la internacionalización
como la asistencia a ferias 7 .
En este contexto, el programa de Diagnóstico se dirige a empresas andaluzas que se
encuentren en etapas previas o iniciales en el proceso de internacionalización. La actuación de
Extenda consiste en prestar una ayuda individualizada a través de un consultor experto en
desarrollo internacional 8 . El plazo previsto para el desarrollo de esta iniciativa es de tres
meses. Este proceso pretende ayudarles a identificar o confirmar su potencial y a perfilar
mejor sus decisiones sobre oferta, posicionamiento, mercados objetivo, segmentos y posibles
canales de acceso al mercado. El proceso concluye con la definición de un plan de acción en
el que se fija la consecución de unos objetivos de internacionalización en un determinado
período de tiempo. El único requisito relevante para poder acceder al programa es tener sede
social, delegación o establecimiento de producción o prestación de servicios en Andalucía. La
5
Seringhaus (1990) hace hincapié en el hecho de que el proceso exportador implica compromiso de gestión, y se
basa en una actitud, una conciencia de que las oportunidades existen y la gran cantidad de aprendizaje que
resulta necesaria.
6
En relación al tránsito del primer al segundo segmento vid., por ejemplo, Kotabe y Czinkota (1992).
7
Esto no supone cuestionar la eficacia de los métodos tradicionales. Sobre la importancias de las ferias, vid., por
ejemplo, Seringhaus y Rosson (1991).
8
El consultor realiza con la empresa un análisis de la situación y definen un plan de desarrollo internacional, en
el que se identifican las fortalezas y debilidades de la empresa.
4
participación tiene un coste para la empresa participante de 500 €. El coste medio del
programa para la entidad que lo financia está en torno a los 7.000 € 9 .
3.- UNA REVISIÓN DE LAS EVALUACIONES DE LOS PROGRAMAS PÚBLICOS
DE INTERNACIONALIZACIÓN.
La internacionalización puede definirse como un proceso gradual y evolutivo en el que
las empresas incrementan progresivamente su implicación en la esfera internacional del
negocio 10 . Es un proceso beneficioso para la empresa 11 y para la economía del país o la
región 12 , lo que explica la realización de programas, financiados por entidades públicas 13 .
Seringhaus (1986) define la promoción de las exportaciones como todas las políticas, que
actual o potencialmente, intensifican la actividad exportadora desde la perspectiva de la
empresa, la industria o la nación 14 . Dada la aplicación de recursos públicos, es necesario
proceder a su evaluación para comprobar si dicha aplicación es eficaz 15 o puede ser mejorada
mediante un nuevo diseño del programa 16 . Así, Seringhaus (1990) señala como la
determinación del impacto en las exportaciones de los programas de promoción se convirtió
9
Esta cifra ha sido suministrada por la entidad.
Sobre una síntesis de las principales teorías de la internacionalización vid., por ejemplo, Galán, Galende y
González (2000).
11
Knight y Liesch (2002) señalan como las PYMES son cada vez más activa en un proceso inicialmente acotado
para las grandes empresas.
12
Sobre el interés de la Administración norteamericana para facilitar las exportaciones de PYMES, vid., por
ejemplo, Wilkinson, y Brouthers (2006). En las comunidades rurales vid. Amponsah, Adu-Nyako y Pick (1996).
En el caso de Chile, vid. por ejemplo, Rocha, Barría y Quevedo (1997).
13
Incentivar la participación de la dirección de la empresa en este proceso se considera decisivo. Vid. por
ejemplo Singer y Czinkota (1994) que señalan que el compromiso de la gestión es un factor importante en la
promoción de exportaciones. Importancia aún mayor si se considera, como señalan Andersen y Kheam (1998),
que el conocimientos sobre los mercados extranjeros es bajo en pequeñas y medianas empresas. Para Seringhaus
(1990) la información y asistencia a los nuevos exportadores puede proporcionar un eficiente inicio y un efectivo
aprendizaje. Para Cavusgil y Kevin (1981) los resultados apoyan la tesis de que la reticencia de las empresas a
exportar es atribuible en gran medida a la gerencia, de ahí el interés de estos programa por superarlas.
14
Para Kotabe y Czinkota (1992) estos esfuerzos de promoción de exportaciones están destinados a aumentar
las oportunidades de empleo e ingresos fiscales para los estados, e indirectamente a reducir el déficit comercial
del país, si existe.
15
La realidad que subyace es el conflicto entre una aplicación eficaz de los fondos públicos y una ejecución de
programas o políticas condicionada por los intereses del agente ejecutor. A este respecto, vid. Cansino (2003), en
especial el epígrafe relativo a “conflicto y control”. Vid. González Páramo (2001) sobre las fuentes básicas de
ineficiencia que aquejan los procesos presupuestarios.
16
Para Seringhaus (1990) el reto fundamental es entender las necesidades de las empresas y la manera de
cumplir con eficacia con programas de apoyo. Para Singer y Czinkota (1994) hay que tener en cuenta la ayuda
del gobierno como parte de la estrategia de exportación. En el ámbito de la agricultura Amponsah, Adu-Nyako y
Pick (1996) inciden en la necesidad de una mayor coordinación de las agencias actuantes.
10
5
en un tema de preocupación a finales de 1970 17 . Como afirma Seringhaus (1986), la
investigación debe orientarse al impacto del programa en la actividad exportadora.
Pointon (1978) evalúa este impacto en función de los ingresos que se genera por cada
unidad de gasto comprometida. Coughlin y Cartwright (1987) analizaron la elasticidad en la
promoción de las exportaciones en EE.UU, estimando el efecto de una unidad de gasto
comprometida en términos de unidades de exportaciones adicionales. Seringhaus (1990)
considera que estos métodos deben ser valorados con escepticismo. Cuestiona aspectos como
la definición de los costes o el hecho de inferir que todas las exportaciones realizadas en un
año se relacionan con los gastos de promoción del Gobierno en el año previo 18 .
Albaum (1983) acude a la realización de encuestas para evaluar el efecto de estos
programas. Comprobó que la valoración era, por lo general, desfavorable. Se evidenciaba una
falta de entendimiento entre el gobierno y las pequeñas empresas en cuanto a la función y el
valor de los mismos. Wilkinson y Brouthers (2006) también utilizan esta técnica,
estableciendo una escala de cuatro ítems para medir el nivel de satisfacción de los
encuestados 19 . Seringhaus (1990) valora la rica información derivada de las encuestas, pero
cuestiona su fiabilidad. Brewer (2009) señala que estas encuestas pueden ser insatisfactorias
por diversos motivos, como la reticencia de las propias empresas a criticar los programas
cuando en muchos casos no tienen coste.
Para Cadwell (1992), la existencia de una multiplicidad de factores impide relacionar la
promoción estatal con las exportaciones en general o con las exportaciones de las empresas
que han recibido ayuda. Igual motivación sostienen Gillespie y Riddle (2004) para rechazar
un análisis sustentado en la relación entre los valores totales de exportación y el uso de estos
programas. En definitiva, siguiendo a Brewer (2009), las dificultades que conlleva la
investigación de estos programas, y el fracaso de los propios investigadores para generar un
17
Kotabe y Czinkota (1992) plantean incluso si las agencias estatales de desarrollo de las exportaciones centran
su asignación de recursos en las necesidades de las empresas.
18
Gençtürk y Kotabe (2001) inciden en la imposibilidad de vincular a un solo elemento el resultado de estos
esfuerzos. Keesing y Singer (1992) cuestionan el propio concepto de promoción pública.
19
Consideran que los gerentes pueden lograr mejores resultados, complementando las capacidades internas con
las correspondientes actividades de promoción apoyadas por el Estado.
6
consenso sobre los resultados, ha determinado la disminución de estos estudios en los últimos
años 20 .
4.- LA INFERENCIA CAUSAL ESTADÍSTICA.
1.- Definición.
El uso de la inferencia causal estadística en la evaluación de políticas públicas permite
estimar el efecto causal que provoca una política pública (causa) sobre una o varias variables
de interés (efecto). Se trata de aislar el efecto de esta política sobre la variable de interés,
manteniendo controlado cualquier otro factor que afecte a esta última variable. De no ser las
condiciones idénticas los efectos no podrían atribuirse de forma exclusiva a la actuación.
De acuerdo con las aportaciones de Rubin (1974) y Holland (1986), ello exigiría la
definición de un indicador de tratamiento Di, en forma de variable binaria, para cualquier
entidad que potencialmente pueda participar en dicha política. Di = 1, indica que la entidad ha
participado y Di = 0, indica que no ha participado. Definido el indicador, procede determinar
la variable respuesta, entendida como la variable de interés sobre la que se medirán los efectos
de la política a evaluar 21 . Existirán unas respuestas potenciales asociadas al hecho de haber o
no participado en el programa. Estas respuestas potenciales se denotarán como Y0i (valor de la
variable respuesta si la entidad i-ésima no ha realizado el programa), e Y1i (valor la variable
respuesta si la entidad i-ésima lo realizado). El efecto causal del programa sobre la variable
respuesta vendrá determinado por la diferencia Y1i – Y0i, que permitirá la evaluación de la
eficacia de dicho programa. Sin embargo, no es posible observar de forma simultánea ambas
respuestas, ya que se trata de sucesos contrafactuales 22 . Para cada empresa sólo puede
observarse la respuesta realizada Yi, que se define como:
Yi  Di  Y1i  (1  Di )  Y0i
(1)
20
Tampoco puede obviarse el escaso esfuerzo puesto en realizar estas evaluaciones. Vid. Cadwell (1992),
Calderón y Fayos (2002).
21
Pueden ser más de una variable de interés, pero desde el principio se va a considerar una sola.
22
Exigiría que la empresa i fuera expuesta a ambas situaciones al mismo tiempo y en las mismas condiciones, lo
cual no es posible.
7
Este hecho, siguiendo a Holland (1986), conocido como el problema fundamental de
identificación de los estudios de causalidad 23 , impide determinar los efectos causales
individuales del programa. El carácter contrafactual de las respuestas potenciales obliga a la
búsqueda de soluciones de “second best”. Esto obligará a estimar efectos causales agregados.
Un alto grado de homogeneidad entre los potenciales beneficiarios que implicase que
tuviesen respuestas idénticas o similares resolvería el problema. Sin embargo, a diferencia de
disciplinas como la física o la química, en los experimentos sociales las respuestas potenciales
pueden ser muy heterogéneas, debido a que el mismo programa puede provocar respuestas
distintas entre los destinatarios. Esto dificulta el cálculo de efectos causales individuales de un
programa, debiendo recurrirse al cálculo de un efecto promedio del mismo, en el que se
controlen los factores que dan lugar a esta heterogeneidad.
Planteado el cálculo de un efecto promedio, deben definirse los estimadores que
permitan determinarlo. Así, el efecto medio del tratamiento, ATE (“Average Treatment
Effect“), se define como la diferencia entre los valores medios de la variable respuesta de las
entidades que realizaron el programa y las que no lo realizaron. Las primeras forman el grupo
denominado de tratamiento y las segundas el grupo de control.
ˆ ATE  E (Y1  Y0 )  E (Y1 )  E (Y0 )  E (Y1 D  1)  E (Y0 D  0)  E (Y D  1)  E (Y D  0)
(2)
De forma alternativa puede calcularse el efecto sólo en el caso de las empresas
tratadas. Sería el efecto medio del tratamiento en los tratados, ATET (“Average Treatment
Effect on the Treated”). En este caso el cálculo del efecto medio se limita a las empresas que
hicieron el programa:
ˆ ATET  E (Y1  Y0 D  1)  E (Y1 D  1)  E (Y0 D  1)
(3)
Definidos los estimadores, hay que determinar los grupos de tratamiento y de control.
En el caso de los experimentos aleatorios las empresas se asignan de forma aleatoria a los
grupos de tratamiento y de control. La asignación aleatoria permite que los grupos de
23
Rubin (1974) plantea el ejemplo de tomar dos aspirinas o un vaso de agua para un dolor de cabeza.
8
tratamiento y control sean comparables 24 , garantizando la independencia de las respuestas
potenciales. Esta condición de independencia implica que la posible participación en el
programa no este vinculada con la respuesta potencial del participante:
(Y1 , Y0 )  D
(4)
Sin embargo, la realización de estos experimentos, muy extendida en otras ciencias,
difícilmente puede llevarse a la práctica en el caso de las ciencias sociales 25 , al presentar
inconvenientes económicos, morales o éticos, o temporales 26 . También hay que contar con
posibles abandonos, porque el programa no cumple con las expectativas generadas, por el
esfuerzo que implica su realización o por circunstancias ajenas que impiden que la empresa
pueda llevarlo a cabo. Otro factor es el conocido efecto “Hawthorne”, que consiste en una
mejoría de la variable estudiada a consecuencia del estímulo motivacional que genera 27 .
Dada esta limitación, la estimación del efecto causal debe inferirse a partir de datos
observacionales que permitirá la realización de estudios que reproduzcan el escenario propio
de un experimento a partir de los denominados como métodos observacionales 28 . La validez
del efecto promedio estimado puede verse lesionada si las empresas del grupo de participantes
y las del grupo de control difieren en características distintas a las derivadas de la propia
participación en el programa. Por ello, habrá que controlar estas características debido a los
efectos que pueden inducir sobre los valores de la variable respuesta. En la medida en que
estas características ajenas al programa puedan ser observadas y que las empresas
24
El mecanismo debe garantizar que la empresa tiene las mismas posibilidades de participar o no. De esta forma,
el tratamiento es independiente de los resultados potenciales.
25
No obstante, existen ejemplos al respecto. Así, Gertler (2004) ha analizado el programa mexicano de
transferencias condicionadas de dinero seleccionando 505 villas pobres, 320 como beneficiarias y 180 como
grupo de control, sin ser advertidas de tal circunstancia. Angrist y Lavy (1999) también realizan un experimento
para determinar el efecto de un programa de premios a estudiantes. El experimento se hizo a nivel individual y a
nivel de escuelas y suscitó controversias por la asignación a los grupos.
26
Rubin (1974) respecto a los inconvenientes morales o éticos alude al ejemplo de estimar los efectos de la
adicción a la heroína en la actividad intelectual. En el caso del tiempo, la ingesta durante la infancia de colesterol
para estimar los efectos en la longevidad. Stock y Watson (2003) señalan algunos de los inconvenientes que se
pueden encontrar en la práctica. En los programas de formación vid., por ejemplo, Cansino (2006), Sánchez
(2006) y García (2010).
27
También un experimento de este tipo en un programa de internacionalización presenta múltiples
inconvenientes, entre otros de oportunidad política o de posible lucro cesante para los no participantes.
28
Los estudios observacionales presentan la ventaja de poder disponer en muchos casos de muestras de mayor
tamaño en comparación con los métodos experimentales. Rubin (1974) cuestionaba, en su momento, que gran
parte de literatura solo considerase estimaciones útiles de efectos causales las derivadas de un experimento
aleatorio, ya que la mayor parte de las verdades científicas se han establecido sin el uso de estos experimentos.
9
(participantes y de control) difieran sólo en ellas 29 , se podrán controlar tales diferencias.
Sobre esta base se fundamentan los métodos cuasi-experimentales de selección sobre
variables observables.
La selección sobre variables observables permite aislar el efecto de una covariable (o de
un vector de covariables) manteniendo la independencia entre la variable D indicativa de la
participación y la variable respuesta Y. De esta forma, es posible mantener la condición de
independencia propia de los experimentos aleatorios, facilitando la comparación entre los
individuos participantes y los individuos de control, condición que puede ser expresada ahora
como
(Y1 , Y0 )  D X
(5)
Habrá que definir por tanto, la covariable (o vector de covariables 30 ) X, también
denominada variable predeterminada o contaminante. Esta covariable X será una variable
predeterminada con respecto a D si para cada empresa i, X1i = X0i. Es decir, si el valor de Xi
no depende de Di, para todas y cada una de las observaciones consideradas.
Dentro de los métodos de selección sobre observables, se ubican los procedimientos
de subclasificación, “matching” o los basados en la estimación preiva del “propensity score”.
2.- Subclasificación.
En la subclasificación, una vez que se identifica la variable predeterminada X, se
especifican los valores que puede tomar. En función de estos posibles valores se realiza la
subclasificación, dividiendo los grupos de tratamiento y control en distintas subclases.
En el caso de que X sea una variable discreta, existirá una subclase de empresas para
cada valor que pueda tomar X. El número de subclases es finito. Si X es una variable continua
es necesario construir un número finito de intervalos, constituyendo cada uno de ellos una
subclase. La subclasificación de la población origina un conjunto (X1, X2, X3 … XK) de K
29
Cuando los participantes y no participantes difieren en características personales inobservables, el efecto
promedio puede estimarse utilizando el estimador de diferencias en diferencias. Para la investigación
desarrollada en este artículo, véase Cansino y Sánchez (2009).
30
Aunque hablamos de una covariable, cuanto se sostiene puede extrapolarse al caso de que X sea un vector de n
covariables, definido como X n = ( X1 , X2 , … , Xn ).
10
subclases. De esta forma, n será el número de empresas consideradas, de las cuales n1 forman
parte del grupo de las tratadas (D = 1), y n0 forman el grupo de control (D = 0). Si K es el
número de subclases en que se divide la población, hay que determinar las empresas que
forman cada subclase:
nj : total de empresas que componen la subclase j.
n1j : empresas participantes que componen la subclase j.
n0j : empresas del grupo de control que componen la subclase j.
En todo caso se cumple que:
n1  n0  n j
(6)
n1  n 2  n 3  ...  n k  n
(7)
j
j
nj / n, es la ponderación de la subclase j sobre el total de la población, y n1j / n el peso
de las empresas tratadas en relación al total de las que forman la subclase. Por su parte:
Y mide el valor promedio de la variable respuesta.
Y1 j es la respuesta media de las empresas tratadas de la subclase j.
Y0 j es la respuesta media de las empresas del grupo de control de la subclase j.
Dentro de cada subclase, ambos grupos estarán formados por empresas similares. De
esta forma será posible estimar los efectos causales promedios, sumando, en cada subclase,
las diferencias en los valores medios observados de la variable respuesta. Estas diferencias se
ponderan por el peso de cada subclase. De forma analítica:
j
ˆ ATE   (Y1 j  Y0 j )  (
j 1
nj
)
n
(8)
Y con relación únicamente a los tratados:
j
ˆ ATET   (Y1 j  Y0 j )  (
j 1
n1j
)
n1
(9)
11
3.3.- “Matching”.
En el procedimiento de “matching” 31 se asigna a cada empresa participante una
empresa del grupo de control, con el mismo valor (o un valor próximo) de la variable
predeterminada. Esta técnica permite formar emparejamientos de empresas similares en sus
características observables. Si el emparejamiento de las empresas incluye todas estas variables
predeterminadas, el “matching” proporciona un estimador insesgado sobre los efectos
derivados de la realización del programa. A una empresa i, participante en el programa, y que
muestra un valor Xi para la variable predeterminada, se asigna una empresa m, con un valor
Xm para dicha variable, de forma que Xi = Xm, y si no es posible Xi ~ Xm. El emparejamiento
exacto en muchas ocasiones no va a ser posible, ya que en este tipo de estudios las entidades
tendrán muchas características observables, de forma que no se pueda encontrar este par
exacto. Ello nos lleva a un emparejamiento inexacto y a definir unos criterios de cercanías que
fijen las condiciones del emparejamiento 32 . Lograda la igualdad o similitud, m se expresará
como m(i). Después se calcula la diferencia entre el valor observado en la empresa participante
en el programa y el observado en la empresa asignada como pareja. Se suman las diferencias
de todas las empresas tratadas, dividiéndose por el número que forma este grupo. De forma
analítica:
ˆ ATET 
1 n1
 (Y1  Ym(i ) )
n1 i 1
(10)
Este procedimiento también puede desarrollarse con relación a todas las empresas
participantes, es decir las integrantes del grupo de tratamiento y las pertenecientes al de
control 33 . En este caso el estimador “matching” sería del αATE. De forma analítica sería:
ˆ ATE 
1 n
 (Yi  Ym(i ) )
n i 1
(11)
31
Para una revisión teórica de los estimadores “matching”, vid. Heckman, Ichimura y Todd (1997).
Por ejemplo, el conocido como vecino más cercano.
33
El procedimiento sería similar al establecido para el αATET, con la diferencia de que también se asignan parejas
a las empresas del grupo de control. De esta forma, a cada empresa tratada se le asigna otra no tratada, con un
valor igual o similar para la variable predeterminada X. Igualmente, a cada empresa del grupo de control se le
asigna otra, del grupo de tratamiento, que cumple la misma condición de igualdad o similitud en su valor de X.
Se calculan las diferencias de los valores de las variable respuesta de cada pareja, sumándose todas ellas y
dividiéndose, posteriormente, entre el número total de empresas.
32
12
3.4.- “Propensity score”.
La operatividad de los procedimientos de subclasificación y “matching” puede verse
limitada en los casos en los que el número de covariables sea elevado. Rosenbaum (1995)
señala cómo el empleo de la subclasificación con un elevado número de variables
predeterminadas puede obligar al diseño de un número excesivamente amplio de subclases. Si
el número de estas variables es elevado, puede utilizarse el procedimiento denominado
“propensity score” (propensión a participar) o estimación de la probabilidad de ser
beneficiario del programa. Según la definición de Rosenbaum y Rubin (1983) el “propensity
score” es la probabilidad de participar en la actuación (probabilidad de D = 1) condicionada a
los valores que adopte un vector X de covariables (X = X1, X2, X3, …. Xn). Esta probabilidad
puede expresarse en estos términos:
 ( X )  Pr( D  1 X )
(12)
Al ser ε(X) una función de X, esta probabilidad quedará condicionada por la hipótesis
que hagamos sobre la forma de su función de distribución, debiéndose de estimar a partir de
datos muestrales 34 . Rosenbaum y Rubin (1983) exponen la proposición de independencia
del “propensity escore”: si ε(X) es la probabilidad de participar en el programa, condicionado
sobre X, puede afirmarse que:
(Y1,Y0 )  D  ( X )
(13)
Sobre esta base, todas las observaciones que muestren un “propensity score” similar (o
próximo) tendrán una distribución igualmente similar del vector X de covariables. De esta
forma, podrán ser comparados los valores de la variable respuesta de las empresas del grupo
de participantes y las del grupo de control con un valor del “propensity score” similar (o
próximo). Así, el efecto contaminante de las variables predeterminadas queda aislado,
permitiendo calcular un el efecto promedio del programa. De acuerdo con lo anterior, la
estimación del efecto del programa evaluado a partir del “propensity score” seguiría un
procedimiento en dos etapas. En la primera, debe estimarse el “propensity score” ε(X). En la
13
segunda etapa, se procedería al cálculo del efecto promedio aplicando alguna de las dos
técnicas anteriores, bien la subclasificación o bien el “matching”, sobre los valores estimados
del “propensity score.
5.-
APLICACIÓN
DE
LA
INFERENCIA
CAUSAL
ESTADÍSTICA
A
LA
EVALUACIÓN DEL PROGRAMA DE DIÁGNÓSTICO.
1.- Consideraciones preliminares.
El uso de la inferencia causal estadística en la evaluación de esta política pública
supone la estimación del efecto causal que provocaría sobre una serie de variables de interés.
Esta metodología supone desarrollar un nuevo enfoque cuantitativo que puede permitir
determinar los efectos del programa de Diagnóstico. Para ello hay que definir un indicador de
tratamiento Di, en forma de variable binaria, en la que se señalan las empresas que lo han
realizado y las que no, existiendo unas respuestas potenciales asociadas.
En el caso del programa de Diagnóstico, dado su objeto, la variable respuesta (Y)
propuesta es la cifra de exportación, entendida como el importe neto de la cifra de negocios
derivado de la entrega de bienes de las empresas andaluzas en el exterior de España, a lo largo
de un ejercicio económico. No obstante, esta variable debe matizarse, ya que dependiendo del
tipo de actividad de que se trate el margen35 atribuible a cada unidad monetaria puede llegar a
ser sustancialmente distinto. Este aspecto debe tenerse muy en cuenta, ya que impide la
comparación de cifras de exportación de actividades diferenciadas. Una variable respuesta
con mayor grado de homogeneidad es el beneficio antes de intereses e impuestos sobre el
beneficio atribuible al importe exportado, al contemplar todos los costes operativos del
producto, incluidas las amortizaciones. El principal inconveniente es la atribución de los
costes operativos, especialmente en el caso de los indirectos (gastos de estructura y en su caso
gastos de amortización). Además, hay que considerar el escenario temporal de la variable
respuesta. La internacionalización es un proceso en el tiempo que requiere un esfuerzo y un
aprendizaje. Asimismo influyen otros aspectos como el ciclo o la coyuntura económica. Lo
anterior, supone considerar un escenario temporal superior al año. Un escenario razonable es
34
En la práctica el “propensity escore” es estimado, por ejemplo, mediante regresiones logit o probit.
Es margen o rentabilidad puede medirse de distintas formas, si bien el denominador de la relación suelen ser
las ventas o cifra de negocio, en este caso exportado. Así puede hablarse de margen bruto sobre ventas, beneficio
operativo sobre ventas, beneficio neto sobre ventas, etc.
35
14
el promedio de exportaciones en los cuatro o cinco años siguientes a la realización del
programa de Diagnóstico.
La estimación del efecto causal del programa de Diagnóstico puede inferirse a partir de
datos observacionales, a los que se ha hecho referencia en el epígrafe 3 y, en concreto,
mediante el método de selección de variables observables. De este modo, las empresas
participantes en el programa y otras que no lo han realizado deben presentar diferencias
observables que afecten a los posibles resultados. Si los grupos de tratamiento y control se
diferencian en estas características pueden controlarse con el objeto de estimar los efectos del
programa.
2.- Variables observables.
Van considerarse cuatro variables predeterminadas que pueden afectar al resultado del
programa. Una de ellas es la fase en la que se encuentra la empresa desde el punto de vista de
su proceso de internacionalización. Otra es la dimensión de la empresa. También debe
considerarse la actividad que desarrolla, y de forma más específica al tipo de producto que
exporta o podría exportar. Por último, hay que considerar la localización de la empresa.
2.1.- Fase del proceso de internacionalización (X1).
La internacionalización responde a la idea de proceso36, por lo que cada empresa se
encuentra en una fase del mismo. La capacidad de una empresa para responder a estímulos
públicos va a depender en gran medida de la fase del proceso de internacionalización en que
se encuentra. La influencia en la variable respuesta vendrá determinada por el
aprovechamiento del programa. En principio, una empresa que no ha iniciado su proceso de
internacionalización estará en condiciones menos ventajosas de llevar a cabo el plan de acción
que contempla el programa de Diagnóstico. Una empresa que sí ha iniciado este proceso,
aunque sea en su fase inicial, tiene una mayor experiencia para cumplir los objetivos del plan
acordado con el consultor. Esta variable, por tanto, puede adoptar dos valores: las empresas
que no han iniciado este proceso y las que están en una fase inicial del mismo.
Alternativamente pueden considerarse tres valores: empresas ajenas totalmente a la
internacionalización; empresas que han exportado de forma puntual, y de manera ocasional
15
han participado en una feria o en una misión comercial; por último, empresas que de forma
más o menos sistemática exportan, disponen con alguna asiduidad de las herramientas de
promoción, pero carecen de una estrategia definida sobre como encauzar este proceso.
2.2.- Tamaño (X2).
La influencia de esta variable estriba, fundamentalmente, en la capacidad de
comprometer recursos37. Un proceso de internacionalización implica necesariamente
comprometer recursos humanos y financieros, siendo esta capacidad más elevada conforme
mayor es el tamaño de la empresa. De hecho, una oportunidad de negocio en el extranjero
puede venir dada por el tamaño de la empresa.38 Los criterios más habituales de clasificación
que se pueden citar son el número de trabajadores, el importe de las ventas, el volumen de
activos, y en el caso de las cotizadas su capitalización bursátil. Es frecuente la utilización de
dos o más criterios conjuntamente para determinar el tamaño de las empresas, ya que la
elección de un solo puede dar lugar a una clasificación alejada de la realidad. Esta
circunstancia determina que sea frecuente la utilización conjunta de algunos de estos criterios,
especialmente en los ámbitos contable, mercantil y fiscal.
Con independencia de las magnitudes que se establezcan para fijar los intervalos39,
pueden distinguirse cinco segmentos de empresas en función de su tamaño: microempresas;
pequeñas empresas; medianas empresas; grandes empresas; y, por último, multinacionales o
36
Sobre el proceso de internacionalización vid., por ejemplo, Andersen (1993).
En este sentido, Cavusgil, y Naor (1987) concluyen que las empresas exportadoras suelen ser más grandes que
las no exportan. Knight y Liesch (2002) señalan como las PYMES suelen tener menos recursos, capacidades y
poder de mercado. Para Wilkinson y Brouthers (2006) la capacidad de identificar los agentes apropiados y
distribuidores deben ser un elemento clave en la estrategia de comercialización de las PYMES exportadoras.
Para Singer, y Czinkota, (1994) los servicios vinculados a la exportación son más beneficiosos para las PYMES.
Respecto a las dificultades para abordar el proceso de internacionalización de la empresa familiar, vid., por
ejemplo, Fernández y Nieto (2002). En sentido contrario, la actividad internacional española en iberoamérica ha
sido llevada a cabo por grandes empresas públicas. Vid., por ejemplo, Sánchez (2001). Vid. E. García (2004) que
contempla las alianzas estratégicas como fórmula de superación estas limitaciones. Sobre la importancia del
tamaño vid. también Calderón y Fayos (2004). Para Illueca y Pastor (1997) el objetivo de las clasificaciones de
empresas no es otro que agrupar unidades productivas que presenten un comportamiento homogéneo con
respecto a un determinado tipo de variables.
38
Así, puede ser aprovechada por una empresa mediana y, en cambio, desechada por una pequeña empresa por
la imposibilidad o el riesgo de invertir en el proyecto. Esta afirmación es aún más contundente en el caso de las
grandes empresas, que al contar con numerosos recursos humanos y financieros acometen proyectos impensables
para las PYMES, entre otros aspectos por el enorme riesgo que comportan.
39
Existen las más diversas clasificaciones, así por ejemplo, y únicamente referido al número de trabajadores vid,
en el caso de Chile, Rocha, Barría y Quevedo (1997). Knight y Liesch (2002), consideran PYMES las empresas
con menos de 500 trabajadores.
37
16
grandes grupos corporativos que operan en muchos países y, con frecuencia, en diferentes
sectores.
En el caso del programa de Diagnóstico, el ámbito subjetivo para el que está diseñado,
hace que se descarte los dos segmentos superiores40. Por tanto, pueden fijarse tres segmentos
de empresas en función de su tamaño: microempresa, pequeña y mediana empresa. De esta
forma la variable predeterminada tamaño puede adoptar estos tres valores.
2.3.- Producto (X3).
El producto determina tanto la estructura de la empresa como la gestión de la misma.
En función del producto se pueden definir aspectos como el activo de la empresa, la
tecnología utilizada, su propia localización, la comercialización de sus productos, los clientes
y proveedores, la competencia nacional e internacional. Diferentes productos exigen una
estrategia distinta de gestión empresarial tanto a nivel de mercado interior como a nivel
internacional.
Si se atiende a la estructura de la CNAE (división / grupo / clase), procede una primera
agrupación, de forma que la referencia habría que hacerla a una clase de producto, integrada
en un mismo grupo, perteneciente a una división41. Fijada la adscripción a una clase / grupo /
división, un segundo criterio de agrupación, a efectos de comparación, debe ser el tipo
concreto de producto. Por último, y en la medida en que intervengan aspectos como la calidad
del producto o su diseño, un tercer nivel de agrupación, salvo en los muy genéricos, debe
venir determinado por el posicionamiento en el mercado del producto, en el que se puede
establecer la tradicional distinción de segmento o gama alta, media y baja. Esto supone que
esta variable predeterminada puede adoptar un gran número de valores. Piénsese al respecto
40
Efectivamente, un programa de estas características no está orientado a impulsar la internacionalización de una
gran empresa, y menos aún de una multinacional. En el primer caso porque, salvo raras excepciones, estos
procesos de internacionalización están ya avanzados, y si no lo están tienen vías alternativas a la utilización de
este tipo de programas. En el caso de las multinacionales porque es evidente que la internacionalización de su
actividad es una cualidad o componente intrínseco del negocio que desarrollan.
41
En este sentido, el Directorio de Empresas Españolas Exportadoras e Importadoras que forman la base de
datos conjunta de la AEAT y las Cámaras de Comercio, identifica nominativamente a las empresas exportadoras,
y de forma agregada la clasificación por división / grupo / clase.
17
que la CNAE identifica 99 divisiones que, a su vez tienen sus respectivos grupos, y estos, sus
correspondientes clases de productos42.
En resumen esta variable predeterminada puede adoptar una gran diversidad de
valores, ya que las empresas potencialmente participantes pertenecen a variados sectores
productivos, y dentro de dichos sectores, los productos ofertados, por sus características y
posicionamiento en el mercado van a ser muy heterogéneos.
2.4.- Localización (X4).
La localización de la empresa influye fundamentalmente en los costes de transporte.
La cercanía a una carretera principal o, especialmente en el caso de las exportaciones, a un
puerto de mar es una indudable ventaja competitiva. En cuanto a su distribución, la provincia,
en el caso de Andalucía, presenta el inconveniente de la gran extensión de algunas de ellas
(por ejemplo, Sevilla, Córdoba o Jaén) así como el hecho de que integren zonas muy dispares
entre sí. Por este motivo el criterio más adecuado es el de la localización comarcal, pudiendo
adoptar múltiples valores en la práctica.
Corresponde ahora ver la posible aplicación de los procedimientos antes descritos de
selección sobre variables observables.
2.- La subclasificación.
En el caso de la variable fase de internacionalización, la subclasificación, es, en
principio posible, ya que pueden formarse dos subclases43, Alternativamente, pueden
establecerse tres subclases44.
Sin embargo, esta subclasificación se verá condicionada por la distribución de
empresas en los grupos de tratamiento y control que pueden pertenecer a sectores de actividad
42
Si el programa de Diagnóstico tuviese vocación sectorial, este problema estaría en parte resuelto. Sin embargo,
las bases que lo rigen no establecen condición alguna al respecto.
43
Una que integraría a las empresas que aún no han iniciado este proceso y otra subclase integrada por las
empresas que ya iniciaron este proceso.
44
Empresas con ninguna actividad internacional; empresas que ocasionalmente han tenido este tipo de
actividad, pero sin sistemática alguna al respecto; y, por último, empresas que han iniciado este proceso, pero
que están en una fase temprana del mismo y carecen de una estrategia internacional para desarrollarlo.
18
muy variados, que, lógicamente, influirán en los valores de la variable respuesta. Únicamente,
si la distribución de empresas fuese relativamente homogénea o adecuadamente balanceada en
lo relativo a la actividad que desarrollan, los resultados derivados de esta subclasificación
podrán ser fiables. Sin embargo, ello exigirá una muestra de empresas enormemente amplia,
algo difícilmente observable en la práctica.
La misma consideración puede hacerse en torno a la variable tamaño. Puede realizarse
una subclasificación atendiendo a si son microempresas, pequeñas o medianas empresas. Sin
embargo, si la distribución de empresas en los grupos de tratamiento y control no es
equilibrada respecto a la fase de internacionalización y, muy especialmente, respecto al
producto, los resultados no serán fiables.
En el caso de la variable producto, como el programa de Diagnóstico no tiene
vocación sectorial, la diversidad de valores que puede adoptar esta variable predeterminada
impedirá en la práctica realizar una subclasificación. No puede admitirse una multitud de
subclases de tres o cuatro empresas, o incluso con menos entidades. Consideración parecida
puede hacerse en relación a la variable localización.
En definitiva, debe descartarse la utilización de este procedimiento para evaluar el
efecto causal del programa de Diagnóstico.
3.- El “matching” o emparejamiento.
En principio es factible realizar estos emparejamientos en la evaluación del programa
de Diagnóstico, ya que en una inmensa mayoría de los casos será posible identificar una
empresa similar que no haya participado en el programa.
A la hora de fijar los criterios de cercanía, en primer lugar debe atenderse a la variable
producto. Lo óptimo será emparejamientos con empresas que exporten un producto
perteneciente al mismo segmento de mercado. De no ser posible, como mínimo que el
producto fuese similar.
El segundo criterio de cercanía la variable fase del proceso de internacionalización.
Por las diferencias que puede haber en relación al aprovechamiento del programa, es exigible
19
emparejar empresas en una misa fase del proceso de internacionalización, dado la diferencia
potencial de aprovechamiento. En el caso de la variable tamaño, la situación óptima es
emparejar empresas de parecida dimensión. En todo caso no es aconsejable emparejar una
microempresa con una empresa de tamaño mediano, dada la diferencia de recursos que
pueden comprometer. Por último, en el caso de que fuese posible, deben emparejarse
empresas de la misma comarca, o lo más cercanas posible.
Es evidente que si la muestra permitiese emparejamientos que respondiesen a las
exigencias antes indicadas, es posible evaluar los resultados derivados del realizar el
programa de Diagnóstico. Además este efecto promedio puede llevarse a cabo tanto para las
empresas tratadas como con relación a las empresas integrantes del grupo de las tratadas y de
control.
Debe advertirse una circunstancia en relación a la variable respuesta. Antes se señaló
la conveniencia de utilizar el beneficio antes de intereses e impuestos sobre el beneficio
atribuible a la cifra exportada, por al diferencia de márgenes en función de la actividad. Con
el procedimiento “matching” sobre la variable predeterminada producto este aspecto queda
salvado a nivel individual. Cuestión diferente es determinar el efecto promedio, ya que en tal
caso las cifras de las diferencias derivadas de los distintos emparejamientos no serían
homogéneas.
Puede utilizarse como variable respuesta la cifra de exportación en el emparejamiento
y posteriormente, en función de la actividad, aplicarle a esta cifra el porcentaje del sector que
representa el beneficio antes de intereses e impuestos. Es evidente que esta posibilidad es
menos precisa, ya que son porcentajes sectoriales, pero, desde el punto de vista práctico, es
mucho más viable la aplicación de este procedimiento.
4.- El “propensity score”.
Una vez fijados los valores de las cuatro covariables que se ha considerado, el
“propensity score” permite comparar las empresas tratadas y del grupo de control con una
puntuación similar o parecida. En una segunda etapa, el cálculo del efecto promedio del
programa debe determinarse aplicando el “matching” conformea a los criterios de cercanía
antes indicados.
20
6. CONCLUSIONES.
El uso de la inferencia causal estadística en la evaluación del programa de Diagnóstico
supone desarrollar un nuevo enfoque cuantitativo.
En el caso del programa de Diagnóstico, dado su objeto, la variable respuesta a
considerar, sería la cifra de exportación, entendida como el importe neto de la cifra de
negocios derivado de la entrega de bienes de empresas andaluzas en el exterior de España. No
obstante, la diferencia de márgenes existentes en las distintas actividades obligará a utilizar
una magnitud más precisa: el beneficio antes de intereses e impuestos sobre el beneficio
atribuible al importe exportado, considerando un escenario temporal de cuatro o cinco años.
En cuanto a las variables observables, se consideran cuatro variables básicas: la fase
en la que se encuentra la empresa en su proceso de internacionalización; la dimensión de la
empresa; la actividad que desarrolla, y de forma más específica el tipo de producto que
exporta o podría exportar; por último, su localización.
En el caso de la variable fase del proceso de internacionalización, la influencia en la
variable respuesta vendrá determinada por el aprovechamiento del programa. Esta variable
podría adoptar dos valores: empresas que no han iniciado este proceso y las que están en su
fase inicial. Alternativamente pueden considerarse tres valores: empresas ajenas totalmente a
la internacionalización, empresas que exportan ocasional o puntualmente, y empresas que
exportan, careciendo de una estrategia definida sobre como hacerlo.
La influencia de la variable tamaño viene determinada por la capacidad de
comprometer recursos humanos y financieros, que es mayor mientras la empresa sea más
grande. Los valores de la variable pueden atender a una sola magnitud (empleo, ventas,
activos, etc.) o a un criterio conjunto de las mismas. En cuanto a los valores concretos para el
programa de Diagnóstico se proponen tres: microempresa, pequeña y mediana empresa.
La variable producto determina múltiples aspectos de la empresa (composición del
activo, tecnologías, comercialización, localización, tipo de clientes y proveedores,
condiciones de cobros y pagos, etc. Como el programa de Diagnóstico no tiene vocación
21
sectorial, las empresas destinatarias del mismo desarrollan las actividades más diversas. De
esta forma, son múltiples los valores que puede adoptar.
La localización de la empresa influye en los costes de distribución y, en consecuencia,
en los precios que puede ofertar. El criterio que se considera más adecuado para su
clasificación es el comarcal, dado la extensión de las provincias y al hecho de que agrupen
zonas muy dispares.
El principal problema para aplicar la subclasificación viene dado por la exigencia de
una adecuada distribución en los grupos de tratamiento y control de empresas que desarrollen
una actividad similar. Como esta variable puede adoptar múltiples valores es en la práctica
imposible lograr esta distribución, con una muestra de la subclase suficientemente grande.
Sin embargo, sí resulta factible aplicar el procedimiento del “matching”, ya que en una
inmensa mayoría de los casos será posible identificar una empresa similar que no haya
participado en el programa. Respecto a los criterios de cercanía que comporta su utilización,
debería atenderse en primer lugar a la variable producto. Un segundo criterio de cercanía sería
la variable fase del proceso de internacionalización. Por último, deberían emparejarse
empresas de parecida dimensión.
Si la muestra permitiese emparejamientos que respondiesen a las exigencias antes
indicadas, es posible evaluar los resultados derivados del realizar el programa de Diagnóstico.
El “propensity score” también puede ser un procedimiento para evaluar los efectos
causales del programa de Diagnóstico, aplicándose en una segunda etapa el “matching” con
los criterios de cercanía antes indicados.
7. REFERENCIAS.
Albaum, G. (1983): ‘Effectiveness of government export assistance for US smaller sized
manufacturers: Some further evidence’, International Marketing Review, vol. 1, nº 1, pp. 6873.
Amponsah, W., K. Adu-Nyako y D. Pick (1996): ‘Evaluation of export promotion programs
on trade of high-valued and processed food products: implications for North Carolina
Agribusiness’, International Agricultural Trade Research, Consortium, Working Paper, 96-5.
22
Andersen, O. (1993): ‘On the internationalization process of firms: A critical analysis’,
Journal of International Business Studies, 24 (2), pp. 209–231.
Andersen, O. y L. S. Kheam (1998): ‘Resource-based theory and international growth
strategies: An exploratory study’, International Business Review, 7, pp. 163–184.
Andrews, M. S., S. Bradley y R. Upward (1999): ‘Estimating Youth Training Wage
Differentials During After Training’, Oxford Economic Papers, vol. 51 (3), pp. 517-544.
Angrist, J. D. y V. Lavy (1999): ‘Using Maimonides’ rule to estimate the effect of class size
on scholastic achievement’, The Quarterly Journal of Economics, vol. 114, nº 2 (May, 1999),
pp. 533-575.
Arellano, F. A. (2006): ‘Una revisión sobre los métodos de estudio y Evaluación en las
políticas activas de empleo, Edita Instituto Valenciano de Investigaciones Económicas,
Valencia.
Barnow, B, G. Cain y A. Goldberger (1981): ‘Selection on Observables’, Evaluation Studies
Review, Annual 5, Sage, Beverly Hills, pp. 43-59.
Brever, P. 2009: ‘Australia´s export promotion program: is it effective?’, Australia Journal of
Management, vol. 34, nº 1, pp. 125 -142.
Cadwell, C. (1992): ‘State Export Promotion and Small Business’, Research Summary
Number 125, Small Business Administration, Washington, D.C., United States.
Calderón, H. y T. Fayos (2002): ‘La medición de los resultados de la promoción de las
exportaciones’, Boletín ICE, Económico, 2746, pp. 225-238.
Calderón, H. y T. Fayos (2004): ‘Factores empresariales que influyen en las políticas de
promoción de las exportaciones: aplicaciones a la Comunidad Valenciana’, Revista de
Dirección, organización y administración de empresas, 30, pp. 122-133.
Cansino, J. M. (2003): ‘Tres Soluciones para la Provisión Pública Ineficiente’, Revista
Española de Control Externo, vol. V, núm. 14, pp. 175 – 207.
Cansino, J. M. (2006): ‘Propuestas metodológicas para la evaluación de programas públicos
de formación. Una revisión crítica’. Capítulo 5 de La calidad del Gobierno. Evaluación
económica de las políticas públicas. Delta, Madrid, pp. 117 y ss.
Cansino, J. M. y A. Sánchez (2009): ‘Evaluación del programa de Escuelas Taller y Casas de
Sevilla’, Estudios de Economía Aplicada, 29 (19), pp. 273-296.
Card, D. y D. Sullivan (1988): ‘Measuring the Effects of Subsidized Training Programs on
Movenments in and out of Employment’, Econometrica, 56 (3), pp. 497-530.
Cavusgil, S. T. y J. R. Kevin (1981): ‘Internal determinants of export marketing behavior: An
empirical investigation’, Journal of Marketing Research, 28, 114–119.
Cavusgil, S. T. y J. Naor (1987): ‘Firm and management characteristics as discriminators of
export marketing activity’, Journal of Business Research, vol. 15, nº 3, pp. 221–35.
23
Coughlin, C. C. y P. A. Cartwright, (1987): ‘An examination of state foreign export
promotion and manufacturing exports’, Journal of Regional Science, vol. 27, nº 3, pp. 439–
49.
Dehejia, R. H. S. Wahba (1999): `Causal effects in Non-Experimental Studies: Reevaluating
the Evaluation of Training Programs’, Journal of the American Statistical Association, 448,
pp. 1053-1063.
Fernández, Z. y M. J. Nieto (2002): ‘La estrategia de internacionalización de la pequeña
empresa familiar, Series de Economía de la Empresa, Universidad Carlos III de Madrid.
Galán J. I., J. Galende y J. González (2000): ‘Factores determinantes del proceso de
internacionalización. El caso de Castilla y León comparado con la evidencia española’,
Economía Industrial, n° 333 / III, pp. 33-47.
García, E. (2004): ‘El papel de las alianzas estratégicas en la internacionalización de las
empresas españolas’, Universia Business Review – Actualidad Económica, III trimestre.
García, J. I. (coord) (2009): ‘Metodología y diseño de estudios para la evaluación de políticas
públicas’, Antoni Bosch editor, Barcelona.
García, L. (2010): ‘Econometría de evaluación de impacto’, Pontifica Universidad Católica
del Perú, Documento de Economía núm. 283.
Gençtürk, E. F. y M. Kotabe, (2001): ‘The effect of export assistance program usage on
export performance: a contingency explanation’, Journal of International Marketing, vol. 9,
nº 2, pp. 51–72.
Gertler, P. (2004): ‘Do conditional cash transfers improve child health? Evidence from
PROGRESA’s control randomized experiment’, American Economic Review: Papers and
Proceedings, 94 (2).
Gillespie, K. y L. Riddle, (2004): ‘Export promotion organization emergence and
development: A call to research’, International Marketing Review, vol. 21, nº 4/5, pp. 462–73.
González Páramo, J. M. (2001): ‘Costes y beneficios de la disciplina fiscal: la Ley de
Estabilidad Presupuestaria en Perspectiva’, IEF, Madrid.
Heckman, J. J. y V. J. Hotz, (1989): ‘Choosing Among Alternative Nonexperimental Methods
for Estimating the Impact of Social Programs: the Case of Manpower Training’, Journal of
the American Statistical Association, 84 (408), pp. 862-874.
Heckman, J. J., H. Ichimura y P. Todd (1997): ‘Matching as an econometric evaluation
estimator: evidence from evaluating a job training program’, Review
of Economic Studies, 64: 605-654.
Holland, P. W. (1986): ‘Statistics and causal inference (with discussion)’, Journal of de
American Statistical Association, 81, pp. 945-970.
24
Illueca, M y J. M. Pastor, (1997): ‘El tamaño como determinante de la estrategia de las
empresas españolas’, Ed. Instituto Valenciano de Investigaciones Económicas, Valencia.
Imbens, G. W. (2000): ‘The role of the propensity score in estimating doseresponse
Functions’, Biometrika, 87, pp. 706-710.
Keesing, D. B. y A. Singer (1992): ‘Why official export promotion fails’, Finance and
Development, vol. 29, nº 1.
Knight, G. A y P. W. Liesch (2002): ‘Information internalisation in internationalising the
firm’, Journal of Business Research, 55, pp. 981– 995.
Kosuke, I. (2010): Introduction to Statistical Inference, Princeton University, January 31.
Kotabe, M. y M. R. Czinkota (1992): ‘State government promotion of manufacturing exports:
A gap analysis’, Journal of International Business Studies, vol. 23, nº 4, pp. 637–658.
Pearl, J. (2000): ‘Causality: Models, Reasoning and inference’, Cambridge, Ed.: Cambridge
University Press.
Pointon, T. (1978): ‘Measuring the gains from government export promotion’, Journal of
European Marketing, vol. 12, nº 6, pp. 451–462.
Rocha, H. E., A. B. Barría y E. A. Quevedo (1997): ‘Innovación y Exportación. La soledad de
las PYME’, XIV Encuentro Nacional de Facultades de Ciencias Económicas y
Administrativas, Universidad Central de Chile Santiago.
Rubin, D. B. (1974): ‘Estimating Causal Effects of Treatments in Randomized and
Nonrandomized Studies’, Journal of Educational Psychology, 66 (5), pp 688-701.
Rosenbaum, P. R. (1995): ‘Observational Studies’, Springer Verlag, Nueva York.
Rosenbaum, P. R. y D. B. Rubin (1983): ‘The Central Role of the Propensity Score in
Observational Studies for Causal Effects’, Biometrica, 70, págs. 41-55.
Sánchez, A. (2006): ‘La evaluación aplicada a programas públicos de formación. La
utilización de métodos observacionales: el estimador de diferencias en diferencias’ Capítulo
11 de La calidad del Gobierno. Evaluación económica de las políticas públicas. Delta,
Madrid, pp. 339 y ss.
Sánchez, A. (2001): ‘La internacionalización de la economía española hacia América Latina’,
Boletín Económico del ICE, nº 2714, pp. 19-29.
Seringhaus, F. H. R. (1986): ‘The impact of government export marketing assistance’,
International Marketing Review, vol. 3, nº 2, Summer, pp. 55-60.
Seringhaus, F. H. R. (1987): ‘Promotions exports: what role do government programs play?’
Business Quarterly, vol. 52, nº 1, pp. 57-61.
25
Seringhaus, F. H. R. (1990): ‘Program impact evaluation. Application to Export Promotions’,
Evaluation and Program Planning, vol. 13. pp. 251-265.
Seringhaus, F. H. R. y P. J. Rosson (1991): ‘Management and performance of international
trade fair exhibitors: government stands vs independent stands’, International Marketing
Review, pp. 398-412.
Singer, T.O. y M. R. Czinkota, (1994): ‘Factors associated with effective use of export
assistance’, Journal of International Marketing, vol. 2, nº 1, pp. 53–71.
Stock, J. y M. Watson (2003): ‘Introduction to Econometrics’, 1ªedición, Boston: Addison
Wesley.
Wilkinson, T. y L. E. Brouthers (2006): ‘Trade promotion and SME export performance’,
International Business Review, 15, pp. 233–252.
Zou, S. y S. Stan (1998): ‘The determinants of export performance: a review of the empirical
literature between 1987 and 1997’, International Marketing Review, pp. 333-356.
26