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