Convergencia en el esfuerzo inversor en I+ D+ i de las regiones españolas L Sauci, M Carmona, J Iglesias Cuadernos económicos de ICE 89, 229-251. 2015

Abstract

Este trabajo trata de contrastar la hipótesis de convergencia estocástica para el gasto
total en I+D+i de las comunidades autónomas españolas así como el peso relativo de sus componentes
público y privado durante el período 1987-2013, haciendo uso del test de estacionariedad
con cambio estructural para datos de panel propuesto por Carrión, del Barrio y López-Bazo
(2005). En el período analizado la hipótesis de convergencia es aceptada tanto al considerar
el esfuerzo inversor en I+D+i total como cuando examinamos este esfuerzo en función de su
naturaleza pública o privada. Por tanto, ya sea como consecuencia de la adecuación de las
políticas o de las fuerzas que operan en los mercados y que determinan la configuración de
los tejidos empresariales regionales, los resultados parecen apuntar hacia una mayor cohesión,
en términos de esfuerzo innovador de los diferentes territorios, lo que debería traducirse en
unos efectos favorables sobre la reducción de los desequilibrios, reforzandose así la cohesión
territorial.
Palabras clave: innovación, cambio estructural (múltiple), tests de raíces unitarias para
datos de panel, convergencia.
Clasificación JEL: C22, C23, O31, O32.

Full text

Convergencia en el esfuerzo inversor en I+D+i
de las regiones españolas*
Laura Sauci
Mónica Carmona
Jesús Iglesias
Universidad de Huelva
Resumen
Este trabajo trata de contrastar la hipótesis de convergencia estocástica para el gasto
total en I+D+i de las comunidades autónomas españolas así como el peso relativo de sus com-
ponentes público y privado durante el período 1987-2013, haciendo uso del test de estacionariedad
con cambio estructural para datos de panel propuesto por Carrión, del Barrio y López-Bazo
(2005). En el período analizado la hipótesis de convergencia es aceptada tanto al considerar
el esfuerzo inversor en I+D+i total como cuando examinamos este esfuerzo en función de su
naturaleza pública o privada. Por tanto, ya sea como consecuencia de la adecuación de las
políticas o de las fuerzas que operan en los mercados y que determinan la configuración de
los tejidos empresariales regionales, los resultados parecen apuntar hacia una mayor cohesión,
en términos de esfuerzo innovador de los diferentes territorios, lo que debería traducirse en
unos efectos favorables sobre la reducción de los desequilibrios, reforzandose así la cohesión
territorial.
Palabras clave: innovación, cambio estructural (múltiple), tests de raíces unitarias para
datos de panel, convergencia.
Clasificación JEL: C22, C23, O31, O32.
Abstract
This paper attempts to test the stochastic convergence hypothesis for total expenditure on R&D
of the Spanish autonomous communities as well as the relative weight of their public and private
components in the period 1987 to 2013, using the test of stationarity with structural change for
panel data proposed by Carrión, del Barrio and López-Bazo (2005). In the analyzed period, the
convergence hypothesis is accepted both when considering total investment in R&D as when we
examine this effort as a function of their public or private nature. Therefore, whether as a result
of the adjustment policies or of forces operating in markets and determining the configuration of
the regional business composition, the results seem to point towards greater cohesion, in terms of
the innovative efforts of the different territories, which should result in some positive effects on the
reduction of imbalances, thus strengthening territorial cohesion.
Keywords: innovation, multiple breaks, panel unit root tests, convergence.
JEL classification: C22, C23, O31, O32.
* Agradecemos a los profesores Carrión, Del Barrio y López-Bazo el haberles facilitado el programa de
lineales de Gauss. Trabajo financiado con la ayuda recibida del Plan Andaluz de I+D+i (SEJ-487).

206 CUADERNOS ECONÓMICOS DE ICE N.O 89
1. Introducción
Con independencia de su eficiencia y adecuación, una de las recetas que se des-
prenden de las proposiciones teóricas y empíricas de la literatura de crecimiento
económico1 –revisadas exhaustivamente en los trabajos de De la Fuente, 1997;
Cameron, 1998; Temple 1999– es que apostar por la investigación y la innovación
es un pilar clave sobre el que asentar cualquier estrategia de desarrollo, ya sea a
través de la intervención pública directa o a través de la ayuda a los proyectos
privados innovadores. En efecto, las estrategias de desarrollo regionales, nacionales
y comunitarias no son ajenas a estas prescripciones, de manera que resulta habitual
encontrar objetivos explícitos de los sectores público y privado en términos de
esfuerzo inversor –cuantificado como porcentaje del gasto en I+D+i con respecto al
PIB– como forma de promover el crecimiento de un determinado territorio.
No obstante, existe un importante desequilibrio en favor de la iniciativa privada
que suele ser interpretado en clave positiva, esto es, en términos de la capacidad del
tejido empresarial de contribuir directamente al crecimiento, al tratar de capturar
las oportunidades de beneficio más innovadoras que generan mayor valor añadido
y que repercuten, en mayor medida, en la creación de empleo (Congregado et al.,
2008). Ahora bien, en aquellos casos en los que este esfuerzo inversor por parte
del sector privado sea pequeño, bien por su carácter imitador o rutinario, el sector
público puede intentar incentivar la innovación, promover la incorporación de
nuevos empresarios de carácter innovador al tejido empresarial, e incluso optar por
la intervención pública directa en la materia, a partir de la promoción básica y
aplicada que se difunda por el tejido empresarial existente. A estos efectos, y aunque
la participación del sector público en el proceso de innovación pueda ser visto desde
la perspectiva de la complementariedad, no podemos descartar el hecho de que su
aparición provoque efectos de crowding out con los consiguientes efectos negativos
sobre la participación del sector privado en la inversión nacional en I+D+i.
Con este objetivo, el presente artículo analiza las estadísticas regionales de gasto
en I+D+i durante el período 1987-2013 para comprobar si las diferencias en el
potencial innovador entre las regiones tienden a acentuarse o a amortiguarse, cuestión
clave si tenemos en cuenta las implicaciones de este potencial sobre el crecimiento,
la productividad y el empleo, y por ende, sobre la cohesión económica y social de
las regiones españolas. De este modo, si queremos evaluar el grado en el que los
territorios que partían de posiciones relativamente más atrasadas han ido corrigiendo
el gap inversor, cabe preguntarse: ¿ha permitido la descentralización regional unida
a las estrategias singulares promovidas por los gobiernos regionales en el ejercicio
1 La literatura empírica acerca de la relación entre el crecimiento y la innovación sugiere que los pro-
cesos de innovación realizan una contribución significativa al crecimiento. Además, esta literatura aporta evi-
dencia acerca de las externalidades que caracterizan estos procesos, incluyendo el papel de la investigación
financiada con recursos públicos y sobre las posibles barreras a la difusión internacional de la tecnología
que pueden obstaculizar el cath up tecnológico y la tendencia a converger por lo que los esfuerzos de inversión
domésticos se tornan en cruciales para eliminar las diferencias.

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 207
de su autonomía la corrección de los desequilibrios territoriales existentes?, y en
caso afirmativo, ¿sólo se ha corregido el diferencial correspondiente al gasto público
o también la evolución del gasto privado ha seguido unas pautas de eliminación de
esas diferencias, gracias a las políticas de promoción del tejido empresarial innova-
dor?
Advertirá el lector que esta cuestión es especialmente importante para la econo-
mía española en el momento actual debido a la drástica caída del gasto público en
general y del gasto público en I+D+i en particular, motivada por la crisis económica
y la consecuente búsqueda de estabilidad presupuestaria, lo que ha provocado cam-
bios en la participación relativa de ambos sectores (Gráfico 1a).
Si analizamos estos datos por sectores, tanto el gasto público como el gasto privado
experimentaron una disminución del 4,7 por 100 y del 2,6 por 100, respectivamente,
respecto al año anterior, confirmando la evolución decreciente que mantienen des-
de el inicio de la crisis (Gráfico 1b). Asimismo, la I+D interna fue financiada priorita-
riamente por el sector privado –empresas (un 46,3 por 100)– y por el sector público
–la Administración Pública (un 41,6 por 100).
GRÁFICO 1A
EVOLUCIÓN DEL GASTO EN I+D
(Miles de euros)
NOTA: Instituciones Privadas Sin Fines de Lucro (IPSAFL).
FUENTE: INE.

208 CUADERNOS ECONÓMICOS DE ICE N.O 89
A nivel regional se detecta una distribución asimétrica del esfuerzo inversor entre
las distintas comunidades autónomas, siendo las autonomías que tradicionalmente
han presentado mayores porcentajes de gasto con respecto a la media nacional: País
Vasco (2,09 por 100 del PIB, en 2013), Navarra (1,79 por 100), Madrid (1,75 por
100) y Cataluña (1,50 por 100), observándose igualmente un proceso de ralentización
en estos últimos años.
No parece osado aventurar que esta pérdida de capacidad inversora hará más
difícil alcanzar el objetivo del 3 por 100 de gasto en I+D+i sobre el PIB, fijado
para el conjunto de la Unión Europea en 2020, siendo del 2 por 100 el objetivo
proyectado para España, según la Estrategia Española de Ciencia y Tecnología de
Innovación (véase Cuadro 1), objetivo que deberá ir vinculado a una nueva estrategia
competitiva y de excelencia de su tejido empresarial que sea capaz de captar mercados
y actividades de alto valor añadido.
GRÁFICO 1B
TASAS DE VARIACIÓN DEL GASTO EN I+D INTERNA EN EL
PERÍODO 2010-2013
(% PIB base 2010))
FUENTE: INE.

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 209
En el entorno europeo, la estrategia española de supeditación del gasto de inversión
en I+D+i, con respecto a las necesidades impuestas por la evolución de la deuda y de
la propia economía española, no es una estrategia compartida con otras economías.
Más bien al contrario, la intensidad de la contracción del gasto en I+D en España, es
un caso aislado en el entorno europeo, donde los países han intentado minimizar el
impacto de la crisis sobre este sector. Como prueba de esta afirmación y según datos
de Eurostat, basta citar el ejemplo de una economía como la alemana en la que el
gasto en I+D (en relación al PIB) creció un 7,69 por 100 entre 2009 y 2013, frente a
la economía española que registró una tasa de variación media del gasto en I+D del
–8,1 por 100 durante ese mismo periodo. Fruto de este proceso, la I+D financiada por
el sector privado ya supera a la financiada por el sector público en España.
De todo ello se desprende una aparente adecuación del esfuerzo inversor a los
pesos relativos de ambos sectores en las economías más desarrolladas, lo que obe-
dece, en cambio, a una brusca caída del esfuerzo público sin que ello suponga que
el sector privado ha sido capaz de tomar el testigo de la I+D+i pública. En este sen-
tido, el hecho de que el peso del sector privado alcance al público puede ser el resul-
tado de causas muy diversas: desde la evolución del tejido empresarial desde posi-
ciones más rutinarias hacia un tejido empresarial más dinámico e innovador, hasta
venir motivado por el repliegue de la inversión pública en la materia, debido a la
subordinación de las políticas de innovación e I+D a ámbitos en los que el equilibrio
presupuestario obliga a reasignaciones al menos transitorias de los gastos.
En este contexto, trataremos de evaluar si las desigualdades de la distribución
regional del gasto privado en I+D+i tienden a desaparecer gracias a la propia fuerza
de los mercados o si por el contrario tan sólo desaparecen gracias a la intervención
pública, esto es, a la introducción de incentivos y políticas públicas directas. En otros
CUADRO 1
INDICADORES DE LA ESTRATEGIA ESPAÑOLA DE CIENCIA
Y TECNOLOGÍA Y DE INNOVACIÓN
Indicadores de eafuerzo 2010 2016 2020
Gasto en I+D sobre el Producto Interior Bruto
(%) 1,39 1,48 2,00
Gastos I+D sector privado sobre el Producto
Interior Bruto (%) 0,60 0,73 1,20
Ratio entre financiación privada y pública del
gasto en I+D 0,86 1,06 1,70
% de la financiación del gasto en I+D
procedente del extranjero 5,70 9,60 15,00
FUENTE: INE.

210 CUADERNOS ECONÓMICOS DE ICE N.O 89
términos, este artículo trata de explorar si el esfuerzo inversor en I+D+i tiende a
converger y si el origen de las fuentes de financiación pública y privada responden
a un mismo patrón.
Para efectuar este análisis consideramos el concepto de convergencia de Quah
(1990). En particular, y aplicado a nuestro caso de estudio, diremos que la conver-
gencia estocástica en el gasto en I+D+i hace referencia al supuesto en el que una
perturbación, en la relación entre el esfuerzo en I+D+i de una región con respecto a
la media, es transitoria, es decir, que cualquier shock en el diferencial del gasto en
I+D+i de una región sobre la media total (lo que llamaremos gasto relativo) tiene
un efecto transitorio, y, con ello, no permanente. Por tanto, basta con testar si dicho
diferencial (del gasto en I+D+i de cada región sobre la media) es estacionario, esto
es, carece de raíz unitaria2.
Para contrastar esta hipótesis y dada la naturaleza de la base de datos sobre la
que se apoyan nuestras aplicaciones empíricas –datos de panel– utilizaremos los
tests de estacionariedad con cambio estructural propuestos por Carrión, del Barrio y
López Bazo (2005) –en adelante, CBL– de raíces unitarias para datos de panel–. Así,
cuando exista evidencia de convergencia estocástica, el gasto relativo en I+D+i será
estacionario (inexistencia de raíz unitaria), mientras que en el caso de que el gasto
relativo no sea estacionario (existencia de raíz unitaria) el efecto de cualquier shock
o perturbación sobre dicho gasto se convertiría en permanente, esto es, se generaría
un proceso de divergencia.
De este modo, el presente artículo se enmarca en los trabajos empíricos sobre
convergencia, en particular sobre convergencia estocástica, permitiendo la existencia
de cambio estructural con el fin de estudiar si las diferencias en el gasto en I+D
regional, se han ido difuminando o no.
Para llevar a cabo esta tarea, el resto del artículo se estructura como sigue. En
el siguiente apartado se revisa, de manera sucinta, la literatura previa acerca de la
relación entre emprendimiento, innovación y convergencia, en un intento de pro-
porcionar al lector las claves necesarias para poder poner en perspectiva el interés
potencial de nuestros resultados. El tercer apartado describe el panel de datos regio-
nal que servirá de base para nuestras aplicaciones empíricas y la estrategia econo-
métrica utilizada para llevar a cabo el análisis de convergencia que constituye el
núcleo de este trabajo. El cuarto apartado se reserva para presentar los resultados
de la aplicación de los contrastes de raíces unitarias para datos de panel incluyendo
aquellos que permiten la posibilidad de cambio estructural. Avancemos en este punto
que aunque hay evidencia de cambio estructural en las tres series consideradas, los
resultados apuntan hacia la idea de que la convergencia en términos del esfuerzo
inversor en I+D+i tanto por parte del sector público como el sector privado ha sido
la tendencia dominante entre las regiones españolas en el período 1987-2013.
2 Recordemos que la existencia de una raíz unitaria supone que la serie, tiene entre otras características,
memoria infinita, y por tanto, cualquier cambio en ella tendría carácter permanente y no transitorio como sería
el caso cuando la serie fuera estacionaria (no existencia de raíz unitaria).

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 211
2. Emprendimiento, innovación y convergencia
La relación entre el emprendimiento y la innovación es y ha sido una de las rela-
ciones más intensamente exploradas dentro de la denominada literatura del empren-
dimiento/autoempleo. Como bien es sabido, la innovación es una de las facetas que
define el desempeño de la función empresarial (Schumpeter, 1912; O’Kean, 2000;
O’kean y Menudo, 2008; Iversen et al., 2008) y conocer las claves que determinan
el que un tejido empresarial sea innovador es y ha sido uno de los grandes retos a
los que se enfrenta el análisis del emprendimiento dado los favorables efectos de la
innovación sobre el crecimiento.
En este sentido, y aunque existe una extensa literatura tanto teórica como empírica,
acerca de los efectos de la I+D+i sobre el crecimiento económico –Romer (1990),
Grossman y Helpman (1991), Aghion y Howitt (1992, 2007), Barro y Sala-i-Martin
(1995), Young (1998), Jones (1995, 1998)–, la productividad –Griliches (1979),
Mansfield (1980), Griliches y Lichtenberg (1984), Jaffe (1986), Mairesse y Sassenou
(1991), Mairesse y Mohnen (1995), Mohnen (1996), Hall y Mairesse (1995), Guellec
y van Pottelsberghe de la Potterie (2004)–, e incluso sobre las externalidades de
los procesos de innovación –Griliches (1992), Nadiri (1993), Bernstein y Mohnen
(1994), Coe y Helpman (1995), Keller (1998), Coe y Hoffmaister (1999), Xu y
Wang (1999), Wei et al. (2001), Falvey et al. (2002, 2004), Madsen (2007), Coe,
Helpman y Hoffmaister (2009)–, las contribuciones referidas al papel del sector
del conocimiento, de la innovación y al propio emprendimiento como uno de los
determinantes fundamentales en el proceso de crecimiento, pese a su interés, han
sido más escasas. Por ello, el estudio de los sistemas regionales de innovación y de
la propia calidad y configuración de los tejidos empresariales regionales así como
de los elementos que los configuran han pasado al primer plano de interés en este
campo (Cornett y Ingstrup, 2010).
Para el caso español, Calvo (2002) examina la convergencia sigma3 en el gasto
en innovación por persona ocupada en el período 1994-2000, obteniendo evidencia
en favor de la convergencia –aunque protagonizada por los sectores de tecnología
alta–, en línea con algunos trabajos previos como los de Castillo y Jimeno (1998),
Coronado y Acosta (1999) o Calvo (2000b).
Más recientemente Villaverde y Maza (2010) analizan de forma no paramétrica la
distribución regional del gasto en I+D+i para el período 1997-2008, proporcionando
evidencia de la alta desigualdad entre las regiones españolas con cierto grado de
persistencia, desde 2004. A la reconsideración de estos resultados a la luz de las
nuevas tendencias marcadas por la crisis, junto al uso de técnicas alternativas para
detectar estos cambios, dedicamos el resto del trabajo.
3 El coeficiente sigma es una medida de dispersión que muestra cómo varía en el tiempo la desviación es-
tándar del logaritmo neperiano del gasto en innovación para las 17 comunidades autónomas (CALVO, 2002,
pp. 36-37).

212 CUADERNOS ECONÓMICOS DE ICE N.O 89
3. Datos y marco empírico
Una vez planteados los objetivos y anclado el contenido de este trabajo en el
contexto de la literatura previa, dedicamos este apartado a presentar los elementos
que sirven de base a las aplicaciones empíricas sobre el fenómeno de la convergencia
regional en términos de esfuerzo inversor en I+D+i.
3.1. Datos
En nuestro análisis empírico utilizamos datos anuales de gasto en I+D+i (total,
público y privado) referidos a las 17 Comunidades Autónomas (en adelante, CCAA)
durante el periodo 1987-2013, los cuales han sido tomados de dos fuentes distintas.
Para el periodo 19872007 se ha utilizado la base de datos regional (BDMORES)
publicada por el Ministerio de Hacienda y Administraciones Públicas. Debido a la
no actualización de dicha base desde diciembre de 2011, se ha hecho uso, para el
periodo restante 20082013, de los datos procedentes del Observatorio Español de
I+D+i (ICONO), que depende del Ministerio de Economía y Competitividad.
Es necesario señalar que durante este periodo ha habido cambios metodológicos
importantes en la obtención de las series, en especial en lo relativo al gasto público y
privado, y por tanto, al total. Es por ello que, si bien existen datos disponibles desde
1980 para las 17 CCAA, se ha optado por rechazarlos debido a la presencia de varios
valores anómalos en algunas de ellas.
En el Cuadro 2 se observa cómo la evolución del esfuerzo inversor tanto total
como público y privado ha seguido una senda creciente para el total de las 17 CC.AA
durante el periodo objeto de estudio. Se puede apreciar como País Vasco, Navarra,
Madrid y Cataluña son las regiones españolas con un mayor esfuerzo inversor, sien-
do destacable, en particular, el caso del País Vasco cuando hablamos del esfuerzo
inversor privado, muy superior al resto de las CCAA. En relación al esfuerzo inver-
sor público, éste es mayor especialmente en Madrid, Cataluña y Andalucía; posible-
mente, y recordando que este esfuerzo incluye tanto las Administraciones Públicas
como la enseñanza superior, la existencia de un gran número de universidades en
dichos territorios supone un alza importante de dicho esfuerzo.

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 213
CUADRO 2
EVOLUCIÓN DEL ESFUERZO INVERSOR EN I+D+I (TOTAL Y POR FUENTE) EN LAS COMUNIDADES
AUTÓNOMAS ESPAÑOLAS
(% con respecto al PIB)
Total Público Privado
Comunidad 1987 2000 2013 1987 2000 2013 1987 2000 2013
Andalucía 0,41 0,63 1,04 0,26 0,42 0,66 0,15 0,21 0,38
Aragón 0,53 0,68 0,90 0,30 0,29 0,41 0,24 0,39 0,49
Asturias 0,40 0,81 0,86 0,23 0,40 0,41 0,17 0,41 0,45
Baleares 0,14 0,22 0,33 0,06 0,19 0,29 0,09 0,03 0,04
Canarias 0,21 0,47 0,50 0,19 0,37 0,39 0,02 0,10 0,11
Cantabria 0,35 0,42 0,91 0,30 0,31 0,59 0,05 0,12 0,32
Castilla y León 0,27 0,64 0,99 0,20 0,37 0,43 0,07 0,27 0,56
Castilla-La Mancha 0,24 0,56 0,53 0,03 0,20 0,22 0,21 0,36 0,31
Cataluña 0,68 1,05 1,50 0,19 0,33 0,65 0,49 0,71 0,85
Comunidad Valenciana 0,26 0,69 1,02 0,17 0,40 0,61 0,09 0,30 0,41
Extremadura 0,32 0,54 0,76 0,22 0,39 0,60 0,11 0,14 0,16
Galicia 0,24 0,64 0,86 0,17 0,43 0,47 0,07 0,21 0,39
Madrid 1,35 1,56 1,75 0,58 0,70 0,76 0,76 0,86 0,99
Murcia 0,39 0,69 0,84 0,29 0,39 0,51 0,10 0,30 0,33
Navarra 0,30 0,86 1,79 0,00 0,30 0,56 0,30 0,57 1,23
País Vasco 0,89 1,15 2,09 0,16 0,25 0,52 0,73 0,90 1,57
La Rioja 0,07 0,57 0,79 0,05 0,22 0,40 0,02 0,35 0,39
España 0,58 0,91 1,24 0,33 0,46 0,58 0,25 0,35 0,66
FUENTE: Ministerio de Economía y Competitividad. Observatorio Español de I+D+i. Los datos de contabilidad regional proceden de la base de datos BDMORES del
Ministerio de Hacienda y Administraciones Públicas.

214 CUADERNOS ECONÓMICOS DE ICE N.O 89
3.2. Estrategia econométrica
El análisis de la convergencia a través de los contrastes de raíces unitarias ha
sido un enfoque intensamente utilizado en los últimos años. En esta línea, nuestra
estrategia de análisis empírico pasa por el uso de contrastes de raíces unitarias para
datos de panel como forma de analizar el fenómeno de la convergencia estocástica.
Siguiendo la estrategia de Carlino y Mills (1993), primero definimos el gasto relativo
en I+D+i de cada región Git computando el logaritmo del tipo de gasto en I+D+i
considerado –total, público o privado–, expresado en porcentaje de su PIB, de la
región i en el momento t, con respecto a la media de las observaciones individuales
(región) en cada período de tiempo. De esta forma, nuestra variable queda definida
como:
Git = ln(Git/G
¯t) [1]
En los Gráficos 2a, 2b y 2c podemos observar la evolución del esfuerzo inversor
relativo total, privado y público durante el período 1987–2013. En los tres casos,
especialmente en el público y en el total, se muestra como existe un cierto proceso
de convergencia del gasto relativo para las 17 CC.AA. Sin embargo, a pesar de este
análisis gráfico preliminar es necesario un análisis más complejo para contrastar si
existe dicho proceso de convergencia en los tres tipos de gastos.
GRÁFICO 2A
EVOLUCIÓN DEL ESFUERZO INVERSOR RELATIVO EN I+D+I TOTAL,
REGIONES ESPAÑOLAS
(1987-2013)
ln(Git/G
¯
t)

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 215
GRÁFICO 2B
EVOLUCIÓN DEL ESFUERZO INVERSOR RELATIVO EN I+D+I PRIVADO,
REGIONES ESPAÑOLAS
(1987-2013)
ln(Git/G
¯
t)
ln(Git/G
¯
t)
GRÁFICO 2C
EVOLUCIÓN DEL ESFUERZO INVERSOR RELATIVO EN I+D+I PÚBLICO,
REGIONES ESPAÑOLAS
(1987-2013)

216 CUADERNOS ECONÓMICOS DE ICE N.O 89
Como bien es sabido, el concepto de convergencia estocástica implica que el
gasto relativo es estacionario, es decir, se rechaza la hipótesis de existencia de raíz
unitaria haciendo uso de las aproximaciones de búsqueda de raíces unitarias para
datos de panel –dada la naturaleza de la base de datos sobre la que se fundamentan
nuestras estimaciones–. El enfoque adoptado permite detectar la presencia de éstas,
incluso en el contexto de múltiples cambios estructurales, aunque para poner en
valor estos últimos, se presentarán los resultados derivados de estos tests de raíces
unitarias con y sin cambio estructural.
Siguiendo esta estrategia, el primer paso es llevar a cabo el test de estacionariedad
de Kwiatkowski et al. (1992) –KPSS –y el de Hadri (2000), definido como una
media de los tests univariantes KPSS. Sin embargo, y como bien es sabido, los
métodos de inferencia pueden reportar sesgo si se ignora la existencia de cambio
estructural cuando éste está presente en los datos, lo cual es bastante probable si
consideramos un período de tiempo tan largo, más de tres décadas, donde resulta
altamente probable que los cambios en el marco de acción política y en la propia
dinámica seguida por los tejidos empresariales regionales, hayan generado cambios
sustanciales en la trayectoria dinámica de las variables de esfuerzo inversor en I+D+i
de las regiones españolas.
Por estas razones también empleamos la prueba del panel de CBL. Esta prueba
nos permite incorporar un cambio estructural potencial en la función de tendencia,
evitando el sesgo potencial de aceptar la hipótesis nula de no convergencia en
presencia de cambios estructurales.
4. Resultados
Siguiendo con la propuesta anteriormente descrita, comenzaremos estudiando la
convergencia estocástica. En primer lugar, este análisis se realiza mediante contrastes
de raíces unitarias para datos de panel convencionales –test de Hadri–. Sin embargo,
este test tiende a rechazar la hipótesis nula de presencia de raíces unitarias en el caso
en el que existan cambios estructurales.
Por esta razón, se completa el estudio con la extensión de este contraste, propuesto
por CBL. En el contexto de nuestro análisis, esta aproximación ha de permitirnos
controlar tanto la heterogeneidad como la existencia de cambio estructural múltiple,
esto es, de un número distinto de cambios de régimen para cada una de las regiones
españolas.

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 217
CUADRO 3
KPSS TEST SIN CAMBIOS ESTRUCTURALES
Panel A. Comunidad Autónoma
Total Público Privado
Andalucía 0,117 0,173** 0,156***
Aragón 0,486*** 0,833*** 0,120
Asturias 0,390*** 0,202** 0,213***
Baleares 2,051*** 0,421*** 0,277***
Canarias 0,173** 0,074 0,234***
Cantabria 0,078 0,094 0,417***
Castilla y León 0,570*** 0,080 0,401***
Castilla-La Mancha 0,193** 0,395*** 0,149**
Cataluña 0,826*** 0,411*** 0,487***
Comunidad Valenciana 1,073*** 0,241*** 0,361***
Extremadura 0,261** 0,269*** 0,164**
Galicia 0,327*** 0,085 0,759***
Madrid 1,840*** 6,194*** 1,067***
Murcia 0,527*** 0,739*** 0,634***
Navarra 0,569*** 3,154*** 0,569***
País Vasco 0,155** 0,132* 0,304***
La Rioja 0,910*** 0,485*** 0,860***
Panel B: Panel KPSS test total
Test p-value 90% 95% 97,5% 99%
Z(λ
¯ )Homogeneous 11,856 0,000 4,4725 5,967 7,136 9,288
Z(λ
¯ )Heterogeneous 12,456 0,000 6,1461 7,935 9,188 12,210
Panel B: Panel KPSS test PÚBLICO
Test p-value 90% 95% 97,5% 99%
Z(λ
¯ )Homogeneous 13,336 0,000 6,481 11,745 16,430 21,244
Z(λ
¯ )Heterogeneous 11,213 0,000 6,351 8,080 10,303 12,589
Panel B: Panel KPSS test PRIVADO
Test p-value 90% 95% 97,5% 99%
Z(λ
¯ )Homogeneous 5,828 0,000 4,060 5,442 6,524 8,231
Z(λ
¯ )Heterogeneous 7,060 0,000 6,454 8,237 9,072 10,144
NOTAS: Los valores críticos para el KPSS para la especificación con tendencia al 1 por 100, 5 por 100 y 10 por
100 son 0,213, 0,149, 0,121, respectivamente, para T = 50 (véase SEPHTON, 1995). Igualmente los dos Z son los
valores de un estadístico de multiplicadores de Lagrange para el contraste KPSS de HADRI (2000), concretamente
para los casos de homogeneidad y heterogeneidad en la estimación de la varianza a largo plazo. ***,** y * denotan
el rechazo de la hipótesis nula al 1 por 100, 5 por 100 y 10 por 100, respectivamente.

218 CUADERNOS ECONÓMICOS DE ICE N.O 89
En el Cuadro 3 se presentan los resultados del contraste estacionario de panel
propuesto por Hadri (2000). El panel A muestra los resultados de los contrastes
univariantes KPSS. Entre las 17 CCAA podemos destacar que prácticamente en
todas y para cualquier sector de ejecución –público y privado–, podemos rechazar
la hipótesis nula de estacionariedad (al 10 por 100, 5 por 100 o 1 por 100 de signi-
ficatividad). Es decir, el contraste univariante KPSS muestra la existencia de
divergencia en el gasto en I+D relativo en el total de las 17 CCAA, exceptuando los
casos de Andalucía y Cantabria, en el caso del gasto en I+D total, Canarias, Cantabria,
Castilla y León y Galicia, en el caso del gasto público en I+D, y finalmente Aragón
cuando se trata del gasto privado en I+D.
El panel B del Cuadro 3 muestra los resultados del contraste de estacionariedad
de Hadri (2000) para el caso de «independencia de corte transversal»4 y normalidad
asintótica así como los valores críticos obtenidos mediante bootstrap permitiendo
«correlación de corte transversal». Por motivos de robustez, se ha utilizado el contraste
de Hadri suponiendo homogeneidad y heterogeneidad en la varianza a largo plazo.
Como podemos observar, los resultados nos llevan a poder rechazar la hipótesis
nula de estacionariedad conjunta en todos los casos a un nivel de significatividad
del 1 por 100 para el caso de «independencia de corte transversal» y normalidad
asintótica. Estos resultados permanecen inalterados cuando los comparamos con el
contraste de Hadri haciendo uso de los valores críticos proporcionados vía bootstrap.
Como se puede observar, en todos los casos podemos rechazar la hipótesis nula al
5 por 100 de significatividad independientemente del supuesto de homogeneidad o
heterogeneidad en la estimación de la varianza a largo plazo (excepto en el caso del
supuesto de heterogeneidad en la varianza a largo plazo en el caso del gasto en I+D
privado que sería al 10 por 100 de significatividad).
A la luz de estos resultados, podemos afirmar la existencia de divergencia en
el gasto de I+D para cualquier sector de ejecución en las 17 CCAA. Sin embargo,
estos resultados nos podrían llevar a conclusiones erróneas si no tuviéramos en
cuenta la existencia de cambios estructurales5. En base a ello vamos a hacer uso de
la metodología propuesta por CBL que, como ya hemos advertido anteriormente,
es una extensión del contraste de estacionariedad de Hadri permitiendo cambios
estructurales.
El test CBL supone la existencia de un proceso generador de datos que, bajo la
hipótesis nula de estacionariedad en varianza, se puede especificar como:
Gi, t = αi +
mi
∑
k = 1
θi, kDUi, k, t + βit
mi
∑
k = 1
γ
i, kDT*
i, k, t + εi, t [3]
4 La independencia de corte transversal implica la ausencia de correlación entre las unidades
observacionales (CCAA en nuestro trabajo) para cada periodo.
5 Se entiende por cambio estructural como cualquier cambio en la serie temporal (en nuestro caso el
gasto relativo en I+D+i) que afecta al comportamiento a largo plazo de dicha serie, provocando que los
parámetros de la serie varíen con el tiempo.

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 219
siendo DUi, k, t y DT*
i, k, t dos variables ficticias introducidas para recoger los cambios
en nivel y pendiente, respectivamente, de forma que la variable DUi, k, t = 1 para todo
t > T i
b, k y 0 en caso contrario, donde T i
b, k denota el cambio k-ésimo para el individuo
i-ésimo, donde k = 1, ..., mi, mi ≥ 1. Por su parte, DT*
i, k, t = t – T i
b, k, para todo t > T i
b, k
y 0, en caso contrario. Finalmente el término de errorse supone independiente entre
regiones.
En este punto se debería hacer notar que este proceso generador de datos incluye:
a) efectos individuales –cambios estructurales o cambios en media, b) efectos
temporales si βi ≠ 0 y c) efectos de cambio estructural temporal si γi ≠ 0 −que se
dan cuando hay cambios en la tendencia de una región. Esta especificación es lo
suficientemente general como para permitir heterogeneidad individual, tendencias
diferentes en cada región y cambios en la pendiente de cada región. Para contrastar
la hipótesis nula de estacionariedad, el estadístico del contraste CBL requiere el
cómputo del siguiente estadístico:
LM(λ
ˆ ) = N–1
N
∑
i = 1
(
ψ
ˆi
–2T–2
N
∑
t = 1
S
ˆ 2
i, t
)
[3]
donde LM(λ
ˆ )˙=˙ψ
ˆi
–2T–2
T
∑
t = 1
S
ˆ 2
i, t es el test KPSS para la región i-ésima, y S
ˆ 2
i, t˙=
T
∑
j = 1 ε
ˆi, j
es la suma obtenida de la suma de los residuos tras la estimación de la ecuación [2]
por mínimos cuadrados. Finalmente, ψ
ˆi
2 es la estimación consistente de la varianza a
largo plazo de los residuos εi, j.
Dado que este contraste no es independiente del lugar en el que se ubiquen los
cambios (λi ), se ha de usar el procedimiento sugerido por Bai y Perron (1998), que
consiste en minimizar la suma de los cuadrados de los residuos para determinar esta
localización de los cambios, para cada región. Tras fechar estos cambios para todos
los posibles mi ≤ mmax para cada región −siendo m y mmax el número de cambios y
el máximo número de cambios, respectivamente− debemos seleccionar el número
apropiado de cambios. Para determinar este número, se usa el criterio de información
de Schwarz modificado tal y como sugieren Liu, Wu y Zidek (1997) cuyo estadístico
se calcula a través de la siguiente expresión:
Z(λ
ˆ )˙=˙
√N [η(λ
ˆ ) – ξ
¯ ]
ς
¯ →
d N(0,1) [4]
donde ς
¯2 y ξ
¯ son la media y la varianza de LMi(λ
ˆ
i), respectivamente. Como el
estadístico Z(λ
ˆ ) parte del supuesto de independencia entre las observaciones
individuales, hemos de computar la distribución del test por bootstraping siguiendo
a Maddala y Wu (1999).
Los Cuadros 4a, 4b y 4c muestran los resultados de dicho contraste para los tres
tipos de gastos utilizados en este artículo. El panel A de los tres cuadros muestra los
resultados de los contrastes univariantes KPSS permitiendo la existencia de cambios
estructurales tal como el contraste está planteado.

220 CUADERNOS ECONÓMICOS DE ICE N.O 89
Es necesario señalar, que para controlar la posible existencia de sesgo en mues-
tras finitas como es nuestro caso, se han calculado los valores críticos para los
contrastes KPSS individuales haciendo simulaciones de Monte Carlo usando 20.000
replicaciones. Podemos observar que, básicamente la mayoría de las CCAA, inde-
pendientemente del tipo de gasto, presentan al menos un cambio estructural en la
función de gasto en I+D relativo. Así, teniendo en cuenta las excepciones en el caso
de Aragón, Baleares, Canarias, Cataluña, Comunidad Valenciana, Madrid, Navarra
y La Rioja (en el gasto total en I+D); de Asturias, Baleares, Castilla-León, Cataluña,
Comunidad Valenciana, Extremadura, y Navarra (en el caso de gasto privado en
I+D) y Andalucía, Canarias, Cantabria, Castilla y León, Murcia y Navarra (en el caso
de gasto en I+D público), no rechazamos la hipótesis nula de estacionariedad.
El panel B, por su parte, muestra los resultados del test de Hadri (2000) para el caso
de independencia entre las observaciones individuales así como los valores críticos
obtenidos por bootstraping. En el caso de asumir en el contraste de estacionariedad
KPSS los supuestos de normalidad asintótica e «independencia de corte transversal»,
obtenemos que, tanto en el caso del gasto en I+D total como en el caso del gasto
en I+D privado y público, sí se puede rechazar al 99 por 100 de significatividad
dicha hipótesis nula de estacionariedad, teniendo evidencia de divergencia en dichos
gastos de I+D.
Sin embargo, estas conclusiones podrían ser erróneas imponiendo el supuesto de
«dependencia de corte transversal» y haciendo uso de los valores críticos obtenidos
mediante bootstrap. Se puede observar que bajo este supuesto, en todos los casos no
podemos rechazar la hipótesis nula de estacionariedad (y, por tanto, de convergen-
cia). En consecuencia, se demuestra que la asunción del supuesto de «independencia
de corte transversal» puede llevarnos a rechazar de forma espúrea la hipótesis nula.
De acuerdo con estos resultados, y para los tres casos estudiados, no puede
rechazarse la hipótesis nula de estacionariedad, por lo que puede afirmarse que
existe un proceso de convergencia. Es decir, los resultados muestran que no tener
en cuenta la existencia de cambios estructurales puede llevarnos a conclusiones
erróneas (rechazo de la hipótesis nula que nos lleve a un proceso de divergencia). Los
resultados confirman que controlar la existencia de cambios estructurales se muestra
vital para poder concluir adecuadamente acerca de los procesos de convergencia.
Respecto al número de cambios estructurales detectados se observa que, para los
tres casos analizados, su número es similar (alrededor de 30). Sin embargo, parece ser
que su distribución en el tiempo es distinta en cuanto al origen en el esfuerzo inversor.
En relación al gasto en I+D+i total, se aprecia como un tercio de estos cambios es-
tructurales se concentran a principios de los años 90, pudiendo interpretarse su ori-
gen en la crisis económica que tuvo lugar en la economía española en el año 1993,
mientras que alrededor de otro tercio tienen lugar a principios de este siglo (años 2000,
2001 y 2002), periodo que coincide con el IV Plan Nacional de I+D+i 2000-2003.
Centrándonos en el caso público y privado detectamos un gran número de cam-
bios estructurales a principios de los años 90, coincidiendo con la situación analiza-
da para el gasto I+D+i total, pero también es cierto que parece haber un desplaza-

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 221
CUADRO 4A
CONTRASTE KPSS CON CAMBIOS ESTRUCTURALES. ESFUERZO
INVERSOR RELATIVO TOTAL
Panel A: Test univariante
Región Estadístico miT
ˆ 1
b, 1T
ˆ 1
b, 210% 5% 1%
Andalucía 0,060 2 1998 2002 0,122 0,145 0,192
Aragón 0,592*** 21990 2000 0,124 0,148 0,202
Asturias 0,083 1 2001 0,158 0,192 0,266
Baleares 0,924*** 11995 0,185 0,237 0,335
Canarias 0,275** 21990 2006 0,149 0,193 0,277
Cantabria 0,070 21999 2005 0,115 0,142 0,198
Castilla y León 0,124* 21992 2000 0,117 0,140 0,195
Castilla la Mancha 0,158* 1 2000 0,157 0,187 0,251
Cataluña 0,165* 21990 2006 0,138 0,174 0,256
Comunidad Valenciana 0,188** 21991 1999 0,126 0,157 0,222
Extremadura 0,099 21992 1996 0,162 0,209 0,306
Galicia 0,089 21991 1999 0,126 0,156 0,224
Madrid 0,130** 2 1996 2003 0,103 0,118 0,150
Murcia 0,079 1 2001 0,159 0,192 0,266
Navarra 0,736*** 21990 2002 0,122 0,146 0,192
País Vasco 0,171 21991 1999 0,181 0,229 0,350
La Rioja 0,399*** 21992 2002 0,116 0,143 0,203
Panel B: Contraste KPSS de panel
Independencia de corte
transversal Valores críticos bootstraps
Dependencia de corte transversal
Estadístico p-value 90% 95% 97,5% 99%
Z(λ
ˆ) (homogéneo) 5,734 0,000 7,353 8,463 9,750 11,254
Z(λ
ˆ) (heterogéneo) 15,634 0,000 15,880 18,656 21,473 24.495
NOTAS: La especificación en que se basan estos resultados incluye constantes diferentes para cada región y
tendencia lineal. Z(λ
ˆ) (homogéneo) y Z(λ
ˆ) (heterogéneo) son los estadísticos del contraste de CBL. La distribución
bootstrap para Z(λ
ˆ) está basada en 20.000 réplicas. El número de cambios ha sido determinado haciendo uso del
criterio de información LWZ para un máximo de dos cambios estructurales mi = 2. ***, ** y * indican rechazo de la
hipótesis nula al 1 por 100, 5 por 100 y 10 por 100, respectivamente.

222 CUADERNOS ECONÓMICOS DE ICE N.O 89
CUADRO 4B
CONTRASTE KPSS CON CAMBIOS ESTRUCTURALES. ESFUERZO
INVERSOR RELATIVO PRIVADO
Panel A: Test univariante
Región Estadístico miT
ˆ 1
b, 1T
ˆ 1
b, 210% 5% 1%
Andalucía 0,077 21990 2009 0,198 0,255 0,382
Aragón 0,116* 2 1997 2002 0,114 0,135 0,177
Asturias 0,257** 21992 1996 0,163 0,210 0,313
Baleares 0,437*** 21990 1997 0,149 0,189 0,274
Canarias 0,098 11990 0,268 0,348 0,525
Cantabria 0,077 11996 0,175 0,218 0,315
Castilla y León 0,402*** 1 2000 0,157 0,188 0,258
Castilla la Mancha 0,060 2 2000 2006 0,124 0,154 0,221
Cataluña 0,140* 21999 2005 0,115 0,142 0,196
Comunidad Valenciana 0,210** 1 1997 0,167 0,204 0,292
Extremadura 0,372*** 21992 1997 0,149 0,192 0,279
Galicia 0,096 21991 2001 0,117 0,138 0,186
Madrid 0,105 21987 2006 0,103 0,121 0,159
Murcia 0,068 11991 0,251 0,324 0,490
Navarra 0,225*** 21998 2002 0,123 0,146 0,196
País Vasco 0,102 2 1997 2008 0,114 0,134 0,176
La Rioja 0,161 1 1990 0,267 0,344 0,519
Panel BContraste KPSS de panel
Independencia de corte transversal
Valores críticos bootstraps
Dependencia de corte transversal
Estadístico p-value
90% 95% 97.5% 99%
(homogéneo) 4.389*** 0.000
7.671 9.131 10.829 13.450
(heterogéneo) 6.292*** 0.000
14.363 16.044 17.690 20.726
Nota: La especificación en que se basan
estos resultados incluye constantes
diferentes para cada región y tendencia
lineal. (homogéneo) y (heterogéneo) son
Panel B: Contraste KPSS de panel
Independencia de corte
transversal Valores críticos bootstraps
Dependencia de corte transversal
Estadístico p-value 90% 95% 97,5% 99%
Z(λ
ˆ) (homogéneo) 4,389*** 0,000 7,671 9,131 10,829 13,450
Z(λ
ˆ) (heterogéneo) 15,634*** 0,000 14,363 16,044 17,690 20,726
NOTAS: La especificación en que se basan estos resultados incluye constantes diferentes para cada región y
tendencia lineal. Z(λ
ˆ) (homogéneo) y Z(λ
ˆ) (heterogéneo) son los estadísticos del contraste de CBL. La distribución
bootstrap para Z(λ
ˆ) está basada en 20.000 réplicas. El número de cambios ha sido determinado haciendo uso del
criterio de información LWZ para un máximo de dos cambios estructurales mi = 2. ***, ** y * indican rechazo de la
hipótesis nula al 1 por 100, 5 por 100 y 10 por 100, respectivamente.

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 223
CUADRO 4C
CONTRASTE KPSS CON CAMBIOS ESTRUCTURALES. ESFUERZO
INVERSOR RELATIVO PÚBLICO
Panel A: Test univariante
Región Estadístico miT
ˆ 1
b, 1T
ˆ 1
b, 210% 5% 1%
Andalucía 0,223* 1 2004 0,180 0,231 0,343
Aragón 0,140 21990 1995 0,179 0,229 0,338
Asturias 0,093 11996 0,175 0,217 0,316
Baleares 0,151 21992 1996 0,166 0,211 0,316
Canarias 0,269** 21990 2006 0,165 0,209 0,305
Cantabria 0,790*** 21999 2005 0,115 0,140 0,197
Castilla y León 0,266*** 2 1992 2004 0,109 0,130 0,177
Castilla-La Mancha 0,136 2 1992 1996 0,163 0,207 0,317
Cataluña 0,065 2 2002 2007 0,148 0,189 0,287
Comunidad Valenciana 0,078 21991 2000 0,120 0,145 0,201
Extremadura 0,079 21992 1996 0,167 0,212 0,317
Galicia 0,103 2 1992 2006 0,123 0,154 0,223
Madrid 0,120* 2 1991 2002 0,114 0,134 0,178
Murcia 0,379** 11992 0,232 0,300 0,443
Navarra 0,941*** 11990 0,270 0,351 0,542
País Vasco 0,224 12008 0,250 0,321 0,485
La Rioja 0,087 21992 2005 0,114 0,137 0,195
Panel B: Contraste KPSS de panel
Independencia de corte
transversal Valores críticos bootstraps
Dependencia de corte transversal
Estadístico p-value 90% 95% 97,5% 99%
Z(λ
ˆ) (homogéneo) 10,440*** 0,000 12,367 91,105 26,945 33,928
Z(λ
ˆ) (heterogéneo) 7,894*** 0,000 11,742 13,702 16,125 18,594
NOTAS: La especificación en que se basan estos resultados incluye constantes diferentes para cada región y
tendencia lineal. Z(λ
ˆ) (homogéneo) y Z(λ
ˆ) (heterogéneo) son los estadísticos del contraste de CBL. La distribución
bootstrap para Z(λ
ˆ) está basada en 20.000 réplicas. El número de cambios ha sido determinado haciendo uso del
criterio de información LWZ para un máximo de dos cambios estructurales mi = 2. ***, ** y * indican rechazo de la
hipótesis nula al 1 por 100, 5 por 100 y 10 por 100, respectivamente.

224 CUADERNOS ECONÓMICOS DE ICE N.O 89
miento de los cambios estructurales hacia mediados de la primera década del presente
siglo. El origen de estos cambios podría estar vinculado al inicio de la crisis actual.
Así, en el caso del gasto privado, cinco comunidades autónomas (Andalucía, Castilla-
La Mancha, Cataluña, Madrid y País Vasco) evidencian cambios estructurales a
partir del año 2005 , mientras que en el caso público existen seis comunidades autó-
nomas (Canarias, Cantabria, Cataluña, Galicia, País Vasco y La Rioja) que muestran
cambios a partir del año 20056.
5. Conclusiones
Este trabajo ha analizado la evolución del gasto relativo en I+D+i y de sus
componentes público y privado en las 17 regiones españolas durante el periodo
1987-2013, desde la perspectiva de la convergencia, haciendo uso del test de
estacionariedad con cambio estructural para datos de panel propuesto por Carrión,
del Barrio y López-Bazo (2005). Abordar esta cuestión es importante, no sólo para
contrastar si han existido estrategias diferenciadas entre los gobiernos autonómicos
sino para saber si los tejidos empresariales de los diferentes territorios han sido
capaces de aprovechar las oportunidades y avanzar en la cohesión territorial.
El análisis empírico desarrollado ha tratado de dar respuesta a las cuestiones que
se plantean en la introducción de este artículo, por un lado, si el esfuerzo inversor en
I+D+i tiende a converger y por otro, si el origen de las fuentes de financiación pública
y privada siguen un comportamiento similar. En relación a la primera cuestión,
nuestros resultados muestran cómo las estimaciones realizadas bajo el supuesto de
independencia entre las regiones puede llevarnos a conclusiones erróneas acerca
del proceso de convergencia real producido entre las CCAA. Por el contrario, si
consideramos los cambios estructurales producidos en la función de gasto en I+D
relativo, los resultados parecen apuntar hacia la convergencia en el esfuerzo inversor
en todas las CCAA. Respecto a la segunda cuestión, resulta igualmente significativo
en ese proceso tanto el esfuerzo inversor realizado por el sector público como el
generado por el sector privado, sin que se aprecien diferencias entre ambos.
A pesar de este proceso de convergencia entre las distintas regiones españolas no
debemos olvidar la aún amplia brecha existente entre ellas, por lo que, una de las vías de
actuación de la acción pública debería estar encaminda en intentar acortar estas dis-
tancias. Finalmente, se ha puesto de manifiesto la existencia e importancia de los cambios
estructurales en los distintos procesos de convergencia, lo cual nos abriría una nueva línea
de estudio susceptible de ser incorporada a la agenda de investigación futura, teniendo
presente el posible impacto de la crisis económica en este proceso.
6 Es necesario señalar que la ausencia de cambios estructurales a partir del año 2009 para cualquier
CCAA no implica la no existencia de éstos. El motivo de esta cuestión se debe a que la metodología
utilizada en el trabajo impide contrastar la existencia de cambios estructurales a partir de dicho año, por
lo que solo es posible contrastar su existencia hasta ese año.

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 225
Bibliografía
[1] ACS, Z. y VARGA, A. (2002). «Geography, Endogenous Growth and Innovation».
International Regional Science Review, 25(1), 132-148.
[2] AGHION, P. y HOWITT, P. (1992). «A model of growth through creative destruction».
Econometrica, 60, 323-351.
[3] AGHION, P. y HOWITT, P. (2007). «Capital, innovation, and growth accounting».
Oxford Review of Economic Policy, 23(1), 79-93.
[4] BAI, J. y PERRON, P. (1998). «Estimating and testing linear models with multiple
structural changes». Econometrica, 66, 47-78.
[5] BARRO, R. y SALA-I-MARTIN, X. (1992). «Convergence». Journal of Political
Economy, 100(2), 223-251.
[6] BARRO, R. y SALA-I-MARTIN, X. (1995). Economic Growth, New York, McGraw-
Hill, Inc.
[7] CALVO, J.L. (2000a). «Una caracterización de la innovación tecnológica en los sectores
manufactureros españoles: algunos datos». Economía Industrial, 331, 139-150.
[8] CALVO, J.L. (2000b). «La distribución de los gastos de innovación entre las comunidades
autónomas españolas en el período 1994-1998». Economía Industrial, 334, 71-80.
[9] CALVO, J.L. (2002). «Innovación tecnológica y convergencia regional». Economía
Industrial, 347, 33-40.
[10] CAMERON, G. (1998). «Innovation and Growth: a survey of the empirical evidence».
CEP Discussion Paper No. 277.
[11] CAMERON, G., PROUDMAN, J. y REDDING, S. (2005). «Technological convergence,
R&D, trade and productivity growth». European Economic Review 49, 775-807.
[12] CARLINO, G.A. y MILLS, L.O. (1993). «Are U.S. regional economies converging? A
time series analysis». Journal of Monetary Economics, 32, 335-346.
[13] CARLINO, G.A. y Mills, L.O. (1996). «Testing neoclassical convergence in regional
incomes and earnings». Regional Science and Urban Economics, 26(6), 565-590.
[14] CARRIÓN, J., DEL BARRIO, T. y LÓPEZ-BAZO, E. (2005). «Breaking the panels. An
application to the GDP per capita». Econometrics Journal, 8, 159-75.
[15] CASTILLO, S. y JIMENO, J. F. (1998). «Convergencia regional y tecnología», en
J. R. Cuadrado, T. Mancha y R. Garrido, Convergencia regional en España. Hechos,
tendencias y perspectiva, Fundación Argentaria, Madrid.
[16] COE, D. y HOFFMAISTER, A. (1999). «Are There International Spillovers Among
Randomly Matched Trade Partners? A Response to Keller». IMF Working Paper No. 99/18.
[17] COE, D.T. y Helpman, E. (1995). «International R&D Spillovers». European Economic
Review, 39, 859-887.
[18] COE, D.T., HELPMAN, E. y HOFFMAISTER, A.W. (2009). «International R&D
Spillovers and Institution». European Economic Review, 53, 723-741
[19] COHEN, W. y LEVINTHAL, D. (1989). «Innovation and Learning: Two Faces of
R&D». Economic Journal, 99, 569-596.
[20] CONGREGADO, E., GOLPE, A.A., MILLÁN, J.M. y ROMÁN, C. (2008). «Building
a Statistical System on Entrepreneurship», en E. Congregado (ed.), Measuring
Entrepreneurship, Springer, Nueva York, 307-338.
[21] CONGREGADO, E. (2008). Measuring Entrepreneurship: building a statistical system,
Springer, Nueva York.

226 CUADERNOS ECONÓMICOS DE ICE N.O 89
[22] CORNETT, A.P. y INGSTRUP, M.B. (2010). «Cluster development as an instrument of
regional business development», en K. Brown, J. Burgess, M. Festing y S. Royer (eds.),
Value Adding Webs and Clusters, Verlag, Alemania, pp. 43-61.
[23] CORONADO, D. y ACOSTA, M. (1999). «Innovación tecnológica y desarrollo
regional». Información Comercial Española, 781, pp. 103-116.
[24] DAWSON, J.W. y SEN, A. (2007). «New evidence on the convergence of international
incoume from a group of 29 countries». Empirical Economics, 33(2), 199-230.
[25] DE LA FUENTE, A. (1997). «The empirics of economic growth and convergence: a
selective review». Journal of Economic Dynamics and Control, 21, 23-73.
[26] FALVEY, R., Foster, N. y GREENAWAY, D. (2004). «Imports, exports, Knowledge
Spillovers and Growth». Economics Letters, 85, 209-213.
[27] GARCÍA-GRECIANO, B. y RAYMOND, J. L. (1999). «Las disparidades regionales y
la hipótesis de convergencia: una revisión». Papeles de Economía Española, 80, 2-18.
[28] GRIFFITH, R., REDDING, S. y VAN REENEN, J. (2003). «Mapping the Two Faces of
R&D: Productivity Growth in a Panel of OECD Industries». Scandinavian Journal of
Economics, 105(1), 99-118.
[29] GRILICHES, Z. (1979). «Issues in Assessing the Contribution of R&D to Productivity
Growth». Bell Journal of Economics, 10, 92-116.
[30] GRILICHES, Z. (1992). «The search for R&D spillovers». Scandinavian Journal of
Economics, 94, 29-47.
[31] GRILICHES, Z. y LICHTENBERG, F. (1984). «R&D and productivity growth at the
industry level: Is there still a relationship?», en Z. Griliches (ed.), R&D, Patents and
Productivity, 465-501. Chicago: University of Chicago Press.
[32] GROSSMAN, G. y Helpman, E. (1991). Innovation and Growth in the Global Economy,
Cambridge, MA, The MIT Press.
[33] GUELLEC, D. y VAN POTTELSBERGHE, B. (2004). «From R&D to Productivity
Growth: Do the Institutional Settings and the Source of Funds of R&D Matter?». Oxford
Bulletin of Economics and Statistics, 66, 353-378.
[34] HADRI, K. (2000). «Testing for Stationary in heterogeneous panel data». Econometrics
Journal, 3, 148-61.
[35] HALL, B.H. y MAIRESSE, J. (1995). «Exploring the Relationship Between R&D and
Productivity in French Manufacturing Firms». Journal of Econometrics, 65, 263-293.
[36] VERSEN, J., JORGENSEN, R. y MALCHOW-MOLLER, N. (2008). «Defining and
Measuring Entrepreneurship». Foundations and Trends in Entrepreneurship, 4(1).
[37] JAFFE, A. (1986). «Technological Opportunity and Spillovers of R&D: Evidence from
Firms Patents, Profits and Market Value». American Economic Review, 75(6), 984-1002.
[38] JONES, C. (1995). «R&D based models of economic growth». Journal of Political
Economy 103, 759-784.
[39] JONES, C. y WILLIAMS, J. C. (1998). «Measuring the social return to R&D». Quarterly
Journal of Economics, 113, 1119-1135.
[40] KELLER, W. (1998). «Are International R&D Spillovers Trade-Related? Analyzing
Spillovers Among Randomly Matched Trade Partners». European Economic Review,
42, 1469-1481.
[41] KWIATKOWSKI, D., PHILLIPS, P.C.B., SCHMIDT, P. y SHIN Y. (1992). «Testing the
null hypothesis of stationary against the alternative of a unit root: how sure are we that
economic time series have a unit root?». Journal of Econometrics, 54, 159-78.

CONVERGENCIA EN EL ESFUERZO INVERSOR EN I+D+i DE LAS REGIONES ESPAÑOLAS 227
[42] MADDALA, G. y WU, S. (1997). «On segmented multivariate regressions». Statistica
Sinica, 7, 497-525.
[43] MADSEN, J.B. (2007). «Technology Spillover through Trade and TFP Convergence:
135 Years of Evidence for the OECD Countries». Journal of International Economics,
72, 464-480.
[44] MANSFIELD, E. (1980). «Basic research and Productivity Increase in Manufacturing».
American Economic Review, 70, 863-873.
[45] MOHNEN, P. (1996). «R&D Externalities and Productivity Growth». STI Review, 18,
39-66.
[46] NADIRI, M. I. (1993). «Innovations and Technological Spillovers». NBER WP No.
4423.
[47] NEWEY, W. y WEST, K. (1994). «Automatic lag selecion in covariance matrix
estimation». Review of EconomicStudies, 61, 631-653.
[48] O’kEAN, J.M. (2000). La Teoría Económica de la función empresarial. Alianza, Ma-
drid, 2000.
[49] O’KEAN, J.M. y MENUDO, J.M. (2008). «Entrepreneurial Tools», en E. Con-
gregado (ed.), Measuring Entrepreneurship: Building a Statistical System, Nueva
York, Springer, 21-36.
[50] PARKER, S.C. (2009). «The Economics of Entrepreneurship». Cambridge University
Press, Cambridge.
[51] ROMER, P. (1990). «Endogenous technological change». Quarterly Journal of Econo-
mics, 98, S71-S102.
[52] SCHUMPETER, J.A. (1912). La teoría del desenvolvimiento económico. Fondo de
Cultura Económica, México, 1976.
[53] SEPHTON, P.S. (1995). «Response surfaceestimates of the KPSS stationarity test».
Economics Letters, 47 (3-4), 255-261.
[54] TEMPLE, J. (1999). The new growth evidence. Journal of Economic Literature, 37(1),
112-156.
[55] VILLAVERDE, J. y MAZA, A. (2010). «La distribución de la I+D entre las regiones
españolas». Revista Galega de Economía, 19, 1-16.
[56] WEI, Y. y LIU, X. (2006). «Productivity spillovers from R&D, exports and FDI in
China’s manufacturing sector». Journal of International Business Studies, 37, 544-557.
[57] XU, B. y WANG, J. (1999). «Capital Goods Trade and R&D Spillovers in the OECD»,
Canadian Journal of Economics, 32, 1258-1274.
[58] YOUNG, A. (1998). «Growth without scale effects». Journal of Political Economy 106,
41-63.