ANÁLISIS FACTORIAL CONFIRMATORIO DE LA ESCALA “MEDIDA DE LA EFICACIA DE LAS ACTIVIDADES DE INVESTIGACIÓN Y DESARROLLO Y SU
RELACIÓN CON LA VENTA DE NUEVOS PRODUCTOS: EVIDENCIA EMPÍRICA EN LAS EMPRESAS FARMACEÚTICAS ESPAÑOLAS.
Eva Mulero Mendigorri
Daniel Revuelta Bordoy
Universidad de Cádiz
Área temática: d) Contabilidad y Control de gestión
Palabras clave: Validación de escalas, eficacia en I+D, ecuaciones estructurales
191d
ANÁLISIS FACTORIAL CONFIRMATORIO DE LA ESCALA “MEDIDA DE LA EFICACIA DE LAS ACTIVIDADES DE INVESTIGACIÓN Y DESARROLLO Y SU
RELACIÓN CON LA VENTA DE NUEVOS PRODUCTOS: EVIDENCIA EMPÍRICA EN LAS EMPRESAS FARMACEÚTICAS ESPAÑOLAS.
Resumen
En el presente trabajo tratamos de continuar una investigación comenzada con anterioridad donde diseñamos y validamos empíricamente la escala “Eficacia de las actividades de I+D” en las empresas farmaceúticas, y donde aportamos evidencia de la validez de contenido, validez convergente, discriminante, nomológica y predictiva siguiendo la teoría clásica de tests.
Ahora damos un paso más pasando al Análisis Factorial Confirmatorio, para comprobar el contenido de la escala “Eficacia en I+D” y aportar nuevas evidencias de validez convergente y discriminante, así como su relación con el porcentaje del beneficio explicado por la venta de nuevos productos en las empresas farmaceúticas españolas.
Para ello, y partiendo de la escala validada anteriormente citada y utilizando la metodología de ecuaciones estructurales, concretamente PLS, analizaremos las la composición de la escala “eficacia en I+D” y la relación que se establece entre la “eficacia en I+D” y el beneficio explicado por la venta de nuevos productos.
1. Introducción.
En estudios previos diseñamos y analizamos la validez de contenido, y la validez de constructo y de criterio de la escala “Eficacia en I+D” en las empresas farmacéuticas españolas (véase ficha técnica del estudio en el Anexo I). El objetivo de nuestro estudio fue conocer las dimensiones y variables a través de las que se podía medir la eficacia de estas actividades, y así conocer los factores de éxito de las actividades de I+D (véase resumen de la validez de contenido en el Anexo II).
Se realizó una extensa validez de contenido pues no existía una escala validada sobre “eficacia en I+D” (García y Mulero, 2005), seguida de la validación de la escala a través de la teoría psicométrica de validación de escalas aportamos evidencias de la fiabilidad y la validez convergente, discriminante, nomológica y predictiva (Mulero, 2010).
El modelo final, después de la depuración de las variables, a través del análisis factorial exploratorio, el análisis de fiabilidad entendida como consistencia interna, y el análisis de las correlaciones inter-ítem, y entre dimensiones, quedó constituida por nueve dimensiones y treinta y dos variables. Con una estructura basada en la teoría de sistemas, y más concretamente en el modelo de Brown y Svenson (1988).
En la figura 1 se muestra el modelo resultante del diseño y validación siguiendo la teoría clásica de tests. Como se aprecia la escala muestra contundentes argumentos en cuanto a su estructura y consistencia interna (comunalidades, correlaciones ítem-dimensión,y alfa de Cronbach).
En el Anexo III presentamos una tabla con el significado de los acrónimos de los ítems considerados en la escala.
Figura 1: Escala “Eficacia en I+D”. Evidencias de fiabilidad y validez externa.
El objetivo del presente trabajo es tratar de confirmar las variables y la estructura de la
escala anterior y analizar las relaciones entre las distintas dimensiones, basándonos para
ello en la teoría de sistemas aplicada a las actividades de I+D. Igualmente, analizaremos la
relación entre la eficacia de las actividades de I+D y el porcentaje del beneficio explicado por
la venta de nuevos productos.
Para ello, utilizaremos la metodología de ecuaciones estructurales, concretamente la técnica
“partial least squares” o pls1. (Chin, 1998), basándonos para elegir esta técnica en el
tamaño muestral y en la existencia de constructos tanto formativos, como reflectivos en el
modelo considerado.
2. Análisis Factorial Confirmatorio de la escala “Eficacia en I+D”.
2.1. Metodología.
La modelización de ecuaciones estructurales (en adelante, MEE) reúne las
aportaciones de la Econometría en lo que hace referencia a la predicción, junto con el
enfoque psicométrico en relación a la medición de variables latentes o no observadas que
son inferidas a partir de indicadores o variables manifiestas (Chin, 1998).
La MEE combina técnicas de regresión múltiple (relaciones de dependencia) con
análisis factorial (representación de factores o variables no observables) para valorar en un
análisis único dos modelos distintos:
- El modelo de medida, o la vinculación de un constructo latente con sus variables
observables.
- El modelo estructural o las relaciones de los constructos teóricos entre sí.
De las técnicas estadísticas utilizadas para la MEE: los métodos basados en las covarianzas
o el análisis basado en la varianza o técnica “partial least squares” o pls, hemos elegido esta
última por distintos motivos (véase Barroso, Cepeda y Roldán, 2005):
- La técnica pls está más orientada a la predicción de modelos complejos donde no
existe una teoría sólida que los respalde (Wold, 1979).
- Permite tamaños muestrales más reducidos para realizar predicciones.
- Los datos no tienen por qué seguir una distribución normal.
- Permite la modelización tanto de constructos formativos como reflectivos.
Los objetivos que nos han llevado a elegir la técnica PLS son los siguientes:
- Nuestro objetivo principal es confirmar la estructura de la variable no observable
“Eficacia en I+D”, que será formulado como un constructo formativo. 1 El análisis lo hemos realizado a partir del software plsgraph 3.0.
- Por otra parte, analizar las relaciones entre el constructo “Eficacia en I+D” y la variable
observable “porcentaje de beneficios explicado por la venta de nuevos productos”. Se ha
elegido esta variable porque los indicadores más usados para medir la eficacia en I+D o
la capacidad innovadora de una empresa, en muchos casos, están relacionados con los
ingresos generados con la venta de nuevos productos (House y Price, 1991; Brown y
Gobeli 1992; Cooper y Kleinschmidt , 1995; Tippping et al., 1995; Chiesa et al., 1996;
Griffin y Page, 1996; Kaplan y Norton, 1996; Hauser y Zettelmeyer, 1997; Whiteley et al.,
1998; Bremser y Barsky, 2004).
2.2. Evaluación del Modelo de Medida de la escala “Eficacia en I+D”.
En esta fase se trata de evaluar si las variables observables están midiendo
correctamente los conceptos téoricos o variables latentes. El objetivo es asegurar que
contamos con medidas válidas y fiables antes de obtener conclusiones acerca de las
relaciones entre los constructos.
El modelo analizado aparece en la figura 2.
Figura 2: Escala “Eficacia en I+D” y su relación con la variable “%beneficio explicado por la venta de nuevos productos”.
Donde hemos recogido todos las dimensiones que extrajimos del análisis factorial
exploratorio depuradas tras el análisis de fiabilidad, entendida como consistencia interna y el
análisis de la matriz de correlaciones (veáse García, Mulero y Bordoy, 2010; Mulero, 2010).
Hemos obviado en este punto la teoría de sistemas para extraer el concepto de
“Eficacia en I+D” directamente, posteriormente analizaremos las inclusión de cada
dimensión dentro de una de las fases del sistema y sus relaciones.
La evaluación del modelo de medida implica los siguientes análisis:
- Fiabilidad individual de los ítems (cargas factoriales).
- Fiabilidad del constructo.
- Validez convergente.
- Validez discriminante.
Los datos necesarios para el análisis del modelo de medida aparecen resumidos en la tabla
1.
CONSTRUCTO/ Factor de Ponderaciones Cargas Fiabilidad Varianza
Dimensión Inflación Factoriales compuesta (pc) Extraída Media
Indicador de la
Varianza (AVE)
(FIV) ESFUERZO EN I+D
1,269 0,159 0,876 0,701
GID 0,3172 0,8526
IGID 0,3909 0,8343
IPID 0,4891 0,8248
HAB. PERSONAL I+D
1,154 0,127 0,853 0,749
HP 0,0643 0,7078
EXP 0,9556 0,9989
PLANIFICACIÓN I+D
1,787 0,148 0,856 0,547
PLAN 0,0239 0,6796
PROC 0,4377 0,7446
OIDF 0,1356 0,5806
COMAC 0,3299 0,8546
DEFRE 0,3676 0,8084 RELAC. OTROS DPTOS
1,912 -0,171 0,844 0,646
INREST 0,5357 0,8747
PRODID 0,4801 0,8493
COORD 0,1843 0,6710 RELAC. EXTERNAS
1,341 0,159 0,929 0,868
AGENT 0,7435 0,9805
REGUL 0,3078 0,8802 OUTPUTS DE I+D
1,321 0,190 0,776 0,540
NPAT 0,4755 0,7821 CONGR 0,4482 0,7985
RDOCAL 0,4441 0,6083 INNOVACIÓN
1,453 -0,160 0,768 0,638
INPROD 1,2745 0,9671
INPROC -0,3989 0,5833 RESULTADOS I+D
1,629 0,5 0,892 0,546
INGR 0,2224 0,7502
CUOTA 0,2366 0,8411
SATCLI 0,1507 0,8017
PERCEP 0,1948 0,7947
RETEN 0,1451 0,6428
POSIC 0,2133 0,7481
TECD 0,1906 0,5541 ESTRATEGIA E I+D
1,231 0,037 0,979 0,904
IDE 0,3021 0,9444
REE 0,2343 0,9617
ROE 0,1414 0,9394
PRE 0,1455 0,9482
DPE 0,2278 0,9592 Tabla 1. Resumen de los datos necesarios para el análisis del modelo de medida.
2.2.1. Análisis del modelo de medida de primer orden.
Vamos a comenzar analizando, en primer lugar, los ítems y constructos de primer
orden, para posteriormente hacer el análisis de la escala “Eficacia en I+D” o constructo de
segundo orden.
a. Análisis de fiabilidad individual de los ítems.
Para analizar la fiabilidad individuald de los ítems, en el caso de constructos reflectivos, que
son los que nos ocupan, se examinan las cargas o correlaciones simples de cada indicador
con su respectivo constructo. La regla más aceptada es considerar el umbral mínimo de
0,707 (Carmines y Zeller, 1979) para que un indicador sea aceptado como integrante de un
constructo, si bien se pueden aceptar cargas iniciales de 0,5 o 0,6 en situaciones como el
desarrollo de escalas iniciales (Chin, 1998).
Como se puede apreciar en la tabla 1 , 26 de los 32 indicadores tienen cargas superiores a
0,707 lo que indica una buena fiabilidad en cuanto a los ítems que conforman cada
constructo de primer orden. No obstante, diversos investigadores estiman que esta regla no
debería ser tan estricta, así cargas factoriales de 0,5 ó 0,6 podrían ser aceptables en
situaciones como: fases iniciales del desarrollo de escalas (Chin, 1998), y cuando las
escalas se aplican en diferentes contextos (Barclay, Higgins y Thompson, 1995).
Sin embargo, la eliminación de unos cuantos ítems débiles puede hacernos perder
información válida para el modelo (Cepeda y Roldán, 2004). Así, Chin (1998) aconseja que
los pocos ítems con cargas factoriales débiles se mantengan en el modelo, salvo que el
peso de los mismos no sea significativamente distinto de 0 (Chin, 1998).
En el caso que nos ocupa de las seis variables con cargas inferiores a 0,707, tres superan el
0,6 y las restantes superan el mínimo de 0,5 para investigaciónes preliminares, y en todos
los casos sus pesos son distintos de cero. Por lo que consideramos mantenerlas en el
modelo, a la espera de análisis posteriores.
b. Análisis de fiabilidad de los constructos de primer orden.
Se evalua la consistencia interna de los indicadores que componen cada constructo, esto
es, si las variables observables están midiendo rigurosamente a la variable latente a la que
representan. Para llevar a cabo esta evaluación podemos utilizar dos criterios: Coeficiente
Alpha de Cronbach y Fiabilidad compuesta (pc) del constructo. Sin embargo, la fiabilidad
compuesta puede ser un criterio más completo, tal como señalan Fornell y Larcker (1981),
pues parte de las cargas factoriales reales de los ítems que han sido utilizadas en el modelo
causal, mientras que el coeficiente Alpha de Cronbach hace la suposición de que todas las
cargas son iguales a la unidad (Barclay, Higgins y Thompson, 1995). Por otra parte, la
fiabilidad compuesta (pc) no se ve influenciada por el número de ítems de la variable latente.
No obstante, utilicemos un criterio u otro, la regla mínima de aceptación según Nunally
(1978) está en una fiabilidad de 0,7 en etapas tempranas de investigación y en un más
estricto 0,8 en la investigación básica.
La fiabilidad compuesta (pc) fue desarrollada por Werts, Linn y Jöreskog (1974) y se calcula
a partir de la siguiente fórmula:
?c =
donde λi es la carga estandarizada del ítem i, εi es el error de medida del indicador i y la
varianza del error es: var(εi ) = 1 - λ2i.
En la tabla 1 podemos observar que 7 de las 9 dimensiones consideradas dentro de la
escala “Eficacia en I+D” cumplen el criterio más restrictivo de tener un índice de fiabilidad
superior a 0,8, mientras las dos dimensiones restantes poseen índices superiores a 0,7.
Por tanto, se aportan evidencias de la fiabilidad de los constructos o dimensiones de primer
orden, o su capacidad como instrumento de medida de la “Eficacia en I+D”.
c. Validez convergente.
Se trata de evaluar si un conjunto de indicadores miden realmente un constructo
determinado y no están mididendo otro concepto distinto. Para analizar este tipo de validez
se utiliza la varianza extraída media (AVE). El criterio de aceptación consiste en que la
varianza extraída media (AVE) de un constructo ha de ser mayor a 0,5, significando esto
que el constructo comparte más de la mitad de su varianza con sus indicadores, siendo el
resto de la varianza debida al error de medida (Fornell y Larcker ,1981). Este criterio solo es
de aplicación para las variables latentes con indicadores reflectivos o para constructos de
segundo orden moleculares.
La expresión de la varianza extraída media (AVE) (Fornell y Larcker ,1981) es:
donde λi es la carga estandarizada del ítem i, εi es el error de medida del indicador i y var(εi ) = 1 - λ2
i.
Observando los resultados en la tabla 1, podemos ver que las nueve dimensiones
distinguidas dentro de la escala “Eficacia en I+D” comparten más del 50% de su varianza
con sus ítems. Distinguiendo la dimensión “Estrategia” con un 0,904, seguida de las
dimensiones relaciones externas, habilidades del personal de I+D y el esfuerzo en I+D.
d. Validez Discriminante.
Con este análisis comprobamos que un constructo determinado mide un concepto
distinto que otros constructos. Para llevar a cabo esta comprobación tiene que cumplirse
que la varianza que un constructo comparta con sus indicadores sea mayor que la que
pueda compartir con otros constructos incluidos en el modelo (Barclay, Higgins y Thompson,
1995). Por tanto, para que se cumpla la validez discriminante, Fornell y Larcker (1981)
recomiendan comprobar que la varianza extraída media (AVE) de cada constructo sea
mayor al cuadrado de las correlaciones entre el constructo y otras variables latentes del
modelo (varianza que un constructo comparte con otras constructos del modelo). De otra
forma, sería comprobar que las correlaciones entre los constructos son más bajas que la
raíz cuadrada de la varianza extraída media (AVE).
Tabla II. Validez discriminante.
2.2.2. Análisis del modelo de medida de segundo orden: Escala Eficacia en I+D.
La eficacia en I+D ha sido considerado tras la revisión bibliográfica como un constructo
formativo de segundo orden, pues entendemos que las dimensiones que la componen son
aspectos independientes unos de otros que deben añadirse para medir la eficacia de dichas
actividades.
Por tanto, el análisis del modelo de medida en este caso, al ser una escala formativa,
incluiría el análisis de las ponderaciones de cada dimensión, así como un análisis de
ausencia de multicolinealidad, para evitar dimensiones redundantes o que midan aspectos
similares de la eficacia.
Comenzando por el análisis de las ponderaciones, observando la tabla 1 la eficacia en I+D
sería un constructo emergente formado por las siguientes dimensiones por orden de
importancia: Esfuerzo en I+D, Resultados obtenidos por I+D, outputs generados por la I+D,
influencia de las relaciones externas en I+D, buena planificación de las actividades de I+D,
habilidades del personal en I+D y por último, la unión de la estrategia con las actividades en
I+D.
Cabe destacar que existen dos dimensiones con ponderaciones negativas: innovación y
relaciones entre departamentos, este resultado se repite en el estudio realizado por
Revuelta (2011) en empresas químicas españolas, por lo que debemos concluir, tal como lo
Esf_I+D Habi Planif Rel_dpto Rel_Ext Outputs Innova Rtdos I+D
Estrateg Benef
Esfuerzo I+D 0,837
Habil. Personal I+D
0,319 0,865
Planificación I+D
0,248 -0,062 0,740
Rel. dptos 0,201 0,044 0,530 0,804
Rel. exteriores
-0,069 -0,039 0,365 0,306 0,932
Outputs I+D 0,251 0,172 0,282 0,406 0,119 0,735
Innovación I+D
0,290 0,154 0,315 0,447 0,256 0,222 0,799
Rtdos I+D 0,280 0,061 0,384 0,369 0,316 0,326 0,401 0,739
Estrategia e I+D
0,261 0,017 0,158 0,052 0,112 0,124 0,209 0,342 0,951
%Benef VNP 0,366 0,115 0,229 0,140 0,131 0,232 0,072 0,360 0,193 1
hace el autor que la innovación y las relaciones entre departamentos no parecen ser, al
menos en estos dos sectores, farmacéutico y químico, dos factores importantes en cuanto a
la eficacia en las actividades de I+D.
Obviamente, la innovación se puede generar en otras partes de la empresa, y en contra a lo
que mantiene la teoría, las relaciones con otros departamentos no parecen ser tan
determinantes a la hora de obtener altos ratios de eficacia en I+D.
Para detectar la ausencia de multicolinealidad entre las dimensiones realizamos dos tipos de
análisis:
Una primera revisión basada en el factor de inflación de la varianza (FIV) que señala la
existencia de multicolinealidad para valores de 5 o superiores en este índice. En la tabla III
se puede observar que todas las dimensiones que forman parte de la “Eficacia en I+D” no
son colineales según este criterio, pues se obtienen valores cercanos a 1 para todas las
dimensiones.
Coeficientes
no estandarizados
Coeficiente
s
tipificados
Estadísticos de
colinealidad
Modelo
B Error típ. Beta
t Sig.
Tolerancia FIV
(Constante) 3,417 ,158 21,692 ,000
Esf_I+D ,472 ,177 ,307 2,673 ,009 ,788 1,269
Hab -,022 ,168 -,015 -,134 ,894 ,867 1,154
Plan -,013 ,209 -,009 -,064 ,949 ,560 1,787
Rel.Dpto -,055 ,217 -,036 -,254 ,801 ,523 1,912
Rel.Ex ,124 ,181 ,081 ,682 ,497 ,746 1,341
Output ,207 ,180 ,135 1,150 ,254 ,757 1,321
Innov -,284 ,191 -,183 -1,489 ,141 ,688 1,453
Rdos ,423 ,200 ,275 2,112 ,038 ,614 1,629 Estrateg
,025 ,174 ,017 ,146 ,884 ,812 1,231
Tabla III: Análisis de colinealidad (I).
• No obstante, puede existir colinealidad con FIV bajos, de ahí que una manera más completa
de detectar la ausencia de multicolinealidad sea a partir de un análisis de componentes
principales de las variables independientes. A partir de este análisis se obtiene el indice de
condición para cada componente así como la proporción de varianza explicada por cada
variable independiente. Este método ideado por Besley (1991) indica la existencia de
multicolinealidad cuando un componente obtiene un valor mayor a 30 en el índice de
condición y para este componente se detectan dos o más variables con una proporción de
varianza superior a 0,9 (Hair et al, 2004). Como se puede observar en la siguiente tabla no
existe colinealidad entre las dimensiones consideradas como parte de la escala “Eficacia en
I+D”.
Proporciones de la varianza Di
me
nsi
ón
Autov
alores
Índic
e
De
condi
ción
(Co
nst
ant
e)
Esfue
rzo
_I+D
Ha
b
Pla
n
Rel.
Dpt
o
Rel
.
Ext
Output Inno Rdos Estrat
g
1 3,067 1,000 ,00 ,02 ,00 ,03 ,03 ,02 ,03 ,03 ,04 ,01
2 1,345 1,510 ,00 ,13 ,27 ,01 ,00 ,16 ,01 ,01 ,00 ,00
3 1,135 1,644 ,00 ,07 ,06 ,01 ,06 ,00 ,03 ,00 ,03 ,40
4 1,001 1,751 1,0
0
,00 ,00 ,00 ,00 ,00 ,00 ,00 ,00 ,00
5 ,804 1,954 ,00 ,00 ,12 ,00 ,00 ,09 ,49 ,23 ,00 ,00
6 ,702 2,090 ,00 ,40 ,19 ,11 ,02 ,03 ,13 ,01 ,04 ,12
7 ,578 2,303 ,00 ,07 ,27 ,03 ,02 ,33 ,01 ,53 ,01 ,00
8 ,509 2,455 ,00 ,25 ,08 ,30 ,08 ,17 ,09 ,06 ,05 ,27
9 ,501 2,475 ,00 ,05 ,00 ,02 ,02 ,19 ,09 ,01 ,78 ,17 10
,359 2,924 ,00 ,01 ,00 ,49 ,76 ,00 ,13 ,12 ,05 ,03
Tabla IV: Diagnóstico de colinealidad (II).
Por tanto, aportamos evidencias de que las dimensiones consideradas miden distintos
aspectos de la “Eficacia en I+D”, aunque con distintos pesos en función de la importancia
para el concepto a medir.
2.3. Evaluación del modelo estructural de segundo orden: Eficacia en I+D y
porcentaje de las ventas explicadas por nuevos productos.
En la siguiente figura se puede apreciar el constructo de segundo orden, así como la
relación planteada entre el constructo “eficacia en I+D” y el % de beneficios explicados por la
venta de nuevos productos. Hemos elegido esta variable como un subrogado del concepto
de “Eficacia en I+D” muy utilizado en la literatura especializada (House y Price, 1991; Brown
y Gobeli 1992; Cooper y Kleinschmidt , 1995; Tippping et al., 1995; Chiesa et al., 1996;
Griffin y Page, 1996; Kaplan y Norton, 1996; Hauser y Zettelmeyer, 1997; Whiteley et al.,
1998; Bremser y Barsky, 2004).
Es por ello, que aunque la variable considerada no comprende todos los aspectos de la
eficacia de las actividades de I+D, es lo más cercano que podemos utilizar para ver si
realmente existe relación entre el concepto de eficacia de estas actividades, y su
repercusión en el beneficio, concretamente en el generado por la venta de nuevos
productos.
Hemos, por tanto, planteado como única hipótesis a contrastar la siguiente:
H1: La eficacia en I+D influye directa y positivamente en el porcentaje del beneficio de la
empresa explicada por la venta de nuevos productos.
Figura 3: Análisis del modelo estructural. Relación entre “Eficacia en I+D” y el p orcentaje del
beneficio obtenido por la venta de nuevos productos.
En el modelo anterior hemos de analizar dos índices:
a) Los coeficientes path o pesos de regresión estandarizados (ß): miden la fuerza de la
relación entre los constructos o de las hipótesis de las relaciones causales
planteadas. Para este índice los valores deseables se sitúan por encima de 0,3, si
bien se acepta 0,2 como valor mínimo. Respecto a la significatividad de estos
coeficientes y, por ende, de las hipótesis planteadas se analizarán a partir de una
distribución t de student de 1 cola con n-1 grados de libertad. Los valores ß y su
significatividad se obtienen a partir de la técnica de remuestreo no paramétrico
denominada Bootstrap2.
En este sentido la ß de la relación planteada es de 0,481 con un 99,9% de
significatividad por lo que se aportan indicios de la fuerza de la relación entre la
eficacia en I+D, y el % del beneficio explicado por la venta de nuevos productos.
b) La varianza del constructo endógeno que es explicada por los constructos que la
predicen (R)2: Mide la predictibilidad de los constructos endógenos o dependientes.
Los valores mínimos aconsejables para este parámetro son de 0,1, pues valores
inferiores aún cuando sean significativos tienen un escaso nivel predictivo (Falk y
Miller, 1992).
El R2 de la relación planteada alcanza un valor de 0,231, considerando,por tanto, que
la eficacia en I+D puede predecir o explica en un 23,1% el % de beneficios
explicados por la venta de nuevos productos.
Hipótesis Efecto Coeficientes
estandarizados
ß
T-value R2 Soportada
H1 + 0,481 14,8345 0,231 SI
Tabla V. Análisis del modelo estructural.
Para n = 500 submuestras: *p < .05; **p < .01; ***p < .001 (basado en una distribución t(499) de Student de una cola)
t(0.05;499) = 1,64791345; t(0.01;499) = 2,333843952; t(0.001;499) = 3,106644601.
3. CONCLUSIONES
Las principales conclusiones extraídas nos hablan de la confirmación de la mayor parte de la
escala “Eficacia en I+D” extraída de la validación de escalas siguiendo la teoría clásica de
test. Se confirman los ítems obtenidos aportando indicios de fiabilidad y validez.
En cuanto a las dimensiones obtenidas, se consideran dimensiones independientes y que
forman parte del concepto “Eficacia en I+D”: El esfuerzo realizado por la empresa en I+D,
las habilidades del personal de I+D, el realizar una buena planificación de estas actividades,
las relaciones con el exterior (entendidas como influencia de la normativa y de los distintos
grupos de interés), la medida de los outputs, los resultados obtenidos por la I+D y la unión
de la estrategia y la I+D.
Quedan en suspenso dos dimensiones, por tener una relación que no se corresponde con la
que sustenta la teoría: las relaciones con otros departamentos y la dimensión de innovación.
Ambas se consideran, sobre todo la primera, importantes para la medida de la eficacia de
las actividades de I+D, pero tanto el presente estudio, como el realizado por Revuelta en el
sector químico (2011) concluyen de manera similar, con relaciones espúreas, sobre todo
respecto a la innovación.
Es correcto pensar que no toda la innovación en productos y procesos parte de las
actividades de I+D, pero el considerar que la innovación no tiene efecto sobre la medida de
la eficacia en I+D nos parece que no es correcto. Por lo tanto, sólo cabe explicarlo en base
al tamaño muestral o al tipo de sector pues tanto el farmaceutico como el químico son muy
parecidos y podrían considerar el hecho de que la innovación en productos y procesos no es
tan importante para el desarrollo óptimo de su trabajo.
También puede deberse a la varible que hemos tomado como subrrogado de la “eficacia en
I+D” el porcentaje de beneficios explicado por la venta de nuevos productos, evidentemente
no es una variable completa que pueda reflejar todos los aspectos de la eficacia en I+D,
pues todo el trabajo desarrollado en I+D no tiene como origen un producto nuevo, que
además se vende, pero es la variable más cercana que hemos encontrado, y una de las
más usadas en la literatura especializada.
El resultado de la dimensión “Relaciones con otros departamentos” es igualmente contraria
a la teoría que nos indica que para el desarrollo correcto y estratégico de las actividades de
I+D hace falta la formación de equipos transfuncionales, una comunicación fluida entre
departamentos y la existencia de una buena coordinación entre I+D y el resto de
departamentos. Al parecer, en las empresas encuestadas esta dimensión no influye en el
desarrollo óptimo de sus funciones como departamento de I+D, quizás la coordinación y la
comunicación sean más relevantes a la hora de medir conceptos como eficiencia, más que
eficacia, en el sentido de que el departamento de I+D si se relacionara con más fluidez con
el resto de departamentos generaría ahorros en costes y tiempo a la hora de llevar un
producto al mercado.
Igualmente podríamos pensar, que los integrantes de los departamentos de I+D siguen
estando encerrados en su torre de marfil, es decir, que se hallan en la primera o segunda
generación de gestión de las actividades de I+D (Roussell et al., 1991a, 1991b) sólo
saliendo de su entorno cuando se ven obligados a ello para cuestiones puntuales, que
desde su punto de vista no afectan a la eficacia en su trabajo.
Sobre lo que si se aportan evidencias es sobre la relación existente entre la “eficacia en I+D”
y el porcentaje de beneficios obtenidos por la venta de nuevos productos, como una relación
positiva y fuerte.
Queda pendiente de analizar la estructura de la escala “Eficacia en I+D” aplicando la teoría
de sistemas, y las relaciones entre inputs, procesos,ouputs y resultados.
ANEXOS
ANEXO I: Ficha técnica del estudio.
Universo de medida y ámbito 679 empresas dedicadas a la fabricación de productos farmacéuticos en España.
Censo poblacional 407 empresas
Nº de respuestas 85
Error muestral3 9,5%
Nivel de confianza 95%
Procedimiento de muestreo Muestreo aleatorio
Encuesta Cuestionario estructurado administrado vía Internet y correo ordinario.
Metodología empleada Diseño y Validación de Escalas. Teoría clásica de tests.
3 Siendo el cálculo del error para poblaciones finitas nN
qpknNe
⋅⋅⋅⋅−
=2)(
Anexo II. Primera etapa: Revisión Bibliográfica original sobre Dimensiones, Elementos y objetivos del Constructo “Eficacia en I+D”.
D
imen
sión
E
lem
ento
Ob
jeti
vos
D
EFI
NIC
IÓN
FUE
NT
E
ESTRATEGIA
Unión de I+D y estrategia
Inte
grac
ión
de
las
acti
vid
ades
de
I+D
y la
es
trat
egia
de
la e
mp
resa
.
Med
ida
del
gra
do
en e
l qu
e la
s ac
tivi
dad
es d
e I+
D s
on c
onsi
der
adas
una
var
iabl
e cl
ave
en
la e
stra
tegi
a.
Qu
inn
y M
uel
ler
(196
3); R
othw
ell,
(197
7); R
anft
l, (1
977)
; Por
ter
(198
0,
1985
); H
ax y
Maj
luf (
1984
, 199
1);
Fost
er e
t al.
(198
5); F
usf
eld
, (19
89);
Rou
ssel
l et a
l. (1
991a
y 1
991b
); H
ax
y N
o (1
992)
; E
rick
son
(199
3);
Szak
onyi
, (19
94);
Gre
en (1
995)
; R
oger
s (1
996)
; Rob
erts
(199
8);
Gu
pta
et a
l. (2
000)
, Lia
o y
Gre
enfi
eld
(200
0) ;P
ears
on e
t al.
(200
0); C
hies
a (2
001)
; Ita
mi y
N
um
agam
i (20
01);
Lia
o y
Che
ung
(2
002)
.
Los
res
pon
sabl
es d
e I+
D p
arti
cip
an e
n la
ela
bora
ción
de
la e
stra
tegi
a.
Los
res
pon
sabl
es d
e I+
D c
onoc
en lo
s ob
jeti
vos
estr
atég
icos
de
la e
mp
resa
.
Gra
do
en e
l qu
e lo
s p
roye
ctos
de
I+D
se
encu
entr
an r
elac
iona
dos
con
la e
stra
tegi
a d
e la
em
pre
sa.
Med
ida
del
gra
do
de
cont
rol a
l qu
e so
n so
met
idos
los
pro
yect
os r
elac
iona
dos
con
la
estr
ateg
ia.
D
imen
sión
El
emen
to
O
bjet
ivos
DEF
INIC
IÓN
FUEN
TE
INPUTS I+D
Inversiones e infraestructuras en I+D
Esfu
erzo
en
I+D
La e
mpr
esa
dedi
ca fi
nanc
iaci
ón a
cub
rir
activ
idad
es r
elac
iona
das
con
la I+
D c
on r
espe
cto
a la
med
ia d
e añ
os p
asad
os.
La e
mpr
esa
dedi
ca u
n %
de
inve
rsio
nes
en I+
D (g
asto
s en
I+D
) sob
re e
l tot
al d
e in
gres
os
en lo
s úl
timos
año
s co
n re
spec
to a
la m
edia
de
años
ant
erio
res.
Bran
ch (1
974)
; Hal
l (19
87);
Hen
ders
on y
Coo
kbur
n (1
988)
; Lee
et
al (
1996
); Th
e co
nfer
ence
Boa
rd
(199
7); G
alen
de y
Suá
rez
(199
8);
Soui
tari
s (2
002)
; Hag
edoo
rn y
C
lood
t (20
03),
OC
DE(
2005
: Man
ual
de O
slo)
; IN
E, (2
007)
A
nagn
osto
poul
ou y
Lev
is (2
008)
. U
tilid
ad d
e la
s In
frae
stru
ctur
as
utili
zada
s en
I+D
Rel
ació
n co
ste
bene
ficio
de
dich
as in
vers
ione
s.
Ham
bric
k y
Mcm
illan
(198
5); H
all
(198
7); L
ee e
t al.
(199
6); G
alen
de y
Su
árez
(199
8); I
NE
(200
7).
Recursos Humanos de I+D
Cre
cim
ient
o de
l pe
rson
al d
e I+
D.
Cre
cim
ient
o en
el n
úmer
o de
per
sona
s tr
abaj
ando
en
I+D
dur
ante
los
últim
os tr
es a
ños.
Lee
et a
l. (1
996)
; H
allid
ay e
t al
(199
7); S
ouita
ris
(200
2) ;I
NE
(200
7).
Fo
rmac
ión
del p
erso
nal
de I+
D
Med
ida
de la
form
ació
n de
l Rec
urso
Hum
ano
de I+
D a
trav
és d
el p
orce
ntaj
e de
in
geni
eros
, lic
enci
ados
, etc
.. so
bre
el to
tal.
Bear
n (1
983)
; Fo
ster
et a
l. (1
985)
; Th
e C
onfe
renc
e Bo
ard,
(199
7);
Gal
ende
y S
uáre
z (1
998,
199
9);
Hal
liday
et a
l. (1
997)
; Sou
itari
s (2
002)
; IN
E (2
007)
Apt
itud
del R
ecur
so
Hum
ano
Act
itud
del R
ecur
so
Hum
ano
Des
trez
as, h
abili
dade
s y
expe
rien
cia
que
pose
e el
per
sona
l de
I+D
. M
otiv
ació
n de
l rec
urso
hum
ano
Qui
nn y
Mue
ller
(196
3); F
oste
r et
al. (
1985
) ; B
alki
n y
Góm
ez-M
ejía
(1
984)
; Góm
ez-M
ejía
y B
alki
n (1
989)
; Hal
ls,(1
992)
; Muh
lem
eyer
(1
992)
; Sc
hoen
ecke
r et
al (
1995
); M
yers
(199
6); B
rook
ing
y M
otta
(1
996)
; Lee
et a
l (19
96);
Om
ta et
al.
(199
7); T
he C
onfe
renc
e Bo
ard,
(1
997)
; Haa
nes
y Lo
wen
dahl
(199
7)
; Ran
dle
(199
7); C
ollis
on (2
001)
; D
reyf
us (2
008)
D
imen
sión
El
emen
to
O
bjet
ivos
DEF
INIC
IÓN
FUEN
TE
PROCESOS I+D
Plan de I+D
Ade
cuac
ión
de
obje
tivos
y a
ctiv
idad
es
plan
ifica
das
Med
ida
del g
rado
de
adec
uaci
ón d
e lo
s ob
jetiv
os m
arca
dos
y de
las
activ
idad
es a
la r
ealid
ad a
ctua
l de
la e
mpr
esa
y de
su
ento
rno.
Qui
nn y
Mue
ller
(196
3) ;
Rot
hwel
l (1
977)
; R
anft
l (19
77) ;
Fos
ter
et a
l. (1
985)
; Lee
et a
l. (1
996)
; Ian
siti
(199
7);
Szak
onyi
(199
4); S
tojil
kovi
c (1
998)
; Tr
acey
et a
l. (1
999)
; Gup
ta (2
000)
; M
olle
man
y T
imm
erm
an (2
003
Con
veni
enci
a de
las
sele
cció
n de
pro
ceso
s y
resu
ltado
s
Ade
cuac
ión
de la
sel
ecci
ón d
e pr
oces
os d
e I+
D y
def
inic
ión
de lo
s re
sulta
dos
a co
nseg
uir.
Qui
nn y
Mue
ller
(196
3) ;
Rot
hwel
l (1
977)
; R
anft
l (19
77) ;
Fos
ter
et a
l. (1
985)
; Sz
akon
yi (1
994)
; Le
e et
al.
(199
6); S
tojil
kovi
c (1
998)
; Tra
cey
et a
l (1
999)
; Gup
ta (2
000)
Implantación del Plan de I+D
Ade
cuac
ión
del
pres
upue
sto
a lo
s ob
jetiv
os d
e I+
D
Med
ida
del é
xito
en
la e
labo
raci
ón d
e lo
s pr
esup
uest
os e
n I+
D d
e ac
uerd
o co
n ob
jetiv
os c
oncr
etos
fij
ados
por
el d
epar
tam
ento
Szak
onyi
(199
4) ;
Lee
et a
l. (1
996)
; H
allid
ay e
t al (
1997
); D
emir
ag (1
998)
; H
eide
nber
ger
et a
l. (2
003)
Ada
ptac
ión
del
pers
onal
de
I+D
a lo
s ca
mbi
os te
cnol
ógic
os
adop
tado
s po
r la
em
pres
a y
utili
zado
s en
I+
D
Con
flict
os e
ntre
el p
erso
nal d
e I+
D a
nte
la u
tiliz
ació
n de
nue
vas
tecn
olog
ías
de in
vest
igac
ión
Fost
er e
t al.
(198
5); L
ee e
t al.
(199
6);
Om
ta e
t al.
(199
7); T
race
y et
al.
(199
9);
Gup
ta (2
000)
;
Apt
itud
del p
erso
nal d
e pr
oduc
ción
ant
e la
tr
ansf
eren
cia
de
tecn
olog
ía d
e pr
oduc
ción
des
de I+
D
Med
ida
del g
rado
de
cono
cim
ient
os p
or p
arte
del
per
sona
l de
prod
ucci
ón lo
suf
icie
ntem
ente
am
plio
s co
mo
para
ada
ptar
se s
in p
robl
emas
a c
ambi
os e
n la
s nu
evas
tecn
olog
ías
de p
rodu
cció
n
Qui
nn y
Mue
ller
(196
3) ;
Fost
er et
al.
(198
5) ;
Szak
onyi
(199
4) ;
Aut
io y
La
aman
en (1
995)
; Lee
et a
l. (1
996)
; Tr
acey
et a
l. (1
999)
; Cañ
iban
o et
al.
(199
9)
Flui
dez
de in
form
ació
n en
tre
depa
rtam
ento
s de
la
em
pres
a G
rado
de
com
unic
ació
n de
l dep
arta
men
to d
e I+
D c
on e
l res
to d
e lo
s de
part
amen
tos
de la
em
pres
a.
Qui
nn y
Mue
ller
(196
3) ;
Rot
hwel
l (1
977)
; Fo
ster
et a
l. (1
985)
; G
upta
et a
l. (1
987)
; Sch
mitt
(199
1); S
zako
nyi (
1994
) ;
Roo
s y
Roo
s (1
997)
; You
ng (1
997)
; Ia
nsiti
(199
7); K
ahn
et a
l (19
97);
Om
ta y
V
an E
ngel
en (1
998)
; Cañ
iban
o et
al.
(199
9); G
upta
(200
0); H
oytt
y G
erlo
ff
(200
0)
Clim
a la
bora
l ent
re e
l pe
rson
al d
e I+
D y
ent
re
ésto
s y
sus
supe
rvis
ores
.
Med
ida
de la
sal
ud d
e la
s re
laci
ones
hum
anas
ent
re m
iem
bros
de
I+D
y e
ntre
sus
mie
mbr
os y
sus
su
perv
isor
es.
Olin
, J. (
1973
); D
uneg
an e
t al (
1992
); R
oos
y R
oos
(199
7); Y
oung
(199
7); T
he
Con
fere
nce
Boar
d (1
997)
; Sza
kony
i (1
994)
; D
emir
ag (1
998)
; Hoy
t y G
erlo
ff
(200
0); D
reyf
us (2
008)
D
imen
sión
El
emen
to
O
bjet
ivos
DEF
INIC
IÓN
FUEN
TE
PROCESOS I+D (continuación)
Implantación del Plan de I+D
Coo
rdin
ació
n en
tre
I+D
, p
rodu
cció
n y
mar
ketin
g:
Med
ida
del g
rado
de
coor
dina
ción
exi
sten
te e
ntre
las
activ
idad
es d
esar
rolla
das
en e
l de
part
amen
to d
e I+
D y
las
real
izad
as e
n lo
s de
part
amen
tos
de m
arke
ting
y pr
oduc
ción
.
Fost
er et
al.
(198
5) ;
Coo
mbs
y
Góm
ez-M
ejía
(199
1); L
ee e
t al
(199
6); Y
oung
(199
7); K
ahn
et a
l (1
997)
; Di b
ened
etto
(199
9) ;
Gup
ta
(200
0); M
altz
et a
l. (2
001)
; Lee
nder
s y
Wie
reng
a (2
002)
Éx
ito e
n el
cu
mpl
imie
nto
de lo
s pr
esup
uest
os
Med
ida
de la
s de
svia
cion
es e
n el
pre
supu
esto
fren
te a
los
obje
tivos
con
segu
idos
. Le
e et
al.
(199
6); M
allo
y M
erlo
(1
993)
; You
ng (1
997)
; Ant
hony
y
Gov
inda
raja
n 20
03)
Esfu
erzo
par
a ex
pand
ir y
di
vers
ifica
r las
ac
tivid
ades
de
I+D
Gra
do d
e es
fuer
zo q
ue le
sup
one
al d
epar
tam
ento
de
I+D
am
plia
r la
gam
a de
ac
tivid
ades
.
Qui
nn y
Mue
ller (
1963
); R
othw
ell
(197
7) ;
Fost
er et
al.
(198
5) ;
Szak
onyi
(199
4) ;
Lee
et a
l (19
96);
You
ng (1
997)
; Om
ta y
Van
Eng
elen
(1
998)
; Gup
ta (2
000)
;
Gra
do d
e In
fluen
cia
de lo
s St
akeh
olde
rs
Gra
do d
e im
plic
ació
n de
los
Stak
ehol
ders
en
el d
iseñ
o de
las
activ
idad
es y
obj
etiv
os d
e I+
D (c
lient
es, p
rove
edor
es, e
tc…
)
Gas
sman
n y
Von
zedt
witz
(199
9);
EIR
MA
(199
5); E
IRM
A (1
997)
; Eu
rope
an F
ound
atio
n Q
ualit
y M
anag
emen
t (EF
QM
) (20
03);
Hir
st
y M
ann
(200
4)
Gra
do d
e In
fluen
cia
de la
Reg
ulac
ión
sobr
e I+
D
Gra
do d
e In
fluen
cia
de la
regu
laci
ón e
xter
na s
obre
la p
lani
ficac
ión
de o
bjet
ivos
y
activ
idad
es d
e la
I+D
EIR
MA
(199
5); E
IRM
A (1
997)
; Sh
oeni
ng e
t al (
1998
); G
upta
(200
0);
Euro
pean
Fou
ndat
ion
Qua
lity
Man
agem
ent (
EFQ
M) (
2003
); H
irst
y
Man
n (2
004)
; OC
DE
(200
5:
Man
ual d
e O
slo)
D
imen
sión
El
emen
to
O
bjet
ivos
DEF
INIC
IÓN
FUEN
TE
OUPUTS I+D
Consecución de Objetivos
Difi
culta
des
para
co
nseg
uir
los
obje
tivos
mar
cado
s en
los
plan
es y
pr
esup
uest
os d
e I+
D
Prob
lem
as a
los
que
se e
nfre
nta
la e
mpr
esa
para
lleg
ar a
los
obje
tivos
mar
cado
s en
los
plan
es y
pre
supu
esto
s de
I+D
. Y
oung
(199
7); D
emir
ag (1
998)
Resultados Directos de los esfuerzos de la I+D
Util
idad
de
la
tecn
olog
ía
com
prad
a.
Med
ida
del g
rado
de
utili
zaci
ón d
e la
tecn
olog
ía c
ompr
ada
al e
xter
ior,
con
bue
nos
resu
ltado
s
Falg
uni y
Rub
enst
ein
(198
9); E
SEE
(199
4); V
euge
lers
(199
7); D
emir
ag
(199
8); V
euge
lers
y C
assi
man
(1
999)
; Lin
et a
l (20
02)
Util
idad
de
la
tecn
olog
ía
desa
rrol
lada
.
Med
ida
del g
rado
de
utili
zaci
ón d
e la
tecn
olog
ía d
esar
rolla
da e
n lo
s de
part
amen
tos
de
I+D
, con
bue
nos
resu
ltado
s.
ESEE
(199
4); V
euge
lers
(199
7);
Dem
irag
(199
8); V
euge
lers
y
Cas
sim
an (1
999)
; Lin
et a
l (20
02)
Incr
emen
to d
el
núm
ero
de p
aten
tes,
m
odel
os d
e ut
ilida
d,
pape
rs p
rese
ntad
os
en c
onfe
renc
ias
acad
émic
as.
Indi
cado
r de
la te
nden
cia
en la
obt
enci
ón d
e re
sulta
dos
dire
ctos
del
esf
uerz
o en
I+D
Nol
an et
al.
(198
0); E
SEE
(199
4);
Pate
ll y
Pavi
tt (1
995)
;Lee
et a
l (1
996)
; Urr
aca
(199
8);
OC
DE:
Man
ual d
e O
slo
(199
1,19
96);
Erns
t (20
01);
Hag
edoo
rn y
Clo
odt
(200
3)
Inno
vaci
ón e
n pr
oduc
tos
y en
pr
oces
os
La e
mpr
esa
cons
igue
pro
duct
os in
nova
dore
s co
n re
spec
to a
los
com
petid
ores
y d
e ac
uerd
o co
n lo
mar
cado
en
los
obje
tivos
de
la I+
D.
La e
mpr
esa
cons
igue
inno
var
en p
roce
sos
de p
rodu
cció
n y
cons
igue
bue
nos
resu
ltado
s al
re
duci
r co
stes
y m
ejor
a de
la c
alid
ad d
e lo
s pr
oduc
tos.
Di B
ened
etto
(199
9); S
herm
an e
t al
(200
0); C
hrys
soch
oidi
s y
Won
g (2
000)
; Gem
ser y
Lee
nder
s (2
001)
; Sa
raph
et a
l (19
89);
Saka
kiba
ra e
t al
(199
3) ;
Flyn
n et
al (
1994
) ; W
ard
et
al (1
994)
; Sm
all y
Yas
in (1
997)
Cal
idad
del
trab
ajo
en g
ener
al d
e la
I+D
.
Med
ida
del g
rado
de
cons
ecuc
ión
de p
arám
etro
s de
cal
idad
de
la I+
D. C
umpl
imie
nto
de
los
está
ndar
es d
e ca
lidad
sob
re n
ivel
de
cost
es e
n lo
s de
part
amen
tos
de I+
D; p
arám
etro
s so
bre
resu
ltado
s de
la in
vest
igac
ión;
tiem
po, e
tc.
Ran
ftl (
1977
); Sz
akon
yi (1
994)
; Le
e et
al (
1996
); A
bdel
-Kad
er
Dug
dale
t (19
98);
Gup
ta (2
000)
; Br
enna
n (2
001)
D
imen
sión
El
emen
to
O
bjet
ivos
DEF
INIC
IÓN
FUEN
TE
RESULTADOS I+D
Incremento de Beneficio
Éxito
en
la
cons
ecuc
ión
de
bene
ficio
s fin
anci
eros
y
com
erci
ales
pr
oced
ente
s de
las
ap
licac
ione
s de
los
resu
ltado
s de
I+D
Med
ida
de la
con
secu
ción
de
obje
tivos
de
la c
ompa
ñía
rela
cion
ados
los
ingr
esos
por
ve
ntas
, la
cuot
a de
mer
cado
y la
sat
isfa
cció
n de
los
clie
ntes
por
la a
plic
ació
n de
los
resu
ltado
s de
la I
+D.
Arm
iste
ad (1
981)
; Oda
giri
(198
3);
Mor
bey
(198
8); O
dagi
ri e
Iwat
a (1
986)
; Bre
nner
y R
usht
on (1
989)
; M
orbe
y y
Rei
thne
r (19
90);
Schm
idt
(199
1); S
zako
nyi (
1994
) ; C
urtis
y
Ellis
(199
8); M
anua
l de
Osl
o (1
996)
; M
orri
son
y D
onal
d (1
996)
; Lee
et a
l (1
996)
; Abd
el-K
ader
y D
ugda
let
(199
8); P
atte
rson
(199
8); C
añib
ano
et a
l (19
99);
Wak
elin
(200
1); D
el
mon
te y
Pap
agni
(200
3); D
owde
ll y
Pres
s (2
004)
Mejora para la
Gestión
Efec
tos
sobr
e la
m
ejor
a de
la g
estió
n de
la e
mpr
esa
Med
ida
de la
con
secu
ción
de
obje
tivos
rel
acio
nado
s co
n la
mej
ora
en e
l em
pleo
de
nuev
as
técn
icas
de
gest
ión
debi
do a
la a
plic
ació
n de
los
resu
ltado
s de
la I+
D.
Man
ual d
e O
slo
(199
6); L
ee e
t al
(199
6); A
bdel
-Kad
er y
Dug
dale
t (1
998)
Anexo III. Tabla con los acrónimos de las variables resultantes para la escala “Eficacia en I+D”.
Variables Breve definición AGENT Influencia de los Agentes sociales sobre I+D COMAC Comunicación de las actividades de I+D a realizar CONGR Aportaciones a Congresos COORD Coordinación entre departamentos CUOTA Cuota de mercado DEFRE Definición de resultados en I+D DPEE Control de proyectos relacionados con la estrategia EXP Experiencia del personal I+D GID Gastos en investigación y desarrollo HP Habilidades del personal I+D IDE La I+D como variable estratégica IGID Intensidad del gasto en I+D INGR Ingresos INPROC Innovación en procesos proveniente de I+D INPROD Innovación en productos proveniente de I+D INREST Información sobre I+D al resto de la empresa IPID Incremento del personal de I+D NPAT Patentes OIDF Adecuación objetivos y financiación en I+D PERCEP Mejora de la percepción del cliente atribuible a I+D PLAN Planificación adecuada en I+D POSIC Mejora del posicionamiento de la empresa debida a I+D PRE Proyectos de I+D relacionados con estrategia PROC Diseño adecuado de los procesos en I+D PRODID Adaptación del personal de producción a los cambios generados por
I+D RDOCAL Consecución parámetros de calidad en I+D REE Participación de los responsables de I+D en la estrategia REGUL Efecto de la regulación sobre I+D RETEN Mejora de la tasa de retención de clientes debida a I+D ROE El responsable de I+D conoce los objetivos estratégicos SATCLI Mejora de la Satisfacción de los clientes debida a I+D TECD Tecnología desarrollada en I+D
BIBLIOGRAFÍA
Abdel-Kader, M.G. y Dugdale, D. (1998) Investment in Advanced Manufacturing Technology: A study of Practice in large U.K. Companies. Management Accounting Research, 9, 261-284.
APA (American Psychological Association), AERA (American Educational Research Association) y NCME (National Council on Measurement in Education), (1985): Standards for Educational and Psichological testing (Washington, D.C.: American Psichological Association).
Armistead, W.H. (1981) Research and development in large manufacturing corporations. Research Management, 24 (6), 28-33.
Autio, E. y Laamanen, T. (1995) Measurement and evaluation of technology transfer: review of technology transfer mechanisms and indicators”. International Journal of Technology Management (10), 7/8, pp. 643-664
Bailey, M. (1972): “Research and development costs and returns: the US pharmaceutical industry”. Journal of Political Economy, January–February., 70–85.
Balkin, D. y Gomez-Mejia, L.R. (1984) Determinants of R & D Compensation Strategies in the High Tech Industry, Personnel Psychology, 37(4), 635-650.
Barclay, D.; Higgins, C.; Thompson, R. (1995): “The Partial Least Squares (PLS) Approach to Causal Modelling: Personal Computer Adoption and Use as an Illustration”, Technology Studies, Special Issue on Research Methodology, 2(2): 285-309.
Barroso Castro, C.; Cepeda Carrión, G. y Roldán Salgueiro, J.L. (2005): “Investigar en Economía de la Empresa: ¿Partial Least Squares o modelos basados en la covarianza?, Asociación Europea de Dirección y Economía de Empresa (AEDEM), Vitoria, 8, 9 y 10 de Junio de 2005.
Bartlett, M.S. (1951): “A further note on tests of significance in factor analysis”. British Journal of Psychology, vol. 4, pp. 1-2.
Bartlett, M.S. (1950): “Test of significance in factor analysis”. British Journal of Psychology, vol. 3, pp. 77-85.
Bean, A. S. (1990): Does `closer to the customer´ mean further from the truth? Presentation to the Conference Board of IRI. New York. Citado en Ellis, L. (1997).
Belsley, D.A. (1991): Conditioning Diagnostics: Collinearity and Weak Data in Regression. John Wiley & Sons.
Ben-Zion, U (1978): The investment aspect of non-production expenditures: an empirical test. Journal of Economics and Business_Spring., 224–229.
Branch, B. (1974) Research and development activity and profitability: A distributed lag analysis, Journal of Political Economy, 82 (5), 999-1011.
Bremser, W.G. y Barsky, N.P. (2004): “Utilizing the balanced scorecard for R&D performance measurement. R&D Management, Vol. 34 (3), pp. 229-238.
Brennan, L. (2001) Total Quality Management in a Research and Development Environment. Integrated Manufacturing Systems, 12 (2), 94.
Brenner, M.S. y Rushton, B.M. (1989) Sales growth and R&D in the chemical industry. Research Technology management, march-april, 8-14.
Brooking, A. y Motta, E. (1996) A Taxonomy of Intellectual Capital and a Methodology for Auditing it. Paper presented at the 17TH Annual National Business Conference at McMaster. Universidad de Canadá.
Brown, M.G. y Svenson, R.A. (1998) Measuring R&D productivity. Research Technology Management, 41 (6), 30-35.
Brown, W.B. y Gobeli, D. (1992): “Observations on the measurement of R&D productivity: a case study”. IEEE Transactions on Engineering Management, vol. 39 (4).
Brownell, L. (1995): Research methods in management accounting, Coopers & Lybrand, Australia.
Cañibano, L; García-Ayuso, M.; Sánchez, P.; Chaminade, C.; Olea, M. y Escobar, C.G. (1999) Medición de Intangibles. Discusión de los Indicators seleccionados. Estudio de un caso español. Comunicación presentada al X Congreso de la Asociación Española de Contabilidad y Administración de Empresas, Zaragoza.
Carmines, E. G. y Zeller, R.A. (1979): Reliability and Validity Assessment. Sage University Paper Series on Quantitative Applications in the Social Science, Series no. 07-017. Sage Publications, BeverlyHills, CA.
Carmines, E.G: y Zeller, R.H. (1994): “Reliability and validity assessment”, en Lewis-Beck, M.S.(Ed.): Basic Measurement, Sage Publications, London, pp. 1-58.
Cepeda Carrión, G. y Roldán Salgueiro, J.L. (2004). “Aplicando en la práctica la técnica PLS en la Administración de Empresas. Congreso de la ACEDE, Septiembre 19, 20 y 21, Murcia, España.
Chau, P. (1999) On the use of construct reliability in MIS research: a meta-analysis. Information and Management, 35, 217-227.
Chen, W.R. y Miller, K.D. (2007) Situational and Institutional Determinants of Firm´R&D Search Intensity. Strategic Management Journal, 28, 269-381.
Chiesa, V. ; Coughlan, P. y Voss, C.A. (1996): “Development of a technical innovation audit”. Journal of Product Innovation Management, September-October, pp. 19-25.
Chiesa, V.; Giglioli, E. Y Manzini, R. (1999): “R&D corporate plannig: selecting the core technological competencies”. Technolgy Analysis & Strategic Management, vol. 11(2), pp. 2555-279.
Chin, W.W. (1998): “The Partial Least Squares Approach to Structural Equation Modeling”, en G.A. Marcoulides (Ed): Modern Methods for Business Research, pp. 295-336. Mahwah, NJ: Lawrence Erlbaum Associates, Publisher.
Christensen, J.F. (2002) Incongruities as a source of organizational renewal in corporate management of R&D. Research Policy, 31, 1.317-1.332.
Chryssochoidis, G.M. y Wong, V. (2000) Customization of product technology and international new product success: Mediating effects of new product development and rollout timeliness. The Journal of Product Innovation Management, 17: 268-285.
Churchill, G.A. (1979) A paradigm for developing better measures of marketing constructs. Journal of Marketing Research, 16, 64-73.
Clark, K.B. y Fujimoto, T. (1991) Product development performance (Boston: Harvard Business School Press.
Clark, K.B; Chew, W.B. y Fujimoto, T. (1987) Product development in the world auto industry. Brooking Papers on Economic Activity: 729-771.
Coccia, M. (2001) A basic model for evaluating R&D performance: Theory and Application in Italy. R&D Management, 31(4), 453-464.
Coccia, M. (2004): “New Models for measuring the R&D performance and identifying the productivity of public research institutes”. R&D Management, vol. 34 (3), pp. 267-280.
Cohen, W. (1995) Empirical studies of innovative activity. En Stoneman, P. (Ed.): Handbook of the economics of innovation and technological change (Oxford: Blackwell Publishers).
Cohen, W.; Nelson, R. Y Walsh, J. (2000): “Protecting their intellectual assets: appropiability consitions and why U.S. manufacturing firms patent or not, NBER working paper 7552. Cambridge.
Collins, L. (2005) Is R&D doing you any good? Engineering Management, 15(1), 14-17.
Comisión de las Comunidades Europeas (2003): Recomendación de la Comisión de 06/05/2003 sobre la definición de microempresas, pequeñas y medianas empresas. C(2003) 1422 final. Bruselas.
Coombs, R. (1996): “Core competences and the strategic management of R&D”. R&D Management, vol. 26, pp. 345-355.
Coombs, R. y Gómez-Mejia, L.R. (1991) Cross-functional Pay Strategies in High-Technology Firms, Compensation and Benefits Review, 23 (5), 40-48.
Coombs, R.; Narandrenm P. y Richards, A. (1996) A literature-based innovation output indicator. Research Policy, 25, 403-413.
Cooper, R.G. y Kleinschmidt, E.J. (1995): “Benchmarking the firm´s critical success factors in new product development”. Journal of product innovation management, vol.12 (5), pp.374-391.
Cordero, R. (1990): “The measurement of innovation performance in the firm: an overview”. Research Policy, vol. 19, pp. 185-192.
Cuello de Oro D. y López-Cózar C. (2007): “Las patentes como mecanismo de apropiación de rentas económicas. Un estudio empírico en el sector farmacéutico español”. Revista europea de dirección y economía de la empresa, vol. 16(1), pp. 11-28.
Curtis, C.C. y Ellis, L.W. (1998) Satisfy customers while speeding R&D and staying profitable. Research Technology Management, sept-oct, 23-27.
De la Poza, J.; Martínez, R. y Vallejo, M.C. (2003): “Encuestas por correo en administración de empresas: análisis de los índices de respuesta”. Metodología de Encuestas, vol 5(1), pp. 77-90.
Del Monte A. y Papagni, E. (2003): “R&D and the growth of firms: empirical analysis of a panel of Italian firms”. Research Policy, vol. 32, pp. 1003–1014.
Del Monte, A. y Papagni,E. (2003) R&D and the growth of firms: empirical analysis of a panel of Italian firms. Research Policy, 32, 1003-1014.
Demirag, I.S. (1998) Corporate Governance, Accountability, and Pressures to Perform : An international Study. Studies in Managerial and Financial Accounting, vol. 8. JAI Press Inc., London.
Di Benedetto, C.A. (1999) Identifying the key success factors in new product launch. Journal of product innovation management, 16, 530-544.
Dowdell, T.D. y Press, E. (2004) The impact of SEC Scrutiny on Financial Statement Reporting of In-process research and development expense. Journal of Accounting and Public Policy, 23 (3), 227-244.
Dunegan, K.J.; Tierney, P. y Duchon, D. (1992) Perceptions of an innovate climate: examining the role of divisional affiliation, work group interaction and leader/subordinate exchange. IEEE Transactions on Engineering Management, 39 (3), 227-236.
EIRMA (2004): Assessing R&D effectiveness. WG62 Report. Working group reports. European Industrial Research Management Association. Paris.
Ellis, L. (1997): Evaluation of R&D processes: Effectiveness trough measurements. Ed. Artech House. Boston. London.
Erickson, T (1993): “Management the link to corporate strategy”. Management Review, vol. 82(12), pp. 10-18.
Ernst, H. (2001) Patent applications and subsequent changes on performance: evidence from time-series cross-section analyses on the firm level. Research Policy, 30, 143-157.
European Foundation for Quality Management (2003)Modelo EFQM de Excelencia. Versión para Grandes Empresas y Unidades de Negocio u Operativas. Club de Gestión de Calidad.
European Industrial Research Management Association (1995) Effective Collaborative R&D. Report of EIRMA Workshop VI. Paris. http://www.eirma.asso.fr. (10 June, 2005).
European Industrial Research Management Association (1997) Outsourcing R&D. http:// www.eirma.asso.fr. (10 June, 2005).
Falguni, S. y Rubenstein, A.H. (1989) External technology and in-house R&D´s facilitative role. Journal of product innovation management, 6, 123-138.
Falk, R.F.; Miller; N.B. (1992): A Primer for Soft Modeling. Akron, Ohio: The University
Fleming, J. S.(2003): “Computing measures of simplicity of fit for loadings in factor-analytically derived scales”. Behaviour Research Methods, Instruments, & Computers, vol. 34 (4), pp. 520–524.
Flynn, B.B.; Schroeder, R.G. y Sakakibara, S. (1994) A Framework for quality management research and an associated measurement instrument. Journal of Operations Research, 1, (4), 339-366.
Fornell, C. y Larcker, D.F. (1981): “Evaluating Structural Equation Models with it Unobservable Variables and Measurement Error”, Journal of Marketing Research, 18, pp. 39-50.
Galende Del Canto, J. y Suárez González, I. (1998) Los Factores Determinantes de las Inversiones Empresariales en I+D. Economía Industrial, 319, 63-76.
García, T. y Mulero, E. (2005): “Content validation of a measure of R&D effectiveness”. R & D Management. Vol. 35(3); p. 311-
Gassmann, O. y Vonzedtwitz, M. (1999) New concepts and trends in international R&D organization. Research Policy, 28, 231-250.
Geisler, E. y Rubenstein, A. (1987) The Succesful Implementation of Application Software in New Production Systems. Interfaces, 7 (3), 18-25.
Gemser, G. y Leenders, M.A.A.M. (2001) How integrating industrial design in the product development process impacts on company performance. The Journal of Product Innovation Management, 18, 28-38.
George, D. y Mallery, P. (1995): SPSS/PC+ step by step: a simple guide and reference, Wadsworth Publishing Company, New York.
Gómez-Mejia, L.R. y Balkin, D.B. (1989) Effectiveness of individual and aggregate compensation strategies”. Industrial Relations, 28 (3), 431-445.
Grabowski, H. y Mueller, D. (1978): Industrial research and development, intangible capital stocks, and firm profit rates. Bell Journal of Economics vol. 9 (2), pp. 328–343.
Griffin, A. (1997): PDMA research on new product development practices: updating trends and benchmarking best practices. Journal of product Innovation Management, 14(6), pp.429-459.
Griffin, A. y Page, A.L. (1996): “PDMA success measurement Project: recommended measures for product development success and failure”. Journal of Product Innovation Management, vol. 13, pp. 478-496.
Gupta, A.; Raj,S.P. y Wilemon, D. (1987) Managing the R&D-Marketing interface. Research Management, 30 (2), 38-43.
Gupta, A.K. y Wilemon, D. L. (1996): “Changing patterns in industrial R&D management”. Journal of product innovation management, vol.13, pp. 497-511.
Haanes, K. y Lowendahl, B. (1997) The Unit of Activity: Towards an Alternative to the Theories of the Firm. Strategy, Structure and Style. Edts. Thomas, H. Et al. John Wiley and Sons Ltd.
Hagedoorn, J. y Cloodt, M. (2003) Measuring innovative Performance: Is there and Advantage in using multiple Indicators? Research Policy, 32(8), 1365-1379.
Hair, J.; Anderson, R.; Tatham, R. y Black, W. (2004): Análisis Multivariante. Ed. Prentice Hall Internacional. Madrid.
Hair, J.; Anderson, R.; Tatham, R. Y Black, W. (2004): Análisis Multivariante. Ed. Prentice Hall Internacional. Madrid.
Hall, B. (1987) The relationship between firm size and firm growth in the US Manufacturing sector. Journal of Industrial Economics, 35, 583-606.
Halliday, R.G.; Drasdo, A.L.; Lumley, C.E. y Walker, S.R. (1997) The allocation of resources for R&D in the world´s leading pharmaceutical companies. R&D Management, 27(1), 63-77
Halls, R. (1992) The Strategic Analysis of Intangible Resources. Strategic Management Journal, 12 (2), 135-144.
Harabi, N. (1995): “Appropiability of technical innovations an empirical analysis”. Research Policy, nº24, pp.981-992.
Hauser, J.R., and Zettelmeyer, F. (1997):”Metrics for R, D&E”. Research Technology Management, July-August, pp. 32-38.
Heidenberger, K.; Schillinger, A. y Stummer, C. (2003) Budgeting for research and development: a dynamic financial simulation approach. Socio-economic planning sciences, 37, 15-27.
Henri, F. (2006) Management control systems and strategy: A resource-based perspective. Accounting, Organization and Society, 31 (6), 529-558.
Hirons, E.; Simon, A. y Simon, C. (1998) External customer satisfaction as a performance measure of the management of the research and development department. International Journal of Quality and Reliability Management, 15 (8/9), 969-987.
Hirst, G. y Mann, L. (2004) A model of R&D leadership and team communication: The relationship with project performance. R&D Management, 34 (2), 147-160.
Holger, E. (2001) Patent applications and subsequent changes of performance: evidence from time-series cross-section analyses of the firm level. Research Policy, 30, 143-157.
House, C.H. y Price, R.L. (1991): “The return map: tracking products teams”. Harvard Business Review, January-February, pp. 92-100.
Hoyt, J. y Gerloff, E.A. (2000) Organizational environment, changing economic conditions, and the effective supervision of technical personnel: a management challenge. The journal of high technology management research, 10 (2), 275-293.
Iansiti, M. (1997) From technological potential to product performance: an empirical analysis. Research policy, 26, 345-365
INE (2004, 2002) Encuesta sobre innovación tecnológica de las empresas”. Madrid.
Instituto Nacional De Estadística (1999) Encuesta sobre innovación tecnológica en las empresas. INE, Madrid.
Kahn, K. y Mcdonough, E.F. (1997) An empirical study of the relationships among co-location, integration, performance and satisfaction. Journal of product innovation management, 14, 161-178.
Kaiser, H.F. (1965): “Psychometric approaches to factor analysis”. Proceedings, ETS, Invitational Conference on Testing, 1964. Princeton, N.J.: Educational Testing Service.
Kaiser, H.F. (1970): “A second generation Little Jiffy”. Psychometrika, vol.35, pp. 401-413.
Kaplan, R.S. and Norton, D.P (1996): Using the balanced scorecard as a strategic management system. Harvard Business Review, V74 Jan-Feb.
Kerssens-van Drongelen, I. C. (1999): Systematic design of R&D performance measurement systems. Thesis University of Twente. The Netherlands.
Kerssens-van Drongelen, I. C.; Nixon, B. y Pearson, A. (2000): “Performance measurement in industrial R&D”. International Journal of Managements Reviews, vol. 2 (2), pp. 111-143.
Lee, M.; Son, B. and Lee, H. (1996): Measuring R&D Effectiveness in Korean Companies. Research Technology Management, nov-dec., vol. 39 (6), pp. 28-32.
Leenders, M. y Wierenga, B. (2002) The effectiveness of different mechanisms for integrating marketing and R&D. The Journal of Product Innovation Management, 19, 305-317.
Leonard, W. (1971): “Research and development in industrial growth”. Journal of Political Economy, vol. 79(2), pp. 232–256.
Levin, R.; Klevorick, A.; Nelson, R y Winter, S. (1987): “Appropriating the returns from industrial research and development”. Brookings Papers on Economic Activity, núm 3.
Lévy, J.P. y Varela, J (2006): Modelización con estructuras de covarianzas en Ciencias Sociales. Ed. Netbiblo. España.
Lin, C.; Bertram, T. y Chang, S. (2002) The critical factors for technology absorptive capacity. Industrial Management and Data Systems,102(6), 300-308.
Maltz, E.; Souder, W. y Kumar, A. (2001) Influencing R&D/Marketing Integration and the use of market information by R&D managers: Intended and Unintended Effects of managerial actions. Journal of Business Research, 52, 69-82.
Mansfield, E. (1965): “Rates of return from industrial research and development”. American Economic Review, May, pp. 310–322.
Martinez, A. y Perez, M. (2004): “Early Warning Signals For R&D Projects: An Empirical Study”. Project Management Journal. vol. 35(1), pp. 11- 24.
Minasian, J. (1969): “Research and development, production functions, and rates of return”. American Economic Review, May, pp. 80–86.
Ministerio de Industria y Energía (1991) Encuesta sobre estrategias empresariales (ESEE) (Madrid: Ministerio de Industria y Energía).
Ministerio de Industria y Energía (1994) Encuesta sobre estrategias empresariales (Madrid: Ministerio de Industria y Energía).
Molleman, E. y Timmerman, H. (2003): “Performance management when innovation and learning become critical performance indicators” Personnel Review, 32, in press.
Morbey, G.K. (1988) R&D: Its relationship to company performance. Journal of product innovation management, 5, 191-200.
Morbey, G.K. y Reithner, R.M. (1990) How R&D affects sales growth, productivity and profitability. Research Technology Management, may-june, 11-14.
Morrison, C.J. y Donald, S. (1996) Scale and Agregation effects in US Manufacturing: Evidence on returns to capital. The Canadian Journal of Economics, 29 (2), 570-596.
Muhlemeyer, P. (1992) R&D-personnel management by incentive management: results of empirical survey in research & development. Personnel Review, 21(4), 27-36.
Myers, R. (1996) Getting a Grip on Intangibles. CFO, September, 49-54.
Nunnally, J. y Berstein, I. (1995): Teoría psicométrica. México: McGraw-Hill.
Nunnally, J.C. (1978): Psychometric Theory . Ed. McGraw-Hill. New York.
OCDE (1991) OCDE Proposed Guidelines for Collecting and Interpreting Technological Innovation Data (Oslo Manual), DSTI/STII/IND/STO (91)3, París.
OCDE (1994) Main definitions and conventions for the measurement of research and experimental development. A summary of the Frascati manual 1993. OCDE/GD(94)84, París.
Odagiri, H. (1983) R&D expenditures, royalty payments, and sales growth in Japanese manufacturing corporations. The Journal of Industrial Economics, 32, 61-71.
Odagiri, H. y Iwata, H. (1986) The impact of R&D on productivity increase in Japanese manufacturing companies. Research Policy, 15, 13-19.
Ojanen, V. y Vuola, O. (2006): “Coping with the multiple dimensions of R&D performance analysis”. International Journal of Technology Management. Vol. 33 (2/3), pp. 279-290.
Omta, S.W.F. y Van Engelen, J.M.L. (1998) Preparing the 21st century. Research Technology Management, 41 (1), 31-34.
Omta, S.W.F.; Bouter, L.M. y Van Engelen, J.M. (1994) Managing industrial pharmaceutical R&D. A comparative study of management control and innovative effectiveness in European and Anglo-American companies. R&D Management, 24 (4), 303-315.
Omta, S.W.F.; Bouter, L.M. y Van Engelen, J.M. (1997) Management control of biomedical research and pharmaceutical innovation. Technovation, 17 (4), 167-179.
Omta, S.W.F.y Van Engelen, J.M. (1998) Preparing for the 21st Century. Journal of product innovation management, January-february,31-35.
Patell, P. y Pavitt, K. (1995) Patterns of technological activity: their measurement and interpretation. In Stoneman, P. (Ed.): Handbook of the economics of innovation and technological change (Oxford: Blackwell Publishers).
Patterson, M.L. (1998) From experience: linking product innovation to business growth. Journal of Product Innovation Management, 15, 390-402.
Pérez-Escolano, I. y París, G. (2004) Industry response to the Spanish governmental Plan for the promotion of R&D within the pharmaceutical industry. Science and Public Policy,31(4), 301-312.
Peterson, R.A. (1994): “A meta-analysis of Cronbach´s alpha”. Journal of Consumer Research, vol. 21, nº 2, pp. 381-391.
Petrash, G. (1998): Generating and Levering Intellectual Assets for Greater Value. Paper presented at the Motorola Knowledge Collaboration Symposium 1 in Schaumberg. February.
Presley, A. y Liles, D. (2000): R&D validation planning: a methodology to link technical validations to benefits measurement. R&D management, 30 (1), 55-65.
Quinn, J.B. y Mueller, J.A. (1963) Transferring research results to operations. Harvard business research, 69 (1), 49-66.
Randle, K. (1997) Rewarding failure: operating a performance-related pay system in pharmaceutical research. Personnel Review, 26(3), 187-200.
Roberts, S. (1999): “In defense of the survey method: An illustration from a study of user information satisfaction”. Accounting and Finance, vol. 39, pp. 53-77.
Roos, R. y Roos, J. (1997) Measuring your Company’s Intellectual Performance. Long Range Planning, 30 (3), 413-426.
Rothwell, R.(1977) The characteristics of successful innovators and technically progressive firms. R&D Management, 3, 191-206.
Rubenstein, A.H. y Geisler, Z. (1991) Evaluating the outputs and impacts of R&D/Innovation. International Journal of Technology Management, 191-204.
Rueda, A.; Aragón, J. y Martín, I. (2006): “La medición de las capacidades organizacionales de la empresa: validación de un instrumento de medida de la gestión medioambiental proactiva”. Revista Española de Financiación y Contabilidad, Vol.XXXV, nº 130, pp. 563-582.
Sakakibara, S.; Flynn, B.B. y Schroeder, R.G. (1993) A framework and measurement instrument for just-in-time manufacturing. Production and Operations Management, 2 (3), 177-194.
Sánchez, M y Sarabia, F.J. (1999): “Validez y Fiabilidad de escalas”, en Sarabia, F.J. (Coord.): Metodología para la investigación en marketing y dirección de empresas. Ed. Pirámide. Madrid.
Saraph, J.V.; Benson, P.G. y Schroeder, R.G. (1989) An instrument for measuring the critical factors of quality management. Decision Sciences, 20, 810-829.
Schumaker, R.E. y Lomas, R.G. (1996) A beginner´s Guide to Sturctural Equation Modeling. Lawrence Eirbaum Associates Publisher. Mahwah, New Jersey.
Schumann, P; Ransley, D. y Prestwood, D. (1995): “Measuring R&D performance”. Research Technology Management; Vol. 38(3), pp. 45-54.
Sherman, J.D.; Souder, W.E. y Jenssen, S.A. (2000) Differential effects of the primary forms of cross functional integration on product development cycle time. The Journal of Product Innovation Management, 17, 257-267.
Shoening, N.; Souder, W.E.; Lee, J. y Cooper, R. (1998) The Influence of Government Science and Technology policies on new product development in the USA, UK, South Korea and Taiwan. International Journal of Technology Management, 15 (8), 821-836.
Slater, S. (1995): “Issues in conducting marketing strategy research”. Journal of Strategic Marketing, vol. 3 (4), pp. 257-270
Small, M.H. y Yasin, M.M. (1997) Advanced manufacturing technology: Implementation policy and performance. Journal of Operations Management, 15, 349-370.
Sougiannis, T. (1994): “The accounting based valuation of corporate R&D”. The Accounting Review, vol. 69(1), pp. 44–68.
Souitaris, V. (2002) Firm-specific competencies determining technological innovation: a survey in Greece. R&D Management, 32(1), 61-77.
Spencer, W. y Triant, D. (1989) “Strengthening the Link between R&D and Corporate Strategy”. The Journal of Business Strategy, vol. 10 (1), pp. 38-41.
Steele, L.W. (1988) Evaluating the technical operation. Research Management, Sep-Oct, 11-18.
Stevens, J. (1996): Applied Multivariate Statistics for the Social Sciences. Lawrence Erlbaum Publishers, Mahwah, NJ.
Stojilkovic, M. (1998) Measuring and Reporting Intangibles in a Management Control. Master Thesis. Stockholm University.
Szakonyi, R. (1994) Measuring R&D effectiveness. Research Technology Management, 37 (2), 27-33.
The Conference Board (1997) Communicating Corporate Performance: A Delicate Balance. Special Report 97-1. New York.
Tipping, J.W.; Zeffren, E y Fusteld, A. (1995) Assessing the value of your technology. Research Technology Management, 38 (5), 22-31.
Tipping, J.W.; Zeffren, E y Fusteld, A.(1995): “Assessing the value of your technology”. Research Technology Management, vol. 38(5), pp.22-31.
Tracey, M.; Vonderembse, M. y LIM, J.S. (1999) Manufacturing Technology and Strategy Formulation: Keys to Enhancing Competitiveness and Improving Performance. Journal of Operations Management 17, 411-428.
Urraca Ruiz, A. (1998) I+D y Recursos Alternativos a la Innovación en la Industria Española. Economía Industrial, 319, 91-104.
Valle Alvarez, S. (2002): “Factores de éxito en el desarrollo de nuevos productos en las empresas industriales españolas”. Economía Industrial, nº347, pp. 173-184.
Veugelers, R. (1997) Internal R&D expenditures and external technology sourcing. Research Policy, 26, 303-315.
Veugelers, R. y Cassiman, B. (1999) Make and buy in innovation strategies: evidence from Belgian manufacturing firms, Research Policy, 28, 63-80.
Wakelin, K. (2001) Productivity growth and R&D expenditure in UK manufacturing firms. Research Policy, 30, 1079-1090.
Ward, P.T.; Leong, G.K. y Boyer, K.K. (1994) Manufacturing proactiveness and performance. Decision Science, 25 (3), 337-358.
Werner, B.M. y Souder, W.E. (1997) Measuring R&D performance—State of the art. Research Technology Management, 40 (2), 34-43.
Werts, C.E.; Linn, R.L.; Jöreskog, K.G. (1974): “Interclass Reliability Estimates: Testing Structural Assumptions”, Educational and Psychological Measurement, 34: 25-33.
West, J. y Iansiti, M. (2002) Experience, Experimentation and the accumulation of Knowledge: The evolution of R&D in the semiconductor Industry. Research Policy, 32, 809-825.
Whiteley, R.; Parish, T.; Dressler, R. y Nicholson, G. (1998): “Evaluating R&D Performance Using the New Sales Ratio”. Research Technology Management, September-October, pp. 20-22.
Wold, H. (1979): Model Construction and Evaluation when Theoretical Knowledge Is Scarce: An Example of the Use of Partial Least Squares. Cahiers du Département D´Économétrie. Genève: Faculté des Sciences Économiques et Sociales, Université de Genève.
Young S.M.(1996): “Survey Research in Management Accounting: A Critical Assessment”. In Richardson, A,.J. (ed.). Research Methods in Accounting, pp. 55-68.
Young, S.M. (1997) Implementing management innovations successfully: Principles for lasting change. Journal of Cost Management, 11, 16-20.
Top Related