A PROXIMIDADE GEOGRÁFICA E A PRODUTIVIDADE

A Proximidade geográfica e a productividad
A PROXIMIDADE GEOGRÁFICA E A PRODUTIVIDADE
Orlando Petiz Pereira e Isabel M. Correia
Universidade do Minho
RESUMEN
O conhecimento assume um papel estratégico no desempenho das empresas, a
ponto do conhecimento tácito ser valorizado e as habilidades e competências das
pessoas serem consideradas como factores de excelência para o incremento da
produtividade. Contudo, o conhecimento, com especial incidência para o codificado,
apresenta elementos comuns aos bens públicos. Por tal facto, o papel dos spillovers do
conhecimento, intra e inter empresas e entre as empresas e Universidades, pode
assumir-se como um canal de transmissão do conhecimento e constituirá a estrutura
para os processos da inovação.
Recentemente, questiona-se o papel das Universidades neste processo, e admitese que a dimensão dos spillovers possa ser ainda mais importante. Como a estrutura da
indústria transformadora portuguesa é caracterizada pelo predomínio de empresas de
pequena e média dimensão, ganha sentido explorar e quantificar o papel que as
Universidades podem desempenhar no processo de produção e disseminação do
conhecimento. A existirem os spillovers do conhecimento da Universidade para a
empresa e para o espaço local, a proximidade geográfica das diferentes unidades
económicas é um factor relevante para o desempenho das empresas.
XIII Jornadas de ASEPUMA
1
Petiz e Correia
1.INTRODUÇÃO
Foi nosso propósito averiguar a influência das universidades sobre o
desempenho empresarial. Para tal usámos a produtividade como indicador, medida pelo
valor acrescentado bruto (VAB) por trabalhador. Utilizámos uma amostra de 362
empresas da indústria transformadora a partir de dados não publicados e
disponibilizados pelo IF4 (Processamento de informações, Ldª), relativas às maiores
1500 PME´S de 2003 em Portugal.
A base de dados relativa às empresas foi complementada com informação
relativa à distância entre as empresas e a universidade mais próxima. Nesta análise
apenas foram consideradas as 11 universidades do ensino superior público localizadas
no continente.
Além da variável distância, foram contempladas também a dinâmica de
investigação de cada uma das universidades, avaliadas a partir da informação da FCT
relativas ao número de núcleos de investigação financiada. A diferença entre
conhecimento tácito (normalmente associada às ciências sociais) e conhecimento
codificado (normalmente associado às ciências naturais), foram também consideradas,
tendo-se construído uma ordenação entre as diferentes universidades, relativamente a
cada um dos domínios de conhecimento. Neste caso, o número mais alto está associado
a um melhor desempenho da universidade.
2.A PROXIMIDADE GEOGRÁFICA E A PRODUTIVIDADE
Assume-se, em termos tradicionais, que a proximidade física entre os agentes
económicos aumenta, de forma considerável, a probabilidade de se implementarem
formas de colaboração. Estas podem passar pela partilha de recursos informáticos ou
bases de dados, pela interacção entre colegas, pela troca de estudantes e licenciados,
entre outras. Também pode ser entendida como um importante mecanismo para a
transmissão de conhecimentos (ver Audretsch e Lehmann, 2005: 2; Moomaw, 1983;
Gerking, 1994. Enquanto alguns autores têm encontrado evidência de uma relação
positiva e significativa entre as economias de urbanização e a produtividade do trabalho
(por exemplo, Louri, 1988; Nakamura, 1985; Sveikauskas et al., 1988), outros
enfatizam o papel das externalidades associadas à localização (Calem e Carlino, 1991;
Hanson, 1996; Henderson et al., 1995).
2
XIII Jornadas de ASEPUMA
A Proximidade geográfica e a productividad
Vários trabalhos empíricos têm apontado para um enfraquecimento das
economias de aglomeração para a indústria transformadora, principalmente as que
resultam da dimensão da cidade (Astrakianaki, 1995; Beeson, 1990; Carlino, 1990).
Outros autores preferem explicar esta mesma tendência para a dispersão da indústria
como o resultado da sua alteração na organização espacial, a qual permite a exploração
das economias de aglomeração, evitando os custos associados a uma localização urbana
(Hansen, 1990; Hanson, 1996b).
Esta interpretação levanta a questão de saber se as economias de aglomeração e,
em especial, os efeitos da urbanização, podem ser explorados à distância. A literatura
parece ser inconclusiva relativamente à questão. De facto, parece evidente que os seus
resultados também dependem da sua natureza, força e existência (Graham, 2000), pelo
que podem diferir, radicalmente, em função dos contextos das análises.
A importância da proximidade geográfica depende do tipo de conhecimento
(Audretsch e Lehmann, 2005). Os trabalhos empíricos têm revelado que a proximidade
geográfica é mais relevante no caso do conhecimento tácito e menos importante no caso
do conhecimento codificado. Os trabalhos empíricos que versam o efeito da
proximidade geográfica e os spillovers das universidades, é mais escassa e evidencia os
efeitos dos spillovers do conhecimento sobre a performance das empresas. Várias são as
formas de medir essa performance. Assim, Harloff (2000) considera a redução dos
custos de I&D para as empresas; Grilliches (1979) usou funções hedónicas de preços
para analisar se a qualidade dos produtos aumenta em resultado dos spillovers; Nadiri
(1997) analisou o efeito dos spillovers na produtividade das empresas. No entanto, se a
proximidade geográfica e o acesso a spillovers tecnológicos possibilitam um melhor
desempenho às empresas, outras questões continuam a permanecer em aberto e que
influenciam o desempenho empresarial.
Apesar do desenvolvimento das tecnologias de comunicação, aparentemente,
tornar cada vez menos relevante as questões da localização – ou o factor proximidade –
a verdade é que a observação empírica demonstra que as actividades intensivas em
informação continuam a estar concentradas em termos espaciais (Guillain, 2001). Neste
sentido, a localidade geográfica poderá ser uma variável com poder explicativo sobre os
níveis de output, a par do conhecimento. Outra variável com poder explicativo do
output é a especificidade do conhecimento, já que o codificado se difunde com maior
velocidade do que o tácito (ver Keep et al: 2002; Jaffe, 1981), motivo pelo qual
XIII Jornadas de ASEPUMA
3
Petiz e Correia
Audretsch e Lehmann (2005) e Audretsch e Thurik (2001) consideram que o
conhecimento tácito necessita de oralidade e de comunicação. Nesta perspectiva, o
conhecimento tácito é um elemento pivô na dinamização do desempenho económico e
influencia a produtividade por duas vias: influencia directamente o output por hora de
trabalho e, por outro lado, influencia a taxa de inovação através da absorção no
desenvolvimento das novas tecnologias.
3. ANÁLISE EMPÍRICA
3.1. Variáveis e metodologia
Para testar a hipótese de que a produtividade empresarial é influenciada pela sua
proximidade geográfica às universidades, usámos a base de dados da IF4, relativa às
1500 maiores PME´S, considerando apenas o sector transformador. Tomámos como
variável dependente a produtividade, designada por PROD, medida pelo quociente entre
o valor acrescentado bruto (VAB) e o número de trabalhadores. Como variáveis
independentes considerámos as seguintes:
•
DIST (distância entre a empresa e a Universidade mais próxima, medida em
quilómetros);
•
SIZE (que representa o número de trabalhadores da empresa);
•
AGE (que representa a idade das empresas);
•
K (dummy: representa o tipo de capital social. Assumirá o valor 0 se o capital
social for nacional, e o valor 1 se aquele tiver a participação de capital não
nacional).
•
SCI (representa o ranking das universidades de acordo com a dinâmica de
investigação no domínio das ciências naturais)
•
SSCI (representa o ranking das universidades de acordo com a dinâmica de
investigação no domínio das ciências sociais);
•
CAE (representa as diferentes classificações económicas das empresas)
Seguindo a metodologia utilizada por Audretsch e Lehmann (2005), foram
estimados três modelos. O Modelo I para testar a hipótese de que o desempenho das
empresas é influenciado pela proximidade à universidade.
PROD = const. + β1AGE + β2SIZE + β3DIST + β4Kdummies +
+ β5-58 CAEdummies + ε
4
XIII Jornadas de ASEPUMA
A Proximidade geográfica e a productividad
O Modelo II para testar a hipótese de que através do factor proximidade, o
desempenho possa ser afectado pela dinâmica de investigação exibida pelas
universidades. Este modelo inclui as variáveis SCI e SSCI que pretendem explorar a
diferença entre conhecimento tácito e conhecimento codificado.
PROD = const. + β1AGE + β2SIZE + β3DIST + β4Kdummies + B5SCI +β6
SSCI + β7-60 CAE dummies + ε
Finalmente, O Modelo III tem como objectivo testar a hipótese de que os
factores proximidade e excelência da universidade, por si só, não influenciam
significativamente o desempenho das empresas. Este efeito depende dos efeitos
considerados destes 2 factores, que pretendem ser captados pelas variáveis DRANKSCI
(que é igual a DIST*SCI) e DRANKSSCI (que é igual a DIST*SSCI).
PROD = const. + β1AGE + β2SIZE + β3DIST + β4Kdummies + B5SCI +β6SSCI
+ β7-60CAE dummies + β61DIST*SCI + β62DIST*SSCI + ε
3.2. Estatísticas e resultados
A correlação entre as variáveis é fraca, pelo que o grau de associação entre as
variáveis contempladas é pobre (ver anexo A)
Os coeficientes da variável AGE têm sinal negativo, pelo que a produtividade da
empresa aparenta ser influenciada negativamente pela sua longevidade. O valor
estatístico t é inferior a dois, em valor absoluto, o quer o torna num estimador impreciso
e o seu nível de significância é superior a 0,01. Assim, esta variável não exerce
influência significativa na explicação da produtividade, ou seja, a AGE não explica o
comportamento da PROD com os dados de que dispomos.
Quanto à variável SIZE, o coeficiente é, igualmente, de sinal negativo, o que
significa que o tamanho da empresa influencia negativamente a produtividade. Contudo,
o valor estatístico t, é superior a dois, em valor absoluto. Logo trata-se de um estimador
preciso. Como o seu nível de significância é 0,00, a probabilidade de que o estimador de
SIZE seja zero é nula. Assim, SIZE é uma variável que exerce influência significativa
na hora de explicar o comportamento da produtividade (PROD), ou seja, a
produtividade depende do número de trabalhadores da empresa.
A variável DIS, através das duas primeiras regressões, causa-nos alguma
estranheza, devido aos seus coeficientes positivos e significativos. O seu valor
estatístico t situa-se à direita de dois, mas está na sua vizinhança, o que deixa
transparecer alguma precisão do estimador. Contudo, o seu nível de significância, para
XIII Jornadas de ASEPUMA
5
Petiz e Correia
as últimas regressões, é significativo. Assim, DIS é uma variável que exerce alguma
influência significativa para explicar a produtividade.
O coeficiente da variável K (capital) é alto e positivo, o que quererá dizer que as
empresas cujo capital social tem participação de capitais estrangeiros são mais
produtivas do que as de capitais totalmente nacionais. Contudo, o valor do t estatístico e
o seu nível de significância dizem-nos que se trata de uma variável pouco significativa
na explicação da produtividade.
Ao introduzirmos a classificação económica das empresas, verificamos que elas
também têm impacto positivo na produtividade, o que nos parece razoável, porque uma
grande parte das empresas é mais de mão-de-obra intensiva, e não de capital intensivo.
Contudo, à semelhança do que acontecer com a variável K, o valor do t estatístico e o
seu nível de significância dizem-nos que se trata de uma variável pouco significativa na
explicação da produtividade.
Ao incluir o ranking das universidades, divididas em ciências naturais e em
ciências sociais, para analisar o tipo de efeito sobre a produtividade, verificámos,
através dos coeficientes, que as ciências naturais apresentam uma influência negativa e
que as ciências sociais apresentam uma influência positiva. Contudo, ao analisarmos o
valor do t estatístico e o seu nível de significância, os valores dizem-nos que estas
variáveis não exercem influência significativa na explicação da produtividade, dentro
dos dados disponíveis.
4.CONCLUSÃO
De uma forma global, somos conduzidos a pensar que o esforço da investigação
não está a dar frutos no seu mercado a jusante. Contudo, os resultados terão que ser
lidos com cautela e prudência, evitando-se algumas leituras que poderão ser
precipitadas. Ficamos com a sensação de que a proximidade da universidade à empresa
não produz os resultados que seriam de esperar. Parece-nos que o tipo de investigação
nas universidades não está a ser decisivo no dinamismo das empresas, medido através
dos efeitos sobre a sua produtividade. Isto faz-nos reflectir sobre os objectivos da
investigação universitária e sobre as políticas de orientação, motivação, regulação, entre
outras, dos empresários e da capacidade empreendedora, nomeadamente local.
6
XIII Jornadas de ASEPUMA
A Proximidade geográfica e a productividad
REFERENCIAS BIBLIOGRÁFICAS
•
Astrakianaki, M. (1995). “Intra-metropolitan variation of selected manufacturing and
business service sectors: what can we learn from Los Angels?”, Urban Studies, 32, pp.
1081-1096.
•
Audretsch, D. ( 2002). Entrepreneurship: A Survey of the Literature. Centre for
Economic Policy Research. Paper prepared for the European Commission, Enterprise
Directorate General, pp. 1-70.
•
Audretsch, D. e Keilbach, M.
(2004). Entrepreneurship Capital and Economic
Growth. CEPR- Centre for Economic Policy Research and ZEW- Centre for European
Economic Research, Mannheim.
•
Audretsch, D. e Lehmann, E. (2005). Do Locational Spillovers Pay? Empirical
Evidence from German IPO Data. Discussion Paper Series No. 4949, March, Centre for
Economic Policy Research, pp. 1-22.
•
Audretsch, D e Thurik, R. (2001), Linking Entrepreneurship to Growth. STI Working
Paper DSTI/DOC(2001)2.
•
Barnes, P. e Kennard, S. (2002). Skill and Australia´s Productivity Surge.
Productivity Commission Staff Research Paper, Canberra
•
Beeson, P. E. (1990). Sources of the decline in manufacturing in large metropolitan
areas, Journal of Urban Economics, 28, pp. 71-86.
•
Broadberry, S. e Ghosal, S. (2002). Technology, organisation and productivity
performance in services: Lessons from Britain and the United States, 1870-1990.
•
Carlino, G. A. (1990). Declining city productivity and the growth of rural regions: a
test of alternative explanations, Journal of Urban Economics, 18, pp. 11-27.
•
David, P. e Lopez, J. (2001). Knowledge, Capabilities and Human Capital Formation
in Economic Growth. Working Paper 01/13, June/2001, New Zealand Treasury.
•
de la Fuente, A. e Ciccone, A. (2002). Human Capital in a global and knowledgebased economy. Final Report, May 2002, Instituto de Análisis Económico (CSIC).
•
Dixon, Sylvia (2000). Pay Inequality between Men and Women in New Zealand.
Occasional Paper 2000/1, September, Labour Market Policy Group, Department of Labour.
•
Durbin, S. (2004), Workplace Skills, Technology Adoption and Firm Productivity: A
Review. Working Paper 04/16, New Zealand Treasury.
XIII Jornadas de ASEPUMA
7
Petiz e Correia
•
Forth, J. e Mason, G (2004). Information and Communication Technology (ICT)
Adoption and Utilisation, Skill Constraints and Firm-Level Performance: Evidence from
UK Benchmarking Surveys. National Institute of Economic and Social Research. London:
NIESR Discussion Paper nº 234, March.
•
Gerking, S. (1994). Measuring Productivity Growth in US Regions: a survey,
International Regional Science Review, 16, 155-186.
•
Graham, D. (2000). “Spatial variation in Labour Productivity in British
Manufacturing”, International Review of Applied Economics, 14 (3), pp. 323-341.
•
Griliches, Z. (1979). “Issues in Assessing the Contribution of R&D to Productivity
Growth”, Bell Journal of Economics, 10, pp. 92-116.
•
Guillain, Rachel (2001). “The Local Dimension of Information Spillovers: A Critical
Review of Empirical Evidence in the Case of Innovation”, vol. XXIV:1
•
Hansen, E. R. (1990). “Agglomeration economies and industrial decentralization: the
wage-productivity trade-off”, Journal of Urban Economics, 28, pp. 140-159
•
Hanson, G. H. (1996a). “Localization economies, vertical organization and trade”,
American Economic Review, 86, pp. 1266-1278.
•
Hanson, G. H. (1996b). “Agglomeration, dispersion and the pioneer firm”, Journal of
Urban Economics, 39, pp. 255-281.
•
Harloff, D. (2000). “R&D Spillovers, Technological Proximity, and Productivity
Growth – Evidence from German Panel Data”, Schmalenbach Business Review 52, pp. 238260.
•
Hebert, D. e Link, A. (1989). “In Search of the Meaning of Entrepreneurship.” Small
Business Economics, 1 (1), pp. 39-49.
•
Henderson, J. V., Kuncoro, A. and Turner, M. (1995). “Industrial development in
cities”, Journal of Political Economy, 103.
•
Keep, E., Mayhew, K., SKOPE and Mark Corney MC Consulting (2002). Review of
the evidence on the rate of return to employers of investment in training and employer
training measures. SKOPE Research Paper nº 34, Summer 2002.
•
Louri, H. (1988). “Urban growth and productivity: the case of Greece”, Urban
Studies, 25, pp. 433-438.
•
Moomaw, R.L. (1983). “Spatial Productivity Variations in Manufacturing: a critical
survey of cross sectional analysis”, International Regional Science Review, 8, pp. 1-22.
8
XIII Jornadas de ASEPUMA
A Proximidade geográfica e a productividad
ANEXO A
Correlations
SIZ
E
AGE
SSC
I
SCI
K
DIS
T
SIZ
E
AG
E
SSC
I
SCI
K
DIS
T
Pearson
Correlatio
n
1
,110
,009
,01
6
,00
1
-,143
Sig. (2tailed)
,
,036
,858
,76
6
,99
1
,007
N
362
362
362
362
362
362
Pearson
Correlatio
n
,110
1
,025
,02
9
,01
4
-,016
Sig. (2tailed)
,036
,
,641
,58
5
,79
0
,758
N
362
362
362
362
362
362
Pearson
Correlatio
n
,009
,025
1
,75
2
,16
7
-,201
Sig. (2tailed)
,858
,641
,
,00
0
,00
1
,000
N
362
362
362
362
362
362
Pearson
Correlatio
n
,016
,029
,752
1
,20
6
,048
Sig. (2tailed)
,766
,585
,000
,
,00
0
,358
N
362
362
362
362
362
362
Pearson
Correlatio
n
,001
,014
,167
,20
6
1
,025
Sig. (2tailed)
,991
,790
,001
,00
0
,
,631
N
362
362
362
362
362
362
Pearson
Correlatio
n
,143
,016
,201
,04
8
,02
5
1
Sig. (2tailed)
,007
,758
,000
,35
8
,63
1
,
N
362
362
362
362
362
362
* Correlation is significant at the 0.05 level (2-tailed).
** Correlation is significant at the 0.01 level (2-tailed).
ANEXO B1
Coefficients (Regressão I)
XIII Jornadas de ASEPUMA
9
Petiz e Correia
Standardize
d
Coefficient
s
Unstandardize
d Coefficients
Sig
.
8,87
5
,00
0
B
Std.
Erro
r
(Constan
t)
26,992
3,04
1
AGE
-6,255E-02
,043
-,072
1,44
8
,14
8
SIZE
-6,774E-02
,012
-,273
5,44
0
,00
0
DIST
8,368E-02
,031
,135
2,69
6
,00
7
K
6,157
3,23
6
,094
1,90
2
,05
8
NTILES
of CAE
,128
,064
,099
1,99
4
,04
7
Standardize
d
Coefficient
s
t
Sig
.
7,58
0
,00
0
Mod
el
1
t
Beta
a Dependent Variable: PROD
ANEXO B2
Coefficients (Regressão II)
Unstandardize
d Coefficients
B
Std.
Erro
r
(Constan
t)
28,908
3,81
3
AGE
-6,047E-02
,043
-,070
1,39
8
,16
3
SIZE
-6,778E-02
,012
-,273
5,43
9
,00
0
DIST
9,645E-02
,033
,155
2,89
0
,00
4
K
6,619
3,29
9
,102
2,00
6
,04
6
NTILES
of CAE
,144
,066
,111
2,19
3
,02
9
SCI
-,670
,515
-,105
1,30
2
,19
4
SSCI
,488
,519
,076
,941
,34
Mod
el
1
10
Beta
XIII Jornadas de ASEPUMA
A Proximidade geográfica e a productividad
8
a Dependent Variable: PROD
ANEXO B3
Coefficients (Regressão III)
Standardiz
ed
Coefficient
s
Unstandardiz
ed
Coefficients
Sig
.
8,39
2
,00
0
B
Std.
Erro
r
(Constant)
25,905
3,08
7
AGE
-6,427E-02
,043
-,074
1,48
9
,13
7
SIZE
-6,835E-02
,012
-,276
5,49
7
,00
0
DIST
,136
,065
,218
2,09
3
,03
7
K
5,915
3,26
3
,091
1,81
3
,07
1
NTILES of
CAE
,143
,065
,111
2,21
0
,02
8
DRANKS
CI
-1,503E-02
,008
-,241
1,86
0
,06
4
DSSCI
1,997E-02
,009
,186
2,16
4
,03
1
Mod
el
1
t
Beta
a Dependent Variable: PROD
ANEXO B4
Descriptive Statistics
N
Minimum
Maximum
Mean
Std.
Deviation
DIST
362
1
150
35,17
32,161
SCI
362
1
12
8,38
3,130
SSCI
362
1
9
5,56
3,110
SIZE
362
4
660
109,07
80,672
AGE
362
3
155
31,16
23,092
Valid N
(listwise)
362
XIII Jornadas de ASEPUMA
11