departament d’economÌa aplicada octorado ecerca...

DDEPARTAMENTEPARTAMENT D’E D’ECONOMÌACONOMÌA A APLICADAPLICADA

DDOCTORADOOCTORADO DEDE R RECERCAECERCA ENEN E ECONOMÍACONOMÍA A APLICADAPLICADA

MMEDICIÓNEDICIÓN DELDEL I IMPACTOMPACTO DEDE LASLAS I INICIATIVASNICIATIVAS DEDE S SOPORTEOPORTE AA

LOSLOS E EMPRENDEDORESMPRENDEDORES ENEN E ESPAÑASPAÑA: G: GASTOASTO P PÚBLICOÚBLICO VSVS..

IINICIATIVANICIATIVA P PRIVADARIVADA

TTRABAJORABAJO REALIZADOREALIZADO PORPOR::RROBERTOOBERTO D DOPESOOPESO F FERNÁNDEZERNÁNDEZ**

AASESORSESOR::JJOSÉOSÉ L LUISUIS R ROIGOIG S SABATÉABATÉ

BBARCELONAARCELONA, J, JUNIOUNIO DEDE 2014 2014

*El autor quiere agradecer el apoyo del Comisionado para Universidades e Investigación del DIUE de la Generalitat de

Cataluña y del Fondo Social Europeo mediante la inscripción en el proyecto ECO2009-10003 “Política Pública y Análisis

Económico” del Ministerio de Ciencia e Innovación y el proyecto SGR2009-600 “Grup de Recerca D’Economía y

Polítiques Públiques” de la Generalitat de Cataluña.

7

RRESUMENESUMEN

El objetivo de este capítulo es medir el impacto y efectividad de los apoyos privados externos que

reciben los emprendedores como pueden ser Business Angels, Sociedades de Capital Riesgo u otras

formas de Venture Capital. La estrategia de estimación se base en la desagregación regional a nivel

NUTS-II (Comunidad Autónoma), NUTS-III (Provincia) y NUTS-V (Municipio) para ver el impacto

que estas variables de apoyo a la creación y operación de las empresas tienen en diferentes ámbitos

geográficos. Los resultados principales muestran que este grupo de empresas tienen un impacto

positivo y significativo en la creación de empresas y el stock de empresas en los tres ámbitos

geográficos. Además también se obtienen resultados consistentes, para los tres ámbitos geográficos, de

el efecto positivo que tienen la presencia de este tipo de organizaciones de apoyo al emprendedor sobre

los Resultados Antes de Impuestos y el Capital de Fondos Propios de las empresas de la región en la

que se ubican. Por otro lado el apoyo gubernamental medido a través del gasto público y el stock de

instituciones financieras tradicionales (Bancos y Cajas de Ahorro) muestran efectos negativos sobre la

creación de nuevas empresas. Esto último pone de manifiesto una revisión de la políticas de fomento a

los emprendedores en vista de la eficiencia generada por las organizaciones privadas de apoyo, ya sea

para promover modelos de financiación similares o para promover su existencia por medio de

estímulos fiscales.

Clasificación JEL: J2, L0, R23.

Palabras Clave: Emprendedores, Organización Industrial, Economía Regional.

8

ÍÍNDICENDICE

1. Introducción. . . . . . . . . . . 10

2. Marco Teórico. . . . . . . . . . . 11

2.1. Visión general del Apoyo al Emprendedor. . . . . . 11

2.2. Políticas Públicas al Emprendedor en España. . . . . . 14

2.3. Revisión de la Literatura. . . . . . . . 16

3. Datos. . . . . . . . . . . . 22

3.1. Fuentes de Información. . . . . . . . . 22

3.2. Estadística Descriptiva. . . . . . . . . 25

4. Modelo. . . . . . . . . . . . 27

4.1. Modelo Teórico. . . . . . . . . . 27

4.2. Estimación Econométrica.. . . . . . . 28

5. Resultados. . . . . . . . . . . . 29

5.1. Resultados por Comunidad Autónoma. . . . . . . 29

5.2. Resultados Provinciales. . . . . . . . . 33

5.3. Resultados Municipales. . . . . . . . . 38

5.4. Análisis de Robustez. . . . . . . . . 44

6. Conclusiones. . . . . . . . . . . 49

7. Referencias. . . . . . . . . . . 50

Anexos. . . . . . . . . . . . 53

9

1. I1. INTRODUCCIÓNNTRODUCCIÓN

Estudios empíricos realizados principalmente a nivel país han constatado la relevancia del acceso al

financiamiento como una variable clave para el éxito de los emprendedores (OECD, 2012). De igual

forma artículos basados en modelos empírico de selección entre trabajar por cuenta propia o como

asalariado muestran que muchos de los agentes económicos no pueden independizarse debido a las

restricciones de liquidez, siendo la entrada siete veces menor (Van Pragg y Van Ophen, 1995).

Siendo el financiamiento una de las variables fundamentales para el desarrollo emprendedor, el

objetivo de este artículo es arrojar luz hacia formas alternativas de financiamiento para los

emprendedores, haciendo énfasis en organizaciones como los Business Angels o las Sociedades de

Capital Riesgo y medir su efecto en la dinámica empresarial española en diferentes ámbitos

geográficos. Al mismo tiempo se controlará el impacto de estas formas alternas de financiación con las

fuentes de financiación tradicionales (Bancos y Cajas de Ahorro) así como el impacto del gasto

gubernamental.

El estudio tomará datos de empresas españolas de la base de datos SABI para el período 1999-

2011. Por medio de estos datos se construirá la dinámica empresarial española a tres niveles de

agregación: Comunidades Autónomas (NUTS-II), Provincias (NUTS-III)y Municipios (NUTS-V). De

esta forma se medirá el impacto de las empresas de apoyo al emprendedor sobre la dinámica

empresarial tomando los nacimientos de empresas del sector 7022 (Otras actividades de consultoría de

gestión empresarial) como aproximación a la primera. La influencia de esta variable se contrastará con

el gasto del gobierno en la región y la presencia de locales de instituciones financieras formales

(Bancos, Cajas de Ahorro y Cooperativas de Crédito). Además se añaden otros controles de actividad

económica y capital humano.

El artículo pretende hacer una aportación a dos diferentes líneas de la investigación económica

como son el estudio de la localización de empresas y comprender la relevancia de la financiación en el

desarrollo económico. Con respecto a la primera se añaden variables novedosas al análisis de

localización, mientras que para la segunda se trata de medir el impacto de una forma de financiación

poco socorrida en España y Europa.

En el segundo capítulo se presentará una visión general del marco teórico acerca del apoyo al

emprendedor. En la tercera sección se presentarán las fuentes de datos así como las variables clave del

estudio. En el capítulo cuatro se presenta la estrategia de estimación. En la sección quinta se

presentarán los principales resultados. Finalmente el capítulo sexto presenta las conclusiones.

10

2. M2. MARCOARCO T TEÓRICOEÓRICO

En este capítulo se pretende dar una visión general de las necesidades que enfrenta el emprendedor y

los programas existentes para resolver estas necesidades. En la primera sección se abordará el tema de

forma genérica desde una perspectiva global, en el segundo se hace una pequeña referencia a los

programas existentes en España, y en la tercera sección se aborda la literatura empírica que sirve como

referencia para los resultados de este trabajo.

2.1. V2.1. VISIÓNISIÓN GENERALGENERAL DELDEL A APOYOPOYO ALAL E EMPRENDEDORMPRENDEDOR

En esta sección se presentará una visión general de la situación del emprendedor haciendo énfasis en

sus necesidades de financiación y los mecanismo existentes para resolver dichas necesidades.

La información acerca de la financiación de los emprendedores es escasa, sólo algunos países1

realizan periódicamente encuestas acerca de la situación de los emprendedores (OCDE, 2012). A pesar

de lo anterior, existen también encuestas a nivel nacional, desafortunadamente la heterogeneidad2 de

dichas encuestas hace que sea difícil poder realizar comparaciones internacionales. Por ello la mejor

estrategia para abordar el financiamiento emprendedor es a nivel nacional.

En el Gráfico 1 se puede ver la tasa de éxito según el tipo de financiamiento para las empresas

de 20 países europeos en el año 2010. Dichos datos se derivan de las Estadísticas de Estructura

Empresarial elaboradas por Eurostat, en específico, en el área temática Acceso al Financiamiento. El

eje horizontal muestra los países, mientras que en el eje vertical representa el éxito obtenido en cada

fuente de financiación con un valor máximo de 1,000 (que equivaldría a decir que en ese país las 10

fuentes de financiación dieron recursos al 100% de los solicitantes). Para simplificar la lectura se

presentan los países en orden ascendente. Se destaca este gráfico Finlandia que tiene un éxito por

encima del 75% en promedio en todas las fuentes de financiación, mientras que Suecia es el país que

presenta el peor resultado con menos de un 15% de éxito promedio. El caso de Finlandia es

especialmente relevante si tenemos en cuenta que la tasa de éxito de financiación proveniente de

Empleados o de Familiares y Amigos son 0% en cada caso, por lo que el éxito en obtener financiación

es superior al 90% en el resto de los apartados. La forma más probable de obtener financiación es

mediante los accionistas o Bancos, 79.5% y 52.9% de tasa de éxito promedio para todos los países

respectivamente. Por otro lado las formas menos probables de conseguir financiamiento son a través de

1 A nivel internacional sólo las encuestas de Eurostat, la Comisión Europea y el Banco Mundial son reconocidas por la OCDE

2 Los tópicos tratados, la clasificación de las PYMEs, la formulación de las preguntas

11

los Business Angels o Venture Capital, con tasas promedio de éxito de 13.3% y 19.6%

respectivamente. Este último punto es de especial relevancia ya que estas dos formas de generar

recursos son en esencia emprendedores cuya iniciativa es apoyar a otros emprendedores.

Desafortunadamente no tenemos más información para saber si las tasas de éxito tan bajas en estas

formas de financiación más innovadoras se deban el gran número de empresas que aplican o la falta de

recursos financieros de estas iniciativas privadas3.

3 De los 20 países que se presentan 11 de ellos tienen una tasa de éxito por financiación de Business Angels del 0% y en el caso Español sólo del 0.5% por lo que una escasez de este tipo de agentes también puede ser una de las causas.

12

Otro aspecto relevante del gráfico anterior es que se enfoca en fuentes de financiación privada,

dejando de lado la financiación pública. El sector público juega un papel fundamental en el desarrollo

emprendedor ya que puede ayudar a la generación de empresas ya sea mediante financiación directa,

indirecta (como por ejemplo otorgando créditos a empresas intermediarias) o de forma complementaria

mediante cursos, asesoría o recursos materiales.

A modo de ejemplo del punto anterior al Unión Europea posee actualmente cuatro mecanismos

activos para el apoyo a las empresas: préstamos, garantías, financiación de inversiones de capital riesgo

y otras formas de financiación por participación. A pesar de lo anterior el mecanismo funciona

mediante intermediarios financieros que son los que reciben los fondos de la Unión Europea y deciden

qué proyectos financiar. Dada la relevancia de estos intermediarios financieros es sumamente

importante conocer los alcances y la efectividad de los mismos para que el gasto público tenga el

mayor impacto en la generación de empresas. Además la fuente de estos fondos4 es administrada por

los países miembros que a su vez seleccionan los intermediarios financieros que administraran los

recursos. Determinar el presupuesto total que se dedica a la promoción empresarial es difícil ya que

este proviene de fuentes diversas, por lo que la mejor forma de evaluar la efectividad de estas políticas

es por medio del éxito en la selección de estos intermediarios

También es importante destacar que no todos los emprendedores tienen las mismas necesidades

de financiación o tipo de proyectos y que tampoco se mueven en el mismo entorno. La diferenciación

más clara que se puede hacer deriva de la clasificación del GEM entre emprendedores por necesidad y

por oportunidad. También el GEM hace una diferenciación entre economías por su grado de desarrollo

clasificándolas en tres grupos: basadas en factores, basadas en eficiencia y basadas en innovación. Así

los emprendedores por necesidad representan el 40% de las nuevas empresas; en las basadas en

eficiencia los emprendedores por necesidad sólo representan un 30%, mientras que en las basadas en

innovación sólo un 20%. Esto muestra una tendencia a la reducción de emprendedores por necesidad

una vez se especializa la economía. Es esta especialización de los emprendedores la que demanda

también una especialización en las fuentes de financiación.

Existe evidencia de que ciertos tipos de emprendedores tienen un impacto mucho mayor sobre

la creación de empleo, de riqueza y de la economía en general (Morris, 2011). Dichos emprendedores

representan una de cada 1,000 empresas dentro de la base de datos del GEM5 pero generan el 40% del

empleo reportado. Esto pone de manifiesto la necesidad de tener mecanismo de financiación que

4 Como es el caso del Fondo Europeo de Desarrollo Regional y el Fondo Social 5 Definidas como empresas que esperan un crecimiento igual o superior al 20% en el número de empleados

13

permiten explotar a su totalidad el potencial de estos negocios exitosos, en los que se pueden encontrar

empresas que se encarguen de la intermediación financiera como los Business Angels o los

administradores de Capital Riesgo.

2.2. P2.2. POLÍTICASOLÍTICAS P PÚBLICASÚBLICAS ALAL E EMPRENDEDORMPRENDEDOR ENEN E ESPAÑASPAÑA

En el caso de España tenemos diferentes programas de apoyo a la pequeña y mediana empresa. Aquí se

muestran los más relevantes mostrando sus objetivos, alcances y órganos de los cuales dependen:

Programas Europeos: Programas gestionados por la Unión Europea. Existen diversas

modalidades dependiendo de su función. El principal objetivo es fomentar la competitividad y la

innovación. El Programa Marco para la Innovación y la Competitividad (PIC) destina unos 3,600

millones de Euros para las PYMES en el período 2007 – 2013. A pesar de ello el 80% de los fondos

aunque originarios de la Unión Europea son manejados directamente por lo países miembros.

Programas Españoles: Los planes se coordinan a través del Ministerio de Industria, Turismo y

Comercio. A pesar de ello los encargados de la política suelen ser otras dependencias del gobierno

central, gobiernos autonómicos, locales u organizaciones sin ánimo de lucro. En general existen

programas de financiación, de subvención y de ayuda.

o InnoEmpresa: Su función es apoyar los planes de innovación en general; ya sean en

producto, proceso, gestión u organización. Se enfoca en agentes intermediarios que

sean organizaciones privadas sin ánimo de lucro.

o AEIs: Programa de apoyo a las Agrupaciones Empresariales Innovadoras. Su objetivo

es la creación y desarrollo de Clusters Innovadores por medio de agrupaciones

intermedias.

o RSE-PYME: El objetivo es acercar el concepto de Responsabilidad Social Empresarial

a las PYMES. Se enfocan en agrupaciones intermedias que están en contacto con

PYMES.

o CEAEs: Centro de Apoyo a Emprendedores. Su función es financiar agrupaciones

intermedias que apoyen al desarrollo de nuevas iniciativas empresariales así como a las

PYMES ya en marcha.

o ENISA: Empresa Nacional de Innovación S.A. Es una empresa creada con fondos

públicos cuya misión es dar soluciones de financiación a largo plazo para las PYMES.

También financia otros programas alternativos como el Plan de Continuidad

14

Empresarial o Microcréditos para mujeres emprendedoras y empresarias

o CESGAR: Confederación Española de Garantía Recíproca. Su función es servir como

asociación de las Sociedades de Garantía Recíproca (SGR). Las SGR son instituciones

financieras sin ánimo de lucro. Su función es funcionar como aval entre las PYMES y

las instituciones de crédito; así las primeras obtienen préstamos a largo plazo con tipos

de interés bajos, y las segundas reduciendo su riesgo. A cambio la PYME tiene la

obligación de adquirir una cuota social de la SGR, que pasa a formar parte de sus

recursos propios.

o CERSA: Compañía Española de Refianzamiento S.A. Es una sociedad mercantil estatal

cuyo objetivo es la cobertura parcial del riesgo asumido por las Sociedades de Garantía

Recíproca con las PYMES que precisan de garantías adicionales.

o FTPYME: Fondos de Titulización para la financiación de PYMES. Consiste en la

cesión por parte de las entidades financieras de crédito de préstamos existentes en sus

balances a un fondo de titulización. El Tesoro del Estado avala una parte de los bonos

emitidos con la condición de que se reinviertan en financiar a PYMES.

o ICO: Esta forma de financiación depende del Ministerio de Economía y Hacienda. No

se enfoca específicamente a PYMES aunque existen planes especiales para este tipo de

empresas y autónomos. Financia planes concretos como por ejemplo compra de

vehículos, maquinaria o resolver problemas puntuales de liquidez. Si se cumplen los

requisitos requeridos para cada tipo de préstamos se reciben condiciones especiales para

el pago.

o Financiación de la Internacionalización: Existen diversos organismos que ofrecen

ayudas para la internacionalización. Algunos de estos son CESCE, COFIDES, P4R o

ICEX. Utilizan créditos gubernamentales y mixtos (públicos y privados).

o CEVIPYME: Centro de apoyo a la PYME en materia de gestión de derechos de

propiedad industrial.

Programas Universidad-Empresa: Su objetivo es el desarrollo de nuevas empresas. Existen dos

modalidades extra-curriculares y de formación reglada. Los primeros se dirigen a alumnos, exalumnos,

profesores y personal investigador que presenten un proyecto. Los segundos son parte de una carrera o

programa de formación en el que la creación de la empresa es parte de la evaluación. En general su

trabajo es de apoyo y acompañamiento en el proceso mediante el préstamo de recursos materiales y

15

formación de capital humano para el desarrollo de una empresa. Dichos programas pueden acceder a

subvenciones gubernamentales como agrupaciones intermedias.

Viveros o Incubadoras de Empresas: Su objetivo es funcionar como agrupaciones intermedias

para el desarrollo de nuevas empresas y apoyo a las PYMES ya existentes. Los programas extra-

curriculares en Universidades podrían agruparse aquí. A pesar de ello existen viveros no directamente

vinculados a Universidades como por ejemplo Madrid Emprende o Barcelona Activa. Generalmente

los fondos de estas últimas están a cargo de los gobiernos locales pero pueden acceder a las

subvenciones estatales como agrupaciones intermedias con las PYMES.

Iniciativas Privadas: Si bien estas iniciativas no forman parte de la política pública muchas de

estas iniciativas son deducibles de impuestos o reciben tratos fiscales preferentes por lo que se podrían

englobar en el marco de política pública indirecta. Un programa bastante extendido es el de “Business

Angels” que son personas que aportan conocimiento, trabajo, capital o una combinación de los

anteriores para el éxito de una nueva iniciativa empresarial. Para el caso español no resultan de interés

como política pública ya que no gozan de ninguna excepción fiscal y su inversión es tratada como

cualquier inversión mobiliaria6. A pesar de ello otros países europeos si dan un trato preferencial a

estos inversores. En el caso español las entidades de capital de riesgo si reciben incentivos fiscales por

lo que podrían considerarse parte de la política pública indirecta.

La diversidad de oferta de financiación es fundamental para poder desarrollar diferentes tipos de

negocios, desafortunadamente no se cuenta con datos precisos de muchas de estas empresas para poder

medir su impacto en la creación de empresas.

2.3. R2.3. REVISIÓNEVISIÓN DEDE LALA L LITERATURAITERATURA

Siendo el objetivo de este artículo es medir el impacto de iniciativas privadas para el apoyo a los

emprendedores hay tres piezas de literatura clave para entender mejor este fenómeno. Por un lado la

literatura basada en la relevancia de los emprendedores en el crecimiento económico (para justificar la

inversión), la literatura que mide la relación entre la financiación y el desarrollo, y finalmente la

literatura basada en la evaluación de políticas. También se hará especial énfasis en estudios para España

ya que es el el área geográfica relevante de este estudio.

El desarrollo de los mercados financieros favorece el crecimiento a largo plazo ya que permite

6 A pesar de que los “Business Angels” no reciben ningún trato preferencial las asociaciones destinadas a fomentar redes de este tipo de inversores (poner en común potenciales inversores con iniciativas emprendedoras) si reciben hasta €30,000 anuales como parte del plan Impulso a Redes de Business Angels del Ministerio de Industria, Comercio y Turismo.

16

agrupar los fondos de pequeños ahorradores y colocarlos en inversiones de alto rendimiento, y resolver

parcialmente el problema de selección adversa (King y Levine, 1993). Como punto de partida de este

análisis empírico se toma la serie de dos trabajos desarrollados por King y Levine (1993a, 1993b) en el

primero desarrollan un modelo teórico que pone de manifiesto un mecanismo explícito mediante el cual

el crecimiento del sector financiero permitirá el desarrollo de nuevas iniciativas, lo cual permite la

innovación y el crecimiento económico agregado. En el segundo realizan un modelo empírico de

crecimiento en el cual el desarrollo financiero medido como: la proporción del sector financiero sobre

el PIB, la proporción de los recursos financieros de la banca privada sobre el total del tamaño de la

banca incluyendo los Bancos Centrales, la proporción del crédito hacia firmas privadas sobre el crédito

total y las peticiones de crédito de empresas privadas sobre el PIB. La estrategia es un modelo de corte

transversal para 80 países en donde se promedia el total del período 1960-1980 y dividido en tres

décadas. La principal conclusión es que las cuatro medidas están robustamente correlacionadas con el

desarrollo económico y la formación de capital físico, lo cual implica que la capacidad de innovar está

fuertemente condicionada por las oportunidades que crean los mercados financieros.

Si a lo anterior aunamos la evidencia empírica que relaciona el desarrollo emprendedor con el

desarrollo económico (Reynolds, 1999; Audretsch y Fristsch, 2002; Carree y Thurik, 2003) la relación

entre financiación y emprendimiento debe ser entendido como parte de un solo fenómeno, es decir, los

emprendedores exitosos deben financiar a nuevos emprendedores. En este sentido las nuevas empresas

generadas tal vez no consigan un rendimiento financiero mayor que otras alternativas de ahorro, pero

tienen un rendimiento mayor derivado de la capacidad de estas empresas de generar valor. Este valor

puede ser entendido mediante la generación de empleo en un país, ya sea sirviendo de refugio a

personas que han perdido su trabajo o permitiendo el desarrollo profesional de alguien que posea una

idea (Audretsch et. al., 2008). Además también puede ayudar a moderar situaciones económicas

negativas, ya que la evidencia muestra un menor despedido durante períodos de recesión en las

pequeñas empresas, sobre todo en regiones menos densamente pobladas (Kolko y Neuwark, 2010).

Finalmente la última pieza es la innovación para lo cual también existen una serie de estudios que

comprueban la eficiencia de las pequeñas y jóvenes empresas y su papel en la innovación sobre todo de

corte radical (Acs y Audretsch, 1988, 2003; Baumol, 2002).

La distinción entre las políticas enfocadas a la empresa y las políticas enfocadas al emprendedor

o las personas (Lundstrom y Stevenson, 2002) es también relevante pues sus resultados pueden ser

diferentes. Siendo las primeras más productivas y las segundas más formativas de capital humano por

17

lo que su efecto sobre la productividad es más bien ambiguo. A pesar de que existen diferencias en la

forma de medir qué es una pequeña o mediana empresa7 en general el 99% de las empresas tienen

menos de 250 empleados y el 90% tienen menos de 108. En este sentido medir el papel que juegan

intermediarios financieros no tradicionales como los Business Angels o el Capital Riesgo es relevante

ya que permiten un enfoque más sistémico en el proceso emprendedor centrándose tanto en la creación

de una empresa como el desarrollo de las capacidades de los emprendedores reforzando de esta forma

el efecto del crédito.

Si además tenemos en cuenta que las pequeñas y medianas empresas son relevantes en el

proceso de formación de innovación radical (Acs et. al., 1999). Además existe una relación inversa

entre las derramas tecnológicas y el tamaño de las empresas de una región (Acs et. al., 2005). Esto pone

de manifiesto que el mecanismo financiación, desarrollo empresarial e innovación es una fórmula de

éxito pero todo surge del buen funcionamiento de los mercados financieros. Si bien la acción pública

puede ayudar a resolver estos problemas de financiación, también puede tener problemas ya que el

gobierno tendrá que compensar este gasto con algún tipo de impuesto. Gentry y Hubbard (2000) miden

la influencia de los impuestos en las decisiones de entrada, inversión y ahorro de los emprendedores.

Utilizan el PSID9 para contrastar su modelo teórico. Sus conclusiones muestran que el sistema

progresivo de impuestos puede alejar a los emprendedores más eficientes de crear iniciativas ya que sus

rentas del trabajo no se ven tan afectadas por dichos efectos. Esto también pone de manifiesto la

necesidad de la participación del gobierno para fomentar la creación de empresas de financiación y

apoyo a los emprendedores alternativas mediante el uso de estímulos fiscales.

Para el caso español partiremos el análisis de una serie de recomendaciones derivadas del

trabajo de Veciana (2007). El autor basa sus guías de política en conclusiones empírica de otros autores

(Acs et. al., 2005; Audretsch y Keilbach, 2004; Wadhwa et al., 2007;) en otros países. Para Veciana el

desarrollo de una política pública efectiva debe basarse en lo que él denomina “triángulo mágico”

basado en la innovación, la creación de empresas y el territorio como eje de una política efectiva. Si

bien su iniciativa es interesante su evidencia empírica debería sustentarse más en la realidad española

(sólo menciona el trabajo de Segarra de 2007 y es exclusivamente para Cataluña) para dar mayor

7 En la Unión Europea (aunque dicho criterio varía entre países) se considera una pequeña empresa la menor a 250 empleados y las medianas entre 250-500 empleados. En Estados Unidos sólo se catalogan todas como “pequeñas empresas” si tienen menos 500 empleados. En Australia las definiciones cambian por sector siendo una pequeña empresa la que tiene menos de 100 empleados en el sector manufacturero pero menos de 20 si se trata del sector servicios. Esto nos da un sentido de la ambigüedad de la definición.

8 Para el caso español 94.5% de las empresas tienen 10 o menos empleados de acuerdo a los datos DIRCE 2009. 9 Panel de Estudio de las Dinámicas Ingreso por sus siglas en inglés.

18

fortaleza a sus conclusiones. A pesar de lo anterior se cita este trabajo ya que la estrategia empírica de

este trabajo permite comprobar hasta cierto punto la efectividad de este denominado “triángulo

mágico”. De acuerdo a datos para el sector industrial del Ministerio de Industria Turismo y Comercio

para el año 2008 la financiación de las empresas a largo plazo se ha sustituido por créditos menos

ventajosos, en términos de liquidez, a corto plazo. El porcentaje de empresas que acceden a créditos en

general es entre 5 y 7 puntos porcentuales mayor para las empresas que tienen más de 200 empleados

(Cuadrado-Roura y García-Tabuenca, 2004). A ello hay que sumar que solo un 6% de los nuevos

empresarios recibe algún tipo de financiación externa privada o pública. Por lo que la escasez de

financiación es patente y estrategias alternativas de financiación son deseables.

En cuanto a la evaluación de políticas destinadas al emprendedor hay que tener en cuenta

primero que la tasa de creación de empresas a lo largo del siglo XX ha presentado una forma de U

(Carree et. al., 2002). Evidencia indirecta del que fenómeno emprendedor depende de la moda y las

actitudes que son influenciadas en gran medida por la política pública de una nación. A pesar de que

actualmente la financiación emprendedora es un tópico relevante en la política pública de la mayoría de

los países las restricciones de liquidez son uno de los problemas más recurrentes a los que se enfrentan

las nuevas empresas (Van Praag y Van Ophem, 1995). Uno de los primeros análisis de política

emprendedora los tenemos en el trabajo de Lerner (1996). Este analiza el desempeño del SBIR10 para

firmas dentro del programa y las contrasta con otras firmas de características similares pero que no

entraron en el programa. Sus conclusiones muestran una efectividad del programa para generar

mayores ventas y empleo dentro de las empresas participantes. Si bien el análisis es meramente

descriptivo nos da una idea de dos puntos fundamentales, primero que dichas políticas son relevantes

puesto que tienen un efecto, y segundo determina dos variables clave para el impacto de estas políticas

como es la generación de ventas y empleo, lo cual está en contraste con políticas más recientes que se

centran más en la innovación. El artículo de Chrisman y Katrishen (1994) busca la efectividad de las

políticas públicas de apoyo (no monetarias) a los emprendedores. Su análisis se basa en la estadística

descriptiva para el SBDC11 de Estados Unidos comparando el desempeño con empresas promedio y con

ellas mismas antes de recibir la ayuda. Sus resultados muestran un incremento de las ventas y el empleo

por encima del promedio para las empresas asesoradas. El trabajo es interesante ya que muestra un

análisis de la recaudación en impuestos generada por las empresas gracias a la asesoría. Concluye que

10 Investigación para la Innovación en Pequeñas Empresas por sus siglas en inglés 11 Centro de Desarrollo de Pequeñas Empresas por sus siglas en inglés

19

se generaron $2.61 por cada $1 invertido en el programa12. También podemos incluir dentro de este

grupo de estudios el trabajo de Hart et. al. (2000). El objetivo es medir la efectividad del programa

LEDU13 para Irlanda del Norte enfocándose en las empresas que están dentro del programa que son de

“Alto Crecimiento” y las denominadas “Establecidas”. Su modelo se basa en la estimación por

Mínimos Cuadrados Generalizadas con efectos fijos temporales e individuales. El autor es crítico con

respecto al apoyo de la política ya que señala que existe un proceso de “descreme” en la elección de los

participantes. El desempeño de las empresas de “Alto Crecimiento” es mejor pero esto no guarda

relación alguna con el monto de las ayudas económicas rezagadas uno y dos períodos. En lo que se

refiere a la medición de la efectividad de una política hacia los emprendedores en el caso español

tenemos el trabajo de Fernández et. al. (2007). En dicho trabajo realizan un análisis para empresas

NEBT (Nuevas Empresas de Base Tecnológica) en función de su participación en el programa

NEOTEC del gobierno español. Aunque el análisis no es concluyente ya que sólo abarca el año 2005,

demuestran un crecimiento sobre la media de un 37.35% en las ventas para las empresas financiadas.

Dichos resultados se deben tomar con cautela ya que no incluyen todos los controles, tal vez las

participantes en NEOTEC sufren de un problema de sesgo de selección, es decir, las compañías más

eficientes y proactivas son las que buscan la financiación por lo que tal vez sus ventas estarían por

encima de la media de todas formas. A pesar de lo anterior esto nos da una idea del papel tan relevante

que puede suponer en la dinámica de una empresa el tener acceso a fuentes de financiación, sobre todo

si se añade un componente de formación como es el caso del programa NEOTEC. Un aspecto muy

importante de las políticas emprendedoras en el caso español se deriva del trabajo del trabajo de

Román, Congregado y Millán (2013). El objetivo del artículo es comprobar que la mayoría de políticas

para el desarrollo de los emprendedores, son políticas activas de empleo y que por tanto se pierden los

incentivos para emprendedores por oportunidad. En este sentido la principal conclusión es que los auto-

empleados son un grupo heterogéneo por lo que políticas idénticas hacia este grupo pueden tener

resultados muy diferentes a la hora de diseñar políticas y la necesidad de separar las políticas de

empleo de políticas emprendedoras, si bien ambas persiguen el mismo objetivo final los mecanismos

de actuación deben ser diferentes.

Finalmente toca analizar la literatura relacionada con el proceso de financiación. El artículo de

Kerr y Nanda (2009) habla de la necesidad de la democratización de entrada de empresas, argumentan

12 Aunque su fórmula para el cálculo de esta recaudación de impuestos genera bastantes dudas ya que las ventas en excesopor encima del promedio pueden deberse a otras causas no sólo a la asesoría del SBDC 13Unidad de Desarrollo de Empresas Locales por sus siglas en inglés

20

que el proceso de destrucción creativa necesita un gran número de fracasos para conseguir un pequeño

grupo de empresas exitosas, por lo que la libre entrada en el mercado es fundamental para aumentar el

número de empresas exitosas y el emprendimiento en el largo plazo. Su estrategia empírica se basa en

medir el efecto de la desregularización bancaria en el nacimiento de empresas, comprobando que dicha

desregularización tuvo un efecto incremental en el número de nuevos negocios pero también en el

número de cierres. Conseguir esta democratización sin embargo no es fácil, sobre todo para las

empresas más pequeñas que no pueden enviar señales o tienen los avales necesarios para acceder al

crédito. Prueba de lo anterior es el trabajo de Gartner et. Al. (2009) que mide las fuentes de

financiamiento de 1,214 nuevas empresas en Estados Unidos. Sus resultados demuestran que el 57% de

las empresas deben empezar con fondos propios. Además es importante destacar que las empresas que

obtienen financiación externa suelen estar ligadas a una alta expectativa de ventas futuras y su forma de

constitución. Finalmente destacar de este artículo que los emprendedores que niveles más altos de

riqueza y capital humano son los que tienen un acceso más fácil a la financiación. Para el caso de

España tenemos el trabajo de López-Gracia y Sogorb-Mira (2008) en el que revisan dos teorías acerca

del financiamiento de la empresa (trade-off y pecking order). De sus conclusiones se extrae que las

SME españolas presentan restricciones de financiamiento frente a las grandes compañías. Las

compañías pequeñas por tanto tienden a endeudarse más para resolver este problema y por tanto

tienden a usar más recursos propios como forma de financiarse, haciendo más difícil su endeudamiento

que el de las compañías más grandes. También para el caso de España tenemos el trabajo de Arque-

Castells (2012) que mide el impacto del Venture Capital en la efectividad de las empresas innovadoras.

Su trabajo demuestra que las empresas innovadoras que son apoyadas por Venture Capital tienen un

aumento significativo en el número de patentes en los períodos siguientes a la inversión y que luego

esta se difumina lentamente. Esto demuestra que este tipo de financiación no sólo promueve la

innovación sino también la eficiencia ya que después del aumento inicial en patentes estas se reducen

posteriormente demostrando también que una vez realizada la innovación se hacen esfuerzos para su

comercialización.

Los intermediarios financieros permite resolver problemas de liquidez de las empresas, a pesar

de ello el acceso a este crédito está limitado por el potencial éxito futuro de dichas empresas por lo que

muchas empresas se ven condenadas a no poder iniciar su actividad o tener que hacerlo con fondos

propios. La necesidad de formas alternativas de financiación a las empresas es por tanto imperiosa, ya

que se necesita una mejor administración de los riesgos que supone empezar una nueva empresa.

21

3. D3. DATOSATOS

3.1. F3.1. FUENTESUENTES DEDE I INFORMACIÓNNFORMACIÓN

En la Tabla 1 se puede observar el conjunto de variables que se utilizarán en este estudio así como las

fuentes de información. Son cinco las bases de datos principales a las que se recurrió para información:

SABI, INE, Ministerio de Hacienda, Anuario Económico de la Caixa y el IVIE-FBBVA. Por lo que los

datos de análisis será un panel de 1999-2011 (la totalidad de la amplitud temporal de SABI) con 19

unidades territoriales para Comunidad Autónoma, 52 para provincia y 3257 para Municipio.

SABI son las siglas para Sistema de Análisis de Balances Ibéricos, es una base de datos de corte

privado que refleja el estado de más de un millón de empresas para el caso de España y Portugal, es

elaborada por Bureau Van Dijk. Es la base de datos principal ya que de ella se obtiene las variable

dependientes objeto de estudio, en concreto los nacimientos y muertes de empresas a nivel municipal.

Además se puede construir el total (stock) de empresas por medio de estos datos. Adicionalmente

también se toman datos de las características operativas de la empresa como son los ingresos totales,

los resultados antes de impuestos y el número de empleados; así como características financieras acerca

del activo, pasivo y capital. Utilizar SABI es conveniente ya que permite identificar a las empresas

hasta su código postal, a pesar de ello la base de datos consiste en una muestra y no un censo total de

empresas por lo que puede haber problemas de representatividad. Para ver la dimensión de este

problema en la Tabla 2 se hace una comparación de los datos que presenta el SABI con respecto al

DIRCE (Directorio Central de Empresas) elaborado por el INE (Instituto Nacional de Estadística). El

INE a pesar de proporcionar información acerca del número total de empresas, así como sus

nacimientos y muertes, no desglosa esta información geográficamente, salvo para el caso del total de

empresas y lo hace sólo a nivel de Comunidad Autónoma por lo cual se uso la base de datos SABI.

Del INE se obtienen características generales de las unidades geográficas analizadas como son

el PIB, la renta de los hogares, la población o la densidad poblacional, así como el índice de precios

que se utiliza para deflactar las variables en términos nominales. Dichas variables se utilizan a modo de

control.

El Ministerio de Hacienda da datos acerca de la ejecución presupuestal a los tres niveles de

desagregación geográfica que se manejan en este artículo (Comunidad Autónoma, Provincia y

Municipio). Se utilizará esta variable como una aproximación de gasto gubernamental para el apoyo a

la empresa a falta de un indicador más preciso.

22

23

Tabla 1Descripcón de las Variables

Variable Descripción Unidades Fuente de Datos

Nacimientos de Empresas Número de Empresas SABI

Muertes de Empresas Número de Empresas SABI

Stock de Empresas Número de Empresas SABI

Número de Empresas SABI

Nacimientos en el Sector 7022 CNAE2009 Número de Empresas SABI

Ejecución del Gasto Público Euros Constantes Ministerio de Hacienda

Producto Interior Bruto Euros Constantes INE

Renta Bruta de los Hogares Euros Constantes INE

Índice sintético de Capital Humano IVIE-FBBVA

Población Número de Habitantes INE

Tasa de Desempleo

Teléfonos Fijos Número de teléfonos

Automóviles Número de automóviles

Camiones Número de Camiones

Otros vehículos Número de Otros Vehículos

Bancos Número de Locales

Cajas de Ahorro Número de Locales

Cooperativas de Crédito Número de Locales

Capital Productivo Euros Constantes IVIE-FBBVA

Densidad Poblacional INE

Comercio Minorista Número de Locales

Superficie dedicada a Centros Comerciales Metros Cuadrados

Ingresos de Explotación 000's Euros deflactados SABI

Resultados Antes de Impuestos 000's Euros deflactados SABI

Empleados Número de Personas Empleadas SABI

Activo Total 000's Euros deflactados SABI

Pasivo de Largo Plazo 000's Euros deflactados SABI

Capital (Fondos Propios) 000's Euros deflactados SABI

Bit

Dit

Sit

TitTurbulencia (Nacimientos + Muertes) de Empresas

B7022it

Git

PIBit

Rbit

KhitTrabajadores Equivalentes a un hombre de 20 años sin estudios o primaria inconclusa

Pobit

UitNúmero de no ocupados sobre la Población en Edad de Trabajar

La Caixa - Anuario Económico de España

TfitLa Caixa - Anuario Económico de España

AutitLa Caixa - Anuario Económico de España

CamitLa Caixa - Anuario Económico de España

OVitLa Caixa - Anuario Económico de España

BanitLa Caixa - Anuario Económico de España

CAitLa Caixa - Anuario Económico de España

CCitLa Caixa - Anuario Económico de España

KPrit

DenitNúmero de habitantes sobre kilómetros cuadrados de la región

CMitLa Caixa - Anuario Económico de España

M2CCitLa Caixa - Anuario Económico de España

Ingit

RAIit

Empit

Actit

Pasit

Capit

Del Anuario estadístico de la Caixa se obtiene información general acerca de los municipios

como es la tasa de desempleo14, número de teléfonos fijos, número de vehículos, comercio minorista,

metros cuadrados de centros comerciales y principalmente un desglose de los locales dedicados a

entidades financieras (Bancos, Cajas de Ahorro y Cooperativas de Crédito) que se utilizará para medir

el impacto de las fuentes de financiación formales en la dinámica empresarial. Una ventaja de esta base

de datos es que ofrece información a nivel municipal, aunque sólo para aquellos municipios con más de

1000 habitantes a 1 de Enero de 2011. Esto hace que sólo se tengan 3,261 Municipios de los 8,117

totales. Además para el análisis se eliminan cuatro municipios15 que por ser de nueva creación sólo

tienen datos de 2011.

14 En este caso la tasa de desempleo se calcula sobre dividiendo empleados sobre la población en edad de trabajar en cadamunicipio ya que no se tienen datos de personas activas a este nivel. Esto provoca una tasa de paro más baja debido aque se incrementa el denominador.

15 Villanueva de la Concepción (Málaga), Pinar de El Hierro, El (Santa Cruz de Tenerife), Canonja, La (Tarragona) yVillamayor de Gállego (Zaragoza). Cuyos códigos INE son respectivamente 29902, 38901, 43907 y 50903

24

Tabla 2Comparación de Datos INE vs SABI

INE SABI

Por Año Stock Nacimientos Muertes Stock Nacimientos Muertes2001 2.645.317 344.806 280.900 514.847 42.475 3.9982002 2.710.400 327.068 274.365 556.478 46.819 5.1882003 2.813.159 343.221 255.393 598.896 48.555 6.1372004 2.942.583 366.343 243.236 637.121 49.166 10.9412005 3.064.129 374.094 251.539 674.700 48.309 10.7302006 3.174.393 415.275 288.661 705.654 48.031 17.0772007 3.336.657 426.321 260.122 719.770 38.255 24.1392008 3.422.239 410.975 322.528 723.722 25.860 21.9082009 3.355.830 334.072 398.229 712.635 18.141 29.2282010 3.291.263 321.180 399.106 695.925 15.468 32.1782011 3.250.576 331.264 376.945 639.957 7.583 63.551

Por CCAAAndalucía 451.036,69 ----- ----- 74157,71 7788,929 2136,5Aragón 86.966,42 ----- ----- 18072,5 1853,214 543,1429Asturias (Principado de) 66.626,00 ----- ----- 7731,214 809,5 282,7857Balears (Illes) 82.411,77 ----- ----- 26780,5 2617,643 526,7143Canarias 123.354,27 ----- ----- 17021,64 1691,571 547Cantabria 35.756,64 ----- ----- 4743,143 480,1429 115,6429Castilla y León 159.863,58 ----- ----- 24969,79 2504,143 637,7857Castilla - La Mancha 117.696,85 ----- ----- 24213,71 2471,071 529,9286Cataluña 546.165,20 ----- ----- 157859 15783,86 3501,571Comunitat Valenciana 324.205,46 ----- ----- 83812,79 8540,786 2405,143Extremadura 59.291,31 ----- ----- 10433,5 1062,857 192,4286Galicia 182.419,92 ----- ----- 26339,5 2880,143 877,5714Madrid (Comunidad de) 407.709,92 ----- ----- 79723,29 8298,643 2377,429Murcia (Región de) 83.446,50 ----- ----- 12914,64 1344,214 446,3571Navarra (Comunidad Foral de) 39.909,00 ----- ----- 5693,286 571,7143 146País Vasco 159.882,46 ----- ----- 27575,71 2854,071 848,9286Rioja (La) 21.345,08 ----- ----- 3042,857 313,2143 96,35714Ceuta y Melilla 7.166,92 ----- ----- 391,5 38,64286 10,25Nota: Elaboración Propia (Fuente: INE (DIRCE) y SABI)

Finalmente del IVIE-FBBVA16 se obtienen datos del capital humano así como el capital físico

productivo. Ambas variables se utilizan como control del nivel educativo así como de la infraestructura

existente. El máximo nivel de desglose geográfico es provincial, por lo que se le imputara a cada

municipio el valor de la provincia a la que pertenece para poder controlar estas características a nivel

municipal.

Con respecto a la Tabla 2 hay que destacar tres características fundamentales del SABI. Primero

destacar que el SABI presenta aproximadamente un 20% del total de empresas registradas en el INE,

un 12% de los nacimientos totales y un 5% de las muertes totales. Dicha representatividad cae

significativamente después del año 2008, principalmente para la muerte de empresas por lo que los

resultados deben ser tomados con cautela. Si bien la base del INE también presenta muchas empresas

que aunque están activas no están en funcionamiento por lo que la base SABI garantiza medir las

empresas que tienen un impacto económico más real. En cuanto a la representatividad regional el SABI

presenta un 18% de las empresas promedio en cada Comunidad Autónoma en el período 1999-2011.

Dentro de este promedio la más representada es Baleares con un 32% del promedio y la menos

representada es Ceuta y Melilla sólo con un 5% del promedio.

3.2. E3.2. ESTADÍSTICASTADÍSTICA D DESCRIPTIVAESCRIPTIVA

En la Tabla 3 se pueden observar la media y desviación estándar de las principales variables que se

utilizarán en este estudio. Cabe destacar la relevancia de esta tabla ya que las estimaciones se presentan

con las variables estandarizadas (media cero y desviación estándar unitaria), por lo que conocer la

desviación estándar de cada variable es fundamental para analizar los resultados.

Del total de 1,239,776 empresas procedentes de la base de datos SABI se pierden algunas

observaciones por falta de datos de su ubicación o su fecha de constitución. Para calcular el número de

nacimiento se hace uso de la celda fecha de constitución, por lo que se quedan un total de 867,458. Se

pierden un total de 372,313 dado que no tenemos la fecha de constitución de estas empresas y 5

observaciones de empresas que se crearon después de 2011. Para calcular el número de muertes de

empresas se utiliza el dato fecha de cambio de estado para un total de 227,454 que mueren durante el

período, ya que se pierden 902,414 que siguen activas o no hay valor de fecha de constitución y

109,908 empresas cuyo cambio de esta es posterior a 2011.

16 Colaboración entre el Instituto Valenciano de Investigación Económica y la Fundación del Banco Bilbao Vizcaya

25

Por lo que el stock disponible de empresas disponibles comienza en 485,901 empresas en el año 1998,

es decir, un año antes de nuestro período muestral, y termina con 630,647 empresas para el año 2011

que es el último año de la base de datos utilizada. Esto implica que el Stock de empresas creción un

29.72% en el período. Si analizamos los datos del INE para el período 1999-2011 (el año 1998 no está

disponible) para el total de empresas el crecimiento es de 29.05% y de 28.70% si excluimos el auto

empleo por lo que los datos de la muestra parecen tener un comportamiento similar al del censo de

empresas totales de España.

De la tabla 3 cabe destacar las grandes desviaciones estándar en los datos debido la

heterogeneidad regional, es por ello, que la estrategia de estimar con variables estandarizadas permitirá

obtener coeficientes más sencillos de analizar en términos de desviaciones estándar.

26

Tabla 3Estadísticas Descriptivas

CCAA Provincia MunicipioVariable Media Desv. Est. Media Desv. Est. Media Desv. Est.

1.924,48 2590,373 703,176 1327,54 11,0129 91,2362920,02 1663,512 336,1598 765,412 5,283106 54,11042

32.754,23 40875,75 11967,89 21725,96 187,0802 1483,6572.844,50 3420,118 1039,336 1765,71 16,296 128,1173

41,21 72,46937 15,05769 43,06369 0,5393139 5,854237.244.928,00 7367558 2,85E+08 8,97E+08 1,32E+07 8,95E+07

3,35E+07 4,55E+07 1,22E+07 2,32E+07 2,05E+07 3,48E+072,11E+07 3,00E+07 8036392 1,61E+07 ----- -----

1.801.080,00 2514806 658087 1237605 1084786 18448922.310.567,00 2281389 635721,1 966898,6 13014,22 70964,65

7,67 3,747129 7,456509 3,498216 6,772296 3,904852965.867,90 965800 352913,3 492104,9 5444,16 36150,43

1.029.914,00 1025866 376314,7 508332,6 5789,033 33527,1233.073,40 229415 85161,44 98087,61 1278,216 5292,153183.216,40 252864,5 66944,44 98817,8 1030,458 5955,377

800,68 744,7498 292,5547 400,9597 4,620132 33,12211.135,12 1273,361 414,7544 594,8901 6,225172 38,42529

235,74 270,8906 86,13609 79,45415 1,17822 3,9520848,96E+07 1,07E+08 3,27E+07 5,38E+07 5,33E+07 7,98E+07

631,29 1418,396 223,5806 779,6997 372,1496 1287,90847.312,98 45131,77 17287,43 18855,51 268,4484 1341,584

550.229,90 658923,4 201045,6 376836,2 3206,141 20320,667,08E+10 5,19E+11 2,59E+10 3,14E+11 4,09E+08 3,97E+101,60E+09 2,73E+09 5,86E+08 1,58E+09 9255806 1,35E+08

396.584,60 551244,7 144905,9 337641,2 2284,807 28828,895,64E+10 1,10E+11 2,06E+10 6,63E+10 3,25E+08 7,57E+091,28E+10 1,81E+10 4,67E+09 1,03E+10 7,37E+07 8,88E+082,07E+10 2,99E+10 7,56E+09 1,78E+10 1,19E+08 1,58E+09

Nota: Elaboración Propia (Fuente: SABI)

Bit

Dit

Sit

Tit

B7022it

Git

PIBit

Rbit

Khit

Pobit

Uit

TfitAutitCamit

Ovit

Banit

Cait

Ccit

Kprit

Denit

Cmit

M2CCit

Ingit

RAIitEmpit

ActitPasit

Capit

4. M4. MODELOODELO

Se presentará brevemente un modelo teórico que sustenta la estrategia de estimación econométrica que

se presentará posteriormente.

4.1. M4.1. MODELOODELO T TEÓRICOEÓRICO

El modelo teórico surge del trabajo de Rosenthal y Strange (2003). Se basa en que cada firma tomará

su decisión de localización o de constitución basada en una condición de maximización de beneficios

en donde el precio de la producción se normaliza a 1.

π(y)= a(y)f(x) – c(x) (1)

Donde a(y) desplaza la función de producción f(x), y es un vector de características locales y x

es un vector de insumos que tienen un costo c(x). Los insumos son escogidos para maximizar

beneficios de la forma tradicional. Así por ejemplo la empresa maximiza sobre el número óptimo de

insumos x de tal forma que:

a(y)df(x)/dx-dc(x)/dx=0 (2)

De tal forma que un establecimiento nace si puede obtener beneficios positivos cuando sus

insumos están en los niveles de maximización. Al mismo tiempo ya que los negocios son heterogéneos

en su potencial de generar beneficios se puede reescribir la ecuación (1) de la siguiente forma:

π(y,ϵ)=maxx a(y)f(x)(1+ϵ) – c(x) (3)

Donde ϵ se distribuye de forma independiente e idéntica a través de todas las posibles

localizaciones de acuerdo a una función de probabilidad cumulativa Ф(ϵ). De esta forma para cada

valor de y existe una ϵ*(y) para la cual π(y,ϵ*(y))=0, por lo que para un π(y,ϵ)>(<)0 para un valor de

ϵ(y)>(<) ϵ*(y). Por lo que la probabilidad de que un establecimiento sea creado será igual a Ф(ϵ*(y)).

Si tenemos en cuenta que la presencia de empresas de apoyo a los emprendedores que existen

previamente en la región es una característica local que se encuentra en el vector y, esperaríamos que

este factor aumentara la probabilidad de que se estableciera un negocio en dicha región.

Este modelo se desarrolló para ser base para la teoría de localización en zonas urbanas

atendiendo a las ventajas de las economías de aglomeración. Si bien las estimaciones a nivel

Comunidad Autónoma y Provincial son geográficamente muy amplias para poder detectar efectos

locales precisos, la estimación a nivel municipal se adapta bien a estas necesidades ya que se puede

controlar también por efectos de zona metropolitana de ser necesario.

27

4.2. E4.2. ESTIMACIÓNSTIMACIÓN E ECONOMÉTRICACONOMÉTRICA

La estimación del modelo se basará en establecer la influencia que tiene el crecimiento de empresas

(medida a través de nacimientos) del sector 7022 (Otras actividades de consultoría de gestión

empresarial) que es el sector en el que se suelen clasificar las empresas de apoyo a los emprendedores

como Business Angels o Soceidades de Capital Riesgo. La estimación aprovechará la estructura de

panel para introducir un rezago de la variable dependiente que captura la persistencia y parcialmente

los efectos de economías de localización.

(4)De esta forma Bit representa el nacimiento total de empresas (en realidad son los nacimientos

totales menos los nacimientos del sector 7022 para evitar problemas de endogeneidad), B7022 it-2 el

nacimiento de empresas dos años antes en el sector 7022 (se rezaga dos períodos para evitar el

problema de endogeneidad derivado de la simultaneidad), Git la ejecución del gasto gubernamental,

Banit, CAit y CCit el número total de oficinas bancarias, cajas de ahorro y cooperativas de crédito en la

región. Por otro lado Xit representa el resto de las variables que se utilizaran como control (Población,

PIB, Capital Humano, etc.), ηi representa los efectos fijos regionales, φt representa efectos fijos

temporales y εit se corresponde con el término de error.

La estrategia de estimación se basará en cinco etapas. En la primera se hará sin los efectos fijos

temporales, ni regionales; en la segunda sin efectos fijos y con las variables en primeras diferencias

para comprobar la robustez de la relación entre variables; en la tercera se añaden los dos tipos de

efectos fijos; en la cuarta se aprovechando la estructura de panel se agrupan los errores (clusters)

manteniendo los efectos fijos; y en la quinta se añade un componente Autoregresivo de primer orden al

término de error para corregir la posible Autocorrelación (AR,1). Para el cálculo de varianza se utiliza

la matriz de errores robustos de White.

Además de la regresión presentada por la ecuación (4) se añadirán otros 9 modelos

complementarios. Dichos modelos son idénticos al presentado anteriormente con la diferencia de que

se cambia la variable dependiente para medir la influencia de los nacimientos del sector 7022 en las

muertes de empresas, el número total o stock de empresas, la turbulencia (nacimientos más muertes de

empresas) para medir el dinamismo; además de tres variables operativas (ingresos, resultados antes de

impuestos y número de empleados) y tres variables financieras (activo, pasivo largo plazo, capital de

fondos propios). Haciendo un análisis exhaustivo de las diferentes influencias que puede tener la

presencia de este sector en la actividad empresarial de la región.

28

5. R5. RESULTADOSESULTADOS

En esta sección se presentará los resultados genéricos para cada forma de agregación territorial

(Comunidad Autónoma, Provincia y Municipio), finalmente se realizará una prueba de robustez para

ver si los nacimientos en el sector 7022 son una buena aproximación de la actividad de las empresas

que dan soporte a los emprendedores.

5.1. R5.1. RESULTADOSESULTADOS PORPOR C COMUNIDADOMUNIDAD A AUTÓNOMAUTÓNOMA

En el panel superior de la Tabla 4 se pueden observar las regresiones para el número de nacimientos

para cada Comunidad Autónoma. El efecto de la persistencia es positivo y significativo excepto para la

regresión en diferencias (columna 2) y se reduce su magnitud de forma importante una vez que se

introduce el término AR(1) en el error (columna 5). El efecto de los nacimientos en el sector 7022 es

consistente a través de las estimaciones y aumenta su magnitud cuando se añade el factor

autoregresivo, lo cual es de esperarse ya que está rezagado dos períodos por que el AR(1) limpia otros

efectos contemporáneos. Este resultado implica que un aumento de una desviación estándar en los

nacimientos del sector 7022 (72 empresas para el caso de las comunidades autónomas) tendrá un

impacto en los 0.0309 desviaciones estándares en el número de nacimientos, si tenemos en cuenta que

la desviación estándar de los nacimientos son 2590 empresas aproximadamente estamos hablando de

un impacto de creación de unas 80 empresas aproximadamente. Otros factores relevantes en esta

estimación que son consistentes son el Capital Humano y el número de automóviles (que es una proxy

de las condiciones económicas en la región) ambas afectando de forma positiva el número de

nacimientos. También es importante notar como en la estimación de la columna 5 otros factores de

actividad económica como el comercio minoristas o los metros cuadrados de centros comerciales

también tienen un efecto. Finalmente las variables que miden los métodos de financiación tradicional

no son significativos.

En el segundo panel de la Tabla 4 podemos ver las regresiones análogas para el número de

muertes de empresas. Como se puede ver ni la persistencia ni el número de nacimientos en el sector

7022 tienen efecto alguno. Las únicas variables que parecen tener una influencia a través de las cinco

estimaciones son todas relacionadas con la actividad de la región como puede ser el gasto público, el

PIB, o el comercio minorista. Además entran con signo positivo lo que sugiere que a mayor actividad

económica

29

Coeficiente Desv. Est. Coeficiente Desv. Est. Coeficiente Desv. Est . Coeficiente Desv. Est. Coeficiente Desv. Est.

Bit-1 0,8738 *** 0,0543 0,0118 0,1015 0,5672 *** 0,1102 0,4668 *** 0,0948 0,1358 ** 0,0676B7022it-2 0,0108 *** 0,0028 0,0171 *** 0,0040 0,0110 * 0,0060 0,0126 ** 0,0060 0,0309 *** 0,0040Git -0,0537 0,0214 -0,0806 0,0408 -0,0805 0,0290 -0,0901 0,0283 -0,0953 0,0274PIBit -0,0301 0,0210 -0,0387 0,0087 -0,0129 0,0181 -0,0060 0,0176 -0,0096 0,0166RBit 0,0012 0,0217 0,0246 *** 0,0077 0,0041 0,0185 0,0061 0,0212 0,0173 0,0173KHit 0,0276 *** 0,0075 0,0349 *** 0,0077 0,0455 *** 0,0104 0,0445 *** 0,0106 0,0389 *** 0,0093Pobit -0,0682 0,0518 -0,3311 0,2880 -0,3467 0,1089 -0,3101 0,1374 -1,1314 0,1619Uit 0,0037 0,0028 0,0015 0,0071 0,0114 * 0,0066 -0,0012 0,0041 -0,0001 0,0056TFit 0,0000 *** 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000Autit 0,2028 *** 0,0555 0,2987 *** 0,1020 0,2124 *** 0,0833 0,3043 *** 0,0921 0,5300 *** 0,0798Camit -0,0858 0,0217 -0,0392 0,1290 0,0532 0,0618 0,0190 0,0748 -0,1601 0,0903OVit -0,0512 0,0129 -0,0805 0,0266 -0,0418 0,0136 -0,0566 0,0190 -0,0756 0,0088Banit -0,1319 0,0316 -0,2836 0,0600 -0,2084 0,0581 -0,2020 0,0555 -0,1642 0,0750CAit 0,0072 0,0158 0,2044 0,1355 -0,0169 0,0955 -0,0078 0,1214 0,0629 0,1065CCit 0,0016 0,0034 0,0073 0,0707 -0,0336 0,0349 -0,0481 0,0460 0,0689 0,0539CMit 0,0823 * 0,0458 0,0620 0,0653 -0,0599 0,0512 -0,0468 0,0628 0,1164 ** 0,0590M2CCit -0,0349 0,0138 0,0229 0,0256 0,0413 * 0,0212 0,0407 0,0251 0,0672 *** 0,0215Denit -0,0068 0,0026 0,0335 0,0305 0,0362 0,0258 0,0063 0,0161 0,0275 0,0976KPrit -0,0174 0,0083 0,0141 * 0,0079 0,0095 0,0091 0,0110 0,0076 0,0020 0,0067Constante -0,1685 0,0572 -0,0056 0,0047 0,8987 *** 0,2928 -0,0860 0,1073 -0,0260 0,0390

Obs 199 180 199 199 180R-square Total 0,9928 0,8558 0,9962 0,1022 0,5769

Intra ----- ----- ----- 0,9711 0,9465Entre ----- ----- ----- 0,4853 0,855

Coeficiente Desv. Est. Coeficiente Desv. Est. Coeficiente Desv. Est . Coeficiente Desv. Est. Coeficiente Desv. Est.

Dit-1 0,8089 *** 0,1856 -0,6137 0,1569 0,2245 0,2134 0,2730 0,2705 -0,5295 0,0987B7022it-2 -0,0202 0,0211 -0,0345 0,0291 0,0047 0,0296 -0,0030 0,0272 -0,0146 0,0266Git 0,2392 0,1835 0,3660 0,3271 0,3118 0,2220 0,3616 * 0,2017 0,7024 *** 0,1996PIBit -0,3006 0,1796 0,0596 0,0668 0,2064 0,3234 0,1512 0,1034 0,6215 *** 0,1205RBit 0,0954 0,2357 -0,1323 0,0820 -0,3667 0,3364 -0,3469 0,0903 -0,7218 0,1233KHit 0,2117 *** 0,0363 0,1117 0,0681 0,0889 0,0971 0,0747 0,0763 0,0551 0,0589Pobit -0,7626 0,2884 0,4781 1,4012 2,0538 ** 1,0359 1,3873 1,7538 2,5597 * 1,3449Uit -0,0403 0,0279 0,0467 0,0447 -0,0618 0,0508 -0,0028 0,0305 -0,0160 0,0418TFit 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000Autit -0,2645 0,2129 -1,1332 0,6981 -1,1481 0,6495 -1,5406 0,6440 -1,9573 0,6070Camit 0,1270 0,1285 -2,4770 0,9573 -0,7505 0,5540 -0,3747 0,6538 -0,2124 0,7068OVit 0,1170 0,0892 0,2449 ** 0,1157 0,2094 ** 0,0926 0,2162 ** 0,0972 0,3085 *** 0,0643Banit 0,2010 0,1331 0,8520 * 0,4446 -0,2000 0,3341 -0,1200 0,4264 0,5034 0,5424CAit 0,0712 0,1218 0,4249 1,3756 0,7371 0,6671 0,8445 0,6159 1,0192 0,7630CCit -0,0142 0,0463 1,4718 *** 0,5600 0,5449 ** 0,2651 0,6125 0,5126 1,0935 *** 0,4170CMit 0,1747 0,3679 0,6281 0,7140 0,9879 * 0,5741 1,1972 ** 0,6066 0,9262 ** 0,4587M2CCit 0,2198 ** 0,0981 -0,1749 0,1988 -0,1426 0,1089 -0,1253 0,2004 -0,0894 0,1578Denit 0,0527 ** 0,0263 -0,0792 0,2050 -0,0720 0,2080 -0,0099 0,0880 -0,1391 0,7820KPrit -0,0353 0,1140 -0,3201 0,0575 -0,2397 0,0784 -0,2031 0,1126 -0,3731 0,0427Constante -0,1584 0,2068 0,1123 *** 0,0319 -8,6651 3,1592 -0,6107 1,0435 -1,1022 0,2389


Intra ----- ----- ----- 0,928 0,7945Entre ----- ----- ----- 0,7529 0,7733

Nota: ***, ** y * indican sifgnificatividad p<0.01, p<0.05 y p<0.1 respectivamente

Tabla 4Regresiones de Nacimientos y Muertes de Empresas (CCAA)

Variable Dependiente Número de Nacimientos de Empresas

Variable Dependiente Número de Muertes de Empresas(1) (2) (3) (4) (5)

(1) (2) (3) (4) (5)

30

existe un mayor número de cierre de empresas. También es interesante observar el mismo efecto por

parte de las cooperativas de crédito que si bien son entidades de depósito como Bancos o Cajas de

Ahorro su presencia es mucho menor en proporción. Todo ello sugiere que son en las economías más

grandes en donde se observar un mayor número de muertes. Este resultado es el que da pie para

introducir la variable dependiente turbulencia (nacimientos más muertes de empresas) para medir la

dinámica de la actividad ya que parece que mayores muertes podrían estar relacionadas con un mayor

dinamismo empresarial y por tanto con condiciones económicas más favorables.

En la Tabla 5 en el primer panel se pueden observar las regresiones utilizando como variable

dependiente el Stock de empresas. Esta tabla muestra resultados similares a la regresión de nacimientos

(lo cual es lógico ya que los nacimientos representan la mayor fuente de cambios en el Stock año con

año). Si bien la persistencia y los nacimientos del sector 7022 son consistentes a través de las 5

regresiones es importante notar que a diferencia de los nacimientos el efecto de la persistencia es

mucho mayor y el efecto de los nacimientos menor. De acuerdo a los resultados un aumento de una

desviación estándar en los nacimientos aumentaría 0.0075 desviaciones estándar el Stock, lo que

representan unas 307 empresas aproximadamente lo que sugiere que aunque que el efecto en los

nacimientos se refuerza al permanecer muchas de estas empresas en el Stock empresarial. Otras

variables que se muestran significativas a través de las regresiones es el efecto del Capital Humano, la

renta bruta de los hogares y el Capital Productivo, esta última no era significativa para los nacimientos,

lo que muestra que el Stock de empresas está mucho más relacionado con la capacidad productiva que

los nacimientos.

En el segundo panel de la Tabla 5 se puede observar el comportamiento de la especificación que

tiene como variable dependiente la Turbulencia de empresas. En este caso el efecto de los nacimientos

es positivo provocando un cambio positivo de 0.027 desviaciones estándar en la turbulencia lo que

equivale a unas 92 empresas, si tenemos en cuenta que el efecto sobre los nacimientos era

aproximadamente unas 80 empresas se puede inferir indirectamente un efecto en 12 muertes

aproximadamente. Las únicas dos variables que parecen tener un efecto consistente son el Capital

Humano y el número de comercios minoristas, demostrando que las regiones con mayores niveles

educativos y un mayor comercio al por menor tienen una mayor dinámica empresarial.

31

Coeficiente Desv. Est. Coeficiente Desv. Est. Coeficiente Desv. Est. Coeficiente Desv. Est. Coeficiente Desv. Est.

Sit-1 0,9837 *** 0,0101 0,9132 *** 0,0520 0,8942 *** 0,0233 0,8878 *** 0,0291 0,8067 *** 0,0261B7022it-2 0,0085 *** 0,0020 0,0045 *** 0,0017 0,0041 0,0025 0,0046 ** 0,0019 0,0075 *** 0,0016Git -0,0598 0,0086 -0,0187 0,0183 -0,0239 0,0145 -0,0232 0,0155 -0,0056 0,0100PIBit -0,0264 0,0153 -0,0092 0,0040 -0,0155 0,0112 -0,0152 0,0055 -0,0166 0,0057RBit 0,0289 * 0,0167 0,0167 *** 0,0038 0,0280 ** 0,0126 0,0291 *** 0,0047 0,0331 *** 0,0059KHit 0,0141 *** 0,0040 0,0069 * 0,0039 0,0153 *** 0,0051 0,0141 *** 0,0049 0,0110 *** 0,0028Pobit -0,0677 0,0229 0,0547 0,1062 -0,0161 0,0522 0,0110 0,0626 0,0495 0,0655Uit 0,0003 0,0020 0,0007 0,0027 -0,0007 0,0025 -0,0003 0,0021 0,0006 0,0019TFit 0,0000 *** 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000Autit 0,1388 *** 0,0201 0,1425 *** 0,0358 0,1502 *** 0,0375 0,1671 *** 0,0339 0,1632 *** 0,0261Camit -0,0431 0,0088 0,0196 0,0515 0,0234 0,0322 0,0026 0,0382 -0,0149 0,0291OVit -0,0251 0,0067 -0,0239 0,0077 -0,0259 0,0058 -0,0286 0,0068 -0,0281 0,0030Banit -0,1026 0,0113 -0,0870 0,0296 -0,0846 0,0191 -0,0833 0,0191 -0,0620 0,0228CAit 0,0144 0,0089 0,0015 0,0624 -0,0039 0,0363 0,0052 0,0553 0,0233 0,0353CCit -0,0042 0,0026 -0,0461 0,0268 -0,0257 0,0130 -0,0288 0,0204 -0,0267 0,0169CMit 0,0791 *** 0,0212 -0,0453 0,0320 -0,0291 0,0262 -0,0307 0,0240 -0,0289 0,0200M2CCit -0,0394 0,0061 0,0054 0,0102 -0,0050 0,0065 -0,0065 0,0100 0,0040 0,0075Denit -0,0026 0,0018 0,0007 0,0115 0,0015 0,0090 -0,0007 0,0075 0,0038 0,0296KPrit 0,0082 0,0053 0,0163 *** 0,0031 0,0171 *** 0,0032 0,0150 *** 0,0031 0,0135 *** 0,0020Constante -0,0885 0,0221 -0,0021 0,0020 0,2000 0,1636 0,0315 0,0531 0,0798 *** 0,0154


Intra 0,9984 0,9904Entre 0,9985 0,9975


Tit-1 0,8193 *** 0,0923 -0,4085 0,1400 0,2664 ** 0,1247 0,2615 0,1784 -0,3415 0,0830B7022it-2 0,0082 * 0,0050 0,0121 * 0,0064 0,0147 * 0,0081 0,0147 ** 0,0072 0,0270 *** 0,0058Git -0,0190 0,0253 -0,0766 0,0776 -0,0638 0,0425 -0,0478 0,0462 -0,0415 0,0415PIBit -0,0911 0,0400 -0,0461 0,0153 0,0219 0,0569 0,0224 * 0,0127 0,1106 *** 0,0264RBit 0,0260 0,0504 0,0134 0,0211 -0,0474 0,0578 -0,0478 0,0159 -0,1037 0,0269KHit 0,0701 *** 0,0095 0,0742 *** 0,0143 0,0786 *** 0,0170 0,0680 *** 0,0173 0,0772 *** 0,0139Pobit -0,2262 0,0586 -0,2501 0,3232 -0,1108 0,1527 -0,1418 0,1708 -0,7940 0,2910Uit -0,0036 0,0054 0,0072 0,0097 -0,0043 0,0103 0,0000 0,0062 -0,0055 0,0091TFit 0,0000 *** 0,0000 0,0000 0,0000 0,0000 * 0,0000 0,0000 0,0000 0,0000 0,0000Autit 0,1743 *** 0,0513 0,0568 0,1333 0,1030 0,1390 0,0809 0,1089 0,2235 * 0,1324Camit -0,0684 0,0244 -0,5232 0,2241 -0,0810 0,0878 -0,0593 0,1035 -0,1791 0,1519OVit -0,0284 0,0149 -0,0459 0,0179 -0,0140 0,0174 -0,0207 0,0094 -0,0300 0,0137Banit -0,1101 0,0345 -0,1754 0,0908 -0,2966 0,0761 -0,2642 0,0741 -0,2812 0,1164CAit 0,0228 0,0255 0,3111 0,2830 0,1723 0,1320 0,1972 0,1355 0,3880 ** 0,1676CCit -0,0019 0,0099 0,2679 ** 0,1253 0,0461 0,0455 0,0542 0,0561 0,2780 *** 0,0907CMit 0,1260 ** 0,0531 0,2319 0,1429 0,1468 0,1039 0,1814 ** 0,0809 0,3375 *** 0,0964M2CCit 0,0000 0,0181 -0,0112 0,0535 0,0185 0,0262 0,0211 0,0308 0,0619 * 0,0346Denit 0,0026 0,0048 0,0241 0,0445 0,0088 0,0427 0,0005 0,0179 0,0292 0,1708KPrit -0,0210 0,0172 -0,0200 0,0138 -0,0224 0,0196 -0,0182 0,0225 -0,0387 0,0094Constante -0,2289 0,0683 0,0167 ** 0,0071 -0,4705 0,4353 -0,2319 0,1725 -0,3253 0,0529


Intra 0,8287 0,7795Entre 0,8641 0,1966


Tabla 5Regresiones de Stock y Turbulencia de Empresas (CCAA)

Variable Dependiente Stock de Empresas(1) (2) (3) (4) (5)

Variable Dependiente Turbulencia de Empresas(1) (2) (3) (4) (5)

32

En la Tabla 6 se pueden observar las regresiones para las variables operativas y financieras. En este

caso todas las estimaciones son análogas a la columna 5 de la tabla anterior. En el primer panel se

muestran los Ingresos Totales, Resultados Antes de Impuestos y Número de Empleados en las

columnas 1, 2 y 3 respectivamente. Mientras que en el segundo panel se muestra el Activo Total,

Pasivo de Largo Plazo y el Capital de Fondos Propios en las columnas 1, 2 y 3 respectivamente. En

cuanto a las variables operativas parece que los nacimientos en el sector 7022 tienen un efecto positivo

aunque débil en los Ingresos y Resultados antes de impuestos y ningún efecto sobre el número de

empleados. El capital humano y la presencia de cajas de ahorro parece tener un efecto positivo en todas

las estimaciones operativas, mientras que factores de demanda como la renta bruta de los hogares

parecen afectar de manera positiva las variables. En cuanto a las variables financieras los nacimientos

del sector 7022 sólo parecen tener efecto en el Capital de Fondos Propios, teniendo en cuenta que la

misión de muchas de estas empresas es buscar inversionistas que formen parte de la nueva empresa el

resultado es de esperarse. El efecto aproximado es de 0.29 desviaciones estándar lo que equivale a unos

3,184 millones en el capital de fondos propios total. Si bien este efecto es grande debe entenderse que

el capital es la acumulación a través del tiempo no simplemente de la recaudación de capital en un año.

Es interesante observar el efecto positivo del gasto público tanto en la generación de Capital como de

Pasivo aunque al ser el gasto total el mecanismo de cómo el gasto público llega a las finanzas de la

empresa no es tan claro. Finalmente destacar que los Bancos en este caso parecen tener una influencia

positiva y significativa con respecto a la acumulación de capital y pasivo lo cual era de esperarse ya

que la mayor parte del crédito para nuevas empresas proviene de los Bancos

5.2. R5.2. RESULTADOSESULTADOS P PROVINCIALESROVINCIALES

En el primer panel de la Tabla 7 se puede observar la regresión para el nacimiento total de empresas

para el caso Provincial. Los resultados son similares al caso autonómico con un efecto significativo y

positivo tanto de la persistencia como de los nacimientos en el sector 7022. De nuevo se puede ver

como la evolución de estimaciones de la columna 1 a la columna 5 (descartando la columna 2 que al

ser en diferencias no es comparable) reduce la persistencia y aumenta el coeficiente del sector 7022.

33

Coeficiente Desv. Est. Coeficiente Desv. Est. Coeficiente Desv. Est.

Opit -1 0,0001 0,0003 0,1978 ** 0,0872 0,3021 *** 0,0667B7022it-2 0,0009 * 0,0005 0,4703 * 0,2763 0,0164 0,0151Git 0,0043 0,0038 0,7331 ** 0,2944 0,0498 0,0394PIBit 0,0026 0,0023 -0,3730 0,2112 -0,0688 0,0265

RBit 0,0060 ** 0,0024 0,4875 ** 0,2045 0,0922 *** 0,0279KHit 0,0078 *** 0,0012 0,6878 *** 0,1018 0,0336 *** 0,0129Pobit -0,1697 0,0277 -0,8722 0,9884 -0,3808 0,1635Uit -0,0009 0,0008 0,0267 0,0539 -0,0085 0,0080TFit 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000Aut it 0,0673 *** 0,0125 0,0806 0,8007 -0,3053 0,1089Camit 0,0241 * 0,0145 -0,6037 0,7815 0,2263 * 0,1223OVit -0,0073 0,0012 -0,1316 0,1090 -0,0636 0,0141Banit 0,0200 * 0,0107 0,2295 0,5118 0,0944 0,0840CAit 0,0421 *** 0,0151 2,2553 ** 0,9733 0,6746 *** 0,1465CCit 0,0051 0,0087 0,1806 0,3799 -0,0636 0,0655CMit 0,0090 0,0085 -1,2860 0,6111 0,0146 0,0849M2CCit 0,0042 0,0032 0,3865 * 0,2173 0,1057 *** 0,0308Denit 0,0045 0,0170 0,0936 0,6432 0,0432 0,1022KPrit -0,0036 0,0008 -0,0971 0,0750 -0,0217 0,0091Constante 0,0010 0,0041 2,0717 ** 0,9704 0,1033 0,1027

Obs 180 180 180R-square Total 0,4257 0,0012 0,8509

Intra 0,9197 0,8717 0,8836Entre 0,5117 0,1221 0,8524


Finit-1 0,0007 0,0024 0,7625 *** 0,0459 0,0690 0,0659B7022it-2 0,0027 0,0040 -0,0299 0,0312 0,1065 *** 0,0204Git -0,0319 0,0330 0,2575 *** 0,0536 0,2990 *** 0,0782PIBit 0,0145 0,0193 -0,0174 0,0363 0,0309 0,0519

RBit -0,0210 0,0200 0,0590 0,0385 -0,0459 0,0535KHit -0,0099 0,0097 0,0045 0,0182 -0,1164 0,0251Pobit -0,7576 0,2809 0,3741 * 0,2153 -0,2698 0,3824Uit -0,0078 0,0073 0,0065 0,0105 -0,0049 0,0162TFit 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000Aut it 0,4719 *** 0,1197 0,6118 *** 0,1758 -0,8990 0,2314Camit 0,3014 ** 0,1435 -0,2204 0,1671 0,8004 *** 0,2595OVit -0,0539 0,0103 -0,1805 0,0196 -0,1157 0,0270Banit 0,1179 0,0867 0,5355 *** 0,1044 0,9674 *** 0,1826CAit 0,2153 * 0,1269 0,3519 * 0,1969 0,3561 0,3052CCit -0,1572 0,0821 -0,0406 0,0772 -0,2339 0,1361CMit 0,3112 *** 0,0711 -0,0880 0,1123 0,4820 *** 0,1704M2CCit 0,0761 *** 0,0285 -0,0051 0,0398 0,1846 *** 0,0606Denit 0,0188 0,1903 0,0052 0,1270 0,0579 0,2285KPrit -0,0169 0,0066 0,0275 * 0,0148 -0,1099 0,0185Constante 0,4798 *** 0,0230 0,5629 *** 0,1627 0,4189 ** 0,1674


Intra 0,7193 0,9885 0,9132Entre 0,7803 0,9505 0,7868

Tabla 6Regresiones con variables Operativas y Financieras (CCAA)

Variables Dependientes Operativas(1) (2) (3)


Variables Dependientes Financieras(1) (2) (3)

Dicho efecto de 0.0308 desviaciones estándar equivale unos 41 nacimientos de empresas, si

tenemos en cuenta que para Comunidad Autónoma eran 80 y existen prácticamente 2.5 provincias por

cada Comunidad Autónoma el efecto es bastante robusto a través de las especificaciones. También hay

34

que destacar de nuevo el efecto positivo del Capital Humano y de factores de demanda como número

de teléfonos, automóviles y comercio minorista. Finalmente destacar el efecto de las Cooperativas de

Crédito que es positivo aunque no demasiado consistente entre especificaciones, además aunque la

magnitud del coeficiente es mayor a las de nacimientos en el sector 7022 hay que tener en cuenta que

aumentar una desviación estándar representa 43 nuevas empresas del sector 7022 pero prácticamente

un aumento de 80 locales de Cooperativas de Crédito.

En el segundo panel de la Tabla 7 se puede observar el comportamiento para el número de

muertes de empresas. Aunque en este caso la persistencia si es significativa, de nuevo parece que no

hay ningún efecto de las empresas del sector 7022 en las muertes de empresas. Al igual que en el caso

de Comunidades Autónomas son los factores de demanda, en este caso, PIB, Camiones y Otros

Vehículos los que tienen un mayor efecto, mostrando que existe un mayor dinamismo en las zonas que

gozan de mejores condiciones económicas.

En el primer panel de la Tabla 8 se pueden ver los resultados para el Stock de empresas. La

persistencia es significativa pero de mayor magnitud que en el caso de nacimientos de empresas. El

efecto de los nacimientos en el sector 7022 es bastante consistente a través de las especificaciones

teniendo para la especificación de la columna 5 que un aumento en la desviación estándar de los

nacimientos del sector 7022 provoca un aumento en el Stock de empresas de 0.0163 desviaciones

estándar que equivale a 367 empresas; dicho efecto es mayor en magnitud al de las Comunidades

Autónomas lo que sugiere que el efecto del sector 7022 está limitado geográficamente, mostrando

mejores resultados en la medida que se especifica el ámbito regional. Es también importante notar el

efecto positivo y significativo del gasto gubernamental que también es geográficamente limitado. De

nuevo el capital humano tiene un efecto positivo en el Stock de empresas, además de otras variables de

demanda como el número de automóviles y de forma menos consistente para el caso del comercio

minorista y las cooperativas de crédito que parecen ser las instituciones financieras formales más

relacionadas con la formación de empresas y persistencia tanto en el nivel autonómico como

provincial.

35


Bit-1 0,9613 *** 0,0359 0,0942 0,0855 0,7855 *** 0,0965 0,7695 *** 0,0849 0,5943 *** 0,0440B7022it-2 0,0121 *** 0,0036 0,0192 *** 0,0060 0,0152 ** 0,0064 0,0150 ** 0,0062 0,0308 *** 0,0055Git -0,0006 0,0015 0,0057 ** 0,0024 0,0009 0,0032 0,0031 * 0,0018 0,0089 *** 0,0031

PIBit -0,0404 0,0161 -0,0084 0,0185 -0,0198 0,0191 -0,0268 0,0166 -0,0263 0,0147

RBit 0,0022 0,0057 0,0032 0,0043 0,0043 0,0083 0,0028 0,0038 0,0085 0,0072

KHit 0,0299 *** 0,0078 0,0409 *** 0,0107 0,0411 *** 0,0083 0,0365 *** 0,0067 0,0332 *** 0,0069

Pobit 0,0123 0,0181 0,0303 0,0225 0,0008 0,0248 0,0150 0,0204 0,0223 0,0195

Uit 0,0026 0,0020 0,0071 0,0059 0,0150 *** 0,0043 0,0093 ** 0,0045 0,0138 *** 0,0033

TFit 0,0323 0,0380 -0,0215 0,1241 0,1653 * 0,0919 0,1421 0,0933 0,1036 0,0669

Autit 0,0870 *** 0,0317 0,2915 ** 0,1169 0,1767 ** 0,0861 0,1589 * 0,0822 0,2361 *** 0,0621

Camit -0,0282 0,0087 -0,3122 0,1385 -0,1021 0,0619 -0,1346 0,0610 -0,2755 0,0437

OVit -0,0533 0,0115 -0,1175 0,0251 -0,0806 0,0159 -0,0801 0,0221 -0,1086 0,0075

Banit -0,0657 0,0202 -0,1475 0,0729 -0,1201 0,0542 -0,1055 0,0260 -0,0722 0,0362

CAit 0,0038 0,0162 0,2080 0,1605 -0,0790 0,0822 -0,0266 0,0578 0,0711 0,0503

CCit 0,0029 0,0018 0,0545 * 0,0300 0,0296 ** 0,0129 0,0269 0,0181 0,0560 *** 0,0175

CMit 0,0179 0,0223 0,2016 *** 0,0751 -0,0053 0,0453 0,0044 0,0407 0,0820 ** 0,0401

M2CCit -0,0207 0,0124 -0,0167 0,0223 0,0092 0,0178 0,0103 0,0136 0,0044 0,0151

Denit -0,0012 0,0006 -0,0013 0,0004 0,0024 0,0017 0,0027 * 0,0016 0,0022 0,0030

KPrit -0,0070 0,0076 -0,0048 0,0072 0,0070 0,0083 0,0056 0,0041 -0,0038 0,0041Constante -0,0162 0,0047 -0,0015 0,0021 -0,0446 0,0517 -0,0372 0,0096 -0,0530 0,0040

Obs 624 572 624 624 572

R-square Total 0,9903 0,7085 0,9931 0,9576 0,9253Intra 0,9577 0,9236Entre 0,9583 0,92


Dit-1 0,9464 *** 0,1975 -0,1966 0,3087 0,7993 *** 0,1629 0,8580 *** 0,1949 0,5019 *** 0,0772B7022it-2 -0,0169 0,0169 -0,1184 0,0483 -0,0288 0,0288 -0,0460 0,0216 0,0229 0,0793Git -0,0241 0,0140 -0,1514 0,0390 -0,0275 0,0232 -0,0903 0,0264 -0,1461 0,0362

PIBit 0,1133 0,1347 0,8898 *** 0,3279 0,2629 0,2103 0,2647 0,2225 0,4925 *** 0,1694

RBit -0,0116 0,0479 0,1154 0,0754 -0,0962 0,1721 -0,0884 0,0550 -0,0897 0,0820

KHit 0,2653 *** 0,0535 0,1893 * 0,1105 0,2214 *** 0,0832 0,2808 *** 0,0640 0,2530 *** 0,0683

Pobit -0,3262 0,1578 -1,1796 0,4335 -0,3684 0,2662 -0,3743 0,3108 -0,6573 0,2202

Uit -0,0104 0,0172 -0,2386 0,0628 -0,0481 0,0511 -0,0935 0,0274 -0,1419 0,0364

TFit 0,4644 * 0,2708 0,4035 1,4747 0,3347 0,8647 0,3350 0,7299 0,4860 0,7382

Autit -0,2252 0,2288 -0,2971 1,6532 -0,5047 0,5963 -0,0215 0,9446 -0,2091 0,6981

Camit 0,1864 * 0,0999 1,9448 1,6557 0,9455 ** 0,4731 1,3097 *** 0,3796 2,1262 *** 0,4627

OVit 0,2395 *** 0,0861 0,5560 *** 0,1516 0,3018 *** 0,1039 0,3042 *** 0,0767 0,4607 *** 0,0846

Banit 0,2047 0,1570 0,4102 0,6183 0,0254 0,3846 0,2493 0,2496 0,4283 0,3959

CAit -0,1155 0,1310 -4,1471 1,5713 -0,7410 0,5544 -1,5064 0,2820 -2,7302 0,5621

CCit 0,0301 0,0337 0,7194 * 0,3744 0,1410 0,1255 0,1259 0,1331 0,3142 * 0,1891

CMit -0,2201 0,1617 -2,4695 0,8515 -0,5958 0,4352 -0,9596 0,4139 -1,3661 0,4609

M2CCit 0,0032 0,1002 0,5804 ** 0,2731 0,1074 0,1663 0,1754 0,1072 0,3163 * 0,1695

Denit 0,0030 0,0058 0,0151 ** 0,0068 -0,0204 0,0223 -0,0281 0,0108 -0,0289 0,0336

KPrit -0,3526 0,0716 -0,0324 0,1105 -0,3550 0,0808 -0,2681 0,0537 -0,2357 0,0462

Constante 0,1226 *** 0,0296 0,0781 *** 0,0258 -0,1985 0,4208 0,1113 *** 0,0288 0,0507 * 0,0270

Obs 624 572 624 624 572



Tabla 7Regresiones de Nacimientos y Muertes de Empresas (Provincial)

Variable Dependiente Número de Empresas(1) (2) (3) (4) (5)

Variable Dependiente Número de Muertes de Empresas(1) (2) (3) (4) (5)

36

En el segundo panel de la Tabla 8 se pueden ver los resultados para la turbulencia de empresas.

Este caso difiere del autonómico en que el efecto de la persistencia es que el que es consistente a través

de las estimaciones, mientras que los nacimientos del sector 7022 no tienen efecto sobre la turbulencia

a nivel provincial. El Capital Humano tiene un efecto positivo, además de ciertos factores de demanda

especialmente el número de Teléfonos Fijos, Automóviles y metros cuadrados de Centros Comerciales.

Cabe destacar de nuevo el efecto de las Cooperativas de Crédito como impulsoras del dinamismo

empresarial a nivel provincial.

En el primer panel de la Tabla 9 se pueden ver las regresiones para las variables operativas. A

este nivel de desagregación los nacimientos del sector 7022 parecen tener un efecto positivo sobre los

Resultados antes de Impuestos y el Número de Empleados. Un aumento de una desviación estándar en

los nacimientos del sector 7022 tiene una influencia de 0.4085 desviaciones estándar sobre los

Resultados antes de Impuestos lo que equivale a 645 millones de euros por cada año y provincia,

sugiriendo que el efecto de las empresas del sector 7022 tiene una influencia bastante directa en la

operativa de la empresa (aunque no en sus Ingresos Totales). Los resultados para número de empleados

muestran que un aumento de una desviación estándar en el sector 7022 trae como resultado un aumento

de unos 11,243 empleados en cada provincia, aunque dicho resultado neto debe ser más pequeño ya

que mucho del efecto se debe posiblemente a las empresas que no cierran más que a una generación de

empleo directa. Se puede ver que la acumulación de activos está principalmente influenciada por

factores de actividad económica como el PIB, la renta bruta, el Capital Humano o el número de

automóviles. También es importante destacar el efecto de las Cajas de Ahorro sobre el ingreso total de

las empresas, posiblemente mediante el efecto de créditos sobre el consumo. En el caso de los

Resultados Ordinarios además del efecto de la persistencia y el sector 7022 también hay influencia del

Capital Humano, la renta bruta y más débilmente el número de camiones y el comercio minorista. En lo

que respecta al Número de empleados es importante destacar que además del efecto del sector 7022

destaca el de las instituciones financieras formales como son los Bancos y las Cajas de Ahorro, de

nuevo aunque la magnitud de sus coeficientes sea elevada también hay que tener en cuenta que un

aumento de una desviación estándar para este tipo de instituciones equivale a aumentar en la provincia

aproximadamente en 400 Bancos y prácticamente 600 Cajas de Ahorro.

En el segundo panel de la Tabla 9 se presentan los resultados para las variables financieras. Al

igual que en el caso autonómico el efecto de los nacimientos del sector 7022 se da en la acumulación

de Capital, un aumento de una desviación estándar provoca 0.1614 desviaciones estándar en el Capital

37

acumulado de la provincia lo que equivale 2872 millones de Euros, un resultado menor al obtenido a

nivel autonómico en términos absolutos pero mayor en términos relativos ya que el tamaño de las

provincias es menor que la proporción de reducción en el capital recaudado, poniendo de nuevo el

énfasis de que el impacto de las variables es mayor al reducir el nivel geográfico puesto que los

alcances del sector 7022 son limitados a cierta área de acción. También cabe destacar que en las

estimaciones provinciales el papel de los Bancos es relevante para la formación de Pasivo y Capital,

mientras que las Cajas de Ahorro afectan positivamente las tres variables financieras.

5.3. R5.3. RESULTADOSESULTADOS M MUNICIPALESUNICIPALES

En el primer panel de la Tabla 10 se pueden observar los resultados para la variable dependiente

número de nacimientos a nivel municipal. La persistencia de nuevo es alta pero se reduce conforme se

avanza de la columna 1 a la columna 5. Por otro lado el efecto de los nacimientos en el sector 7022 no

es tan fuerte como en las estimaciones autonómicas y provinciales (principalmente no se mantiene la

relación en diferencias presentada en la columna 2) pero es significativo al 0.01 para la estimación más

exigente en la columna 5. Los resultados implican que un aumento de una desviación estándar en los

nacimientos de empresas en el sector 7022 provocará un aumento 0.0170 desviaciones estándar que

equivale a 1.54 empresas. Sin duda el efecto es mucho más modesto que en el caso provincial o

autonómico, pero hay que tener en cuenta que existen 67 municipios en promedio por cada provincia

por lo que el efecto es comparable, por otro lado los alcances de estas empresas son geográficamente

limitados por lo que el efecto que presenta esta regresión está más ajustado. Con respecto al resto de

variable cabe destacar que el Capital Humano aunque significativo no es tan consistente como en las

estimaciones pasadas, pero se debe principalmente a que se mide en términos provinciales. En este caso

el gasto gubernamental es significativo y de mayor nivel que la influencia del sector 7022, pero es

necesario recordar que una desviación estándar del sector 7022 equivale a 5 nacimientos, mientras que

la desviación estándar del gasto público representa 89.5 millones de euros. Otro aspecto interesante de

esta especificación es que las tres formas de instituciones financieras tienen un efecto positivo en la

creación de empresas, aunque parece que el efecto de las Cajas de Ahorro es más robusto. También

existe un efecto de las variables de actividad económica con signo positivo. En cualquier caso a nivel

municipal parece tener un efecto más directo sobre la actividad mientras que las regresiones

autonómicas y provinciales parecen mostrar un efecto derrama sobre la totalidad de municipios.

38

Coeficiente Desv. Est . Coeficiente Desv. Est . Coeficiente Desv. Est . Coeficiente Desv. Est . Coeficiente Desv. Est .

Sit-1 1,0249 *** 0,0088 0,8626 *** 0,0483 0,8785 *** 0,0207 0,8624 *** 0,0143 0,7878 *** 0,0154B7022it-2 0,0092 *** 0,0020 0,0077 *** 0,0026 0,0048 * 0,0028 0,0058 *** 0,0020 0,0163 *** 0,0028Git 0,0007 0,0011 0,0064 *** 0,0016 0,0029 * 0,0017 0,0053 *** 0,0015 0,0070 *** 0,0015PIBit -0,0375 0,0081 -0,0217 0,0110 -0,0048 0,0101 -0,0033 0,0084 0,0007 0,0076

RBit -0,0021 0,0028 -0,0013 0,0026 0,0082 0,0076 0,0086 *** 0,0030 0,0081 ** 0,0036KHit 0,0110 *** 0,0036 0,0048 0,0050 0,0110 ** 0,0044 0,0077 0,0051 0,0015 0,0030Pobit 0,0575 *** 0,0096 0,0333 ** 0,0148 0,0041 0,0123 0,0017 0,0132 -0,0030 0,0100Uit 0,0026 * 0,0015 0,0082 *** 0,0025 0,0022 0,0023 0,0049 ** 0,0020 0,0056 *** 0,0016TFit -0,0242 0,0227 -0,0042 0,0606 0,0247 0,0401 0,0197 0,0481 -0,0258 0,0326Autit 0,0303 * 0,0181 0,0817 0,0588 0,0921 *** 0,0350 0,0773 *** 0,0238 0,0822 *** 0,0303Camit -0,0215 0,0064 -0,0672 0,0765 -0,0762 0,0295 -0,0855 0,0304 -0,1016 0,0219OVit -0,0383 0,0061 -0,0359 0,0075 -0,0360 0,0051 -0,0358 0,0069 -0,0344 0,0037Banit -0,0283 0,0117 -0,0827 0,0396 -0,0599 0,0222 -0,0794 0,0249 -0,0580 0,0179CAit 0,0218 0,0137 0,1974 ** 0,0863 0,0814 * 0,0474 0,1207 *** 0,0400 0,1855 *** 0,0249CCit 0,0010 0,0019 -0,0126 0,0168 -0,0065 0,0060 -0,0068 0,0075 -0,0184 0,0088CMit 0,0254 ** 0,0114 0,1402 *** 0,0398 0,0965 *** 0,0277 0,1099 *** 0,0220 0,1571 *** 0,0204M2CCit -0,0163 0,0057 -0,0203 0,0114 -0,0243 0,0082 -0,0298 0,0094 -0,0392 0,0078Denit 0,0002 0,0005 -0,0007 0,0003 0,0012 0,0010 0,0013 * 0,0007 0,0009 0,0015KPrit 0,0224 *** 0,0052 -0,0002 0,0048 0,0177 *** 0,0050 0,0145 *** 0,0024 0,0040 ** 0,0020Constante 0,0183 *** 0,0010 -0,0028 0,0011 0,0387 0,0247 0,0153 *** 0,0007 0,0188 *** 0,0011


Intra 0,9915 0,9667Entre 0,999 0,9978

Coeficiente Desv. Est . Coeficiente Desv. Est . Coeficiente Desv. Est . Coeficiente Desv. Est . Coeficiente Desv. Est .

Tit-1 0,9053 *** 0,0546 -0,4189 0,1631 0,4011 *** 0,1141 0,4099 ** 0,1929 0,1610 *** 0,0571B7022it-2 0,0093 ** 0,0037 -0,0019 0,0064 0,0117 0,0083 0,0092 0,0065 0,0399 ** 0,0159Git -0,0043 0,0023 -0,0209 0,0051 -0,0057 0,0034 -0,0139 0,0039 -0,0175 0,0052PIBit -0,0166 0,0192 0,1596 *** 0,0520 0,0617 * 0,0343 0,0572 0,0429 0,0747 *** 0,0236

RBit -0,0001 0,0073 0,0211 * 0,0111 -0,0150 0,0256 -0,0153 0,0093 -0,0124 0,0113KHit 0,0756 *** 0,0074 0,0985 *** 0,0161 0,0945 *** 0,0105 0,0971 *** 0,0104 0,1075 *** 0,0102Pobit -0,0429 0,0251 -0,1504 0,0685 -0,0668 0,0414 -0,0561 0,0492 -0,0648 0,0307Uit 0,0008 0,0026 -0,0327 0,0100 -0,0005 0,0068 -0,0085 0,0042 -0,0123 0,0048TFit 0,1132 ** 0,0470 0,1606 0,1630 0,3609 *** 0,1188 0,3218 *** 0,0988 0,3994 *** 0,1039Autit 0,0506 0,0422 0,3115 0,2281 0,2323 ** 0,1171 0,2928 ** 0,1449 0,4007 *** 0,0993Camit 0,0004 0,0162 -0,0970 0,2181 -0,0205 0,0583 0,0337 0,0566 0,0410 0,0603OVit -0,0112 0,0138 -0,0206 0,0190 -0,0379 0,0148 -0,0284 0,0125 -0,0353 0,0110Banit -0,0320 0,0281 -0,0753 0,0935 -0,1395 0,0648 -0,0954 0,0353 -0,0640 0,0530CAit -0,0043 0,0249 -0,4820 0,1925 -0,1443 0,0610 -0,2236 0,0470 -0,3431 0,0764CCit 0,0089 * 0,0052 0,1724 *** 0,0534 0,0691 *** 0,0202 0,0659 *** 0,0230 0,1119 *** 0,0248CMit -0,0140 0,0299 -0,1968 0,1260 -0,1331 0,0721 -0,1897 0,0804 -0,2022 0,0629M2CCit -0,0236 0,0151 0,0961 ** 0,0426 0,0294 0,0254 0,0397 *** 0,0113 0,0605 *** 0,0231Denit -0,0001 0,0010 0,0010 0,0011 -0,0018 0,0029 -0,0028 0,0015 -0,0034 0,0046KPrit -0,0665 0,0097 0,0045 0,0138 -0,0511 0,0104 -0,0408 0,0103 -0,0354 0,0068Constante -0,0017 0,0080 0,0129 *** 0,0039 -0,0771 0,0522 -0,0645 0,0242 -0,0629 0,0071


Intra 0,6602 0,5852Entre 0,8123 0,6811

Tabla 8Regresiones de Stock y Turbulencia de Empresas (Provincial)




39


Opit -1 0,0000 0,0002 0,1491 *** 0,0587 0,3237 *** 0,0368B7022it-2 -0,0004 0,0003 0,4085 *** 0,1011 0,0333 *** 0,0104Git 0,0007 ** 0,0003 0,0320 0,0232 0,0008 0,0031PIBit 0,0068 *** 0,0016 0,2267 0,1495 0,0432 *** 0,0146RBit 0,0026 *** 0,0008 0,1360 *** 0,0498 0,0163 ** 0,0068KHit 0,0079 *** 0,0006 0,7058 *** 0,0430 0,0297 *** 0,0058Pobit -0,0013 0,0021 -0,5435 0,1614 -0,0701 0,0190

Uit -0,0002 0,0005 0,0095 0,0205 -0,0043 0,0032TFit -0,0251 0,0071 -0,8177 0,4394 -0,0477 0,0611Autit 0,0333 *** 0,0071 -0,5777 0,4469 -0,3756 0,0577

Camit 0,0051 0,0074 0,5092 * 0,2604 0,2123 *** 0,0407OVit -0,0065 0,0008 0,0021 0,0483 -0,0396 0,0070Banit -0,0025 0,0045 -0,7799 0,2201 0,0846 *** 0,0319CAit 0,0465 *** 0,0058 0,4903 0,3250 0,3191 *** 0,0468

CCit 0,0043 0,0028 0,1618 0,1026 0,0092 0,0151CMit 0,0109 ** 0,0045 0,4813 * 0,2709 0,1566 *** 0,0378M2CCit 0,0020 0,0019 0,0392 0,0998 0,0257 * 0,0140

Denit -0,0002 0,0004 -0,0027 0,0197 -0,0010 0,0028KPrit -0,0007 0,0003 0,0007 0,0322 -0,0077 0,0042Constante -0,0340 0,0003 -0,0151 0,0173 0,0084 *** 0,0023

Obs 572 572 572

R-square Total 0,9523 0,3042 0,9277Intra 0,8493 0,8711 0,8793Entre 0,9593 0,0597 0,9288


Finit-1 0,0009 0,0017 0,4744 *** 0,0372 0,2699 *** 0,0311B7022it-2 0,0001 0,0023 0,0217 * 0,0122 0,1614 *** 0,0161Git 0,0085 *** 0,0025 0,0127 ** 0,0063 -0,0008 0,0057

PIBit 0,0257 * 0,0151 0,1477 *** 0,0310 0,1942 *** 0,0259

RBit 0,0010 0,0072 0,0026 0,0149 0,0131 0,0126KHit -0,0046 0,0060 -0,0426 0,0123 -0,1290 0,0106Pobit -0,0282 0,0198 -0,2030 0,0410 -0,2553 0,0345

Uit 0,0004 0,0044 -0,0064 0,0073 -0,0140 0,0061TFit -0,2656 0,0658 -0,5936 0,1347 -0,6093 0,1138Autit 0,1139 * 0,0668 0,0693 0,1346 -0,6753 0,1075

Camit 0,3174 *** 0,0741 0,3451 *** 0,1127 0,5587 *** 0,0826OVit -0,0726 0,0075 -0,0817 0,0150 -0,0658 0,0122Banit -0,0167 0,0411 0,1483 ** 0,0755 0,2619 *** 0,0603CAit 0,5206 *** 0,0540 1,0011 *** 0,1041 0,4964 *** 0,0885CCit -0,0349 0,0270 -0,0951 0,0372 -0,0696 0,0289CMit 0,2492 *** 0,0415 0,4450 *** 0,0830 0,4269 *** 0,0699M2CCit 0,0442 ** 0,0178 -0,1149 0,0313 0,0467 * 0,0260Denit -0,0002 0,0033 -0,0012 0,0062 -0,0034 0,0052KPrit -0,0153 0,0032 -0,0107 0,0093 -0,0441 0,0079Constante -0,0039 0,0026 0,0225 *** 0,0046 0,0280 *** 0,0041


Intra 0,6762 0,9336 0,9347Entre 0,9286 0,9301 0,8691

Tabla 9Regresiones con variables Operativas y Financieras (Provincial)




40

En el segundo panel de la Tabla 10 se muestran los resultados para la muerte de empresas. De

nuevo el sector 7022 no parece tener ningún efecto sobre las muertes de empresas. De igual forma la

persistencia existe aunque no es robusta a través de las especificaciones. El gasto público tiene un

efecto significativo y positivo en las estimaciones lo que implica que a mayor gasto público mayor

número de defunciones de empresas Este efecto debe entenderse como en el caso autonómico y

provincial junto con el resto de factores que capturan la actividad económica como que en las zonas

donde hay mayores recursos hay también un mayor dinamismo de empresas y por lo tanto un efecto

significativo sobre las muertes de empresas.

En el primer panel de la Tabla 11 se pueden ver los resultados para el Sotck de empresas. Aquí

el efecto de la alta persistencia es consistente a través de todas las estimaciones. En cuanto a los

nacimientos del sector 7022 de nuevo el resultado es significativo y positivo implicando que un

aumento de una desviación estándar en dicho sector provoca un aumento de 0.0434 desviaciones

estándar en el stock de empresas lo que equivale a 64.39 empresas, esto equivale a un efecto 11 veces

más grandes en términos relativos a lo que se observa en el caso provincial. Este efecto aunado al que

se presenta en la regresión de nacimientos es una prueba del impacto de dicho sector en los nacimientos

de empresas y en su mantenimiento en el largo plazo ya que se tiene un efecto más que proporcional en

el stock de empresas con respecto al comportamiento en la ecuación de nacimientos. De nuevo el gasto

público tiene un efecto positivo en el stock de empresas, al igual que ciertos factores de demanda como

el PIB, el Comercio Minorista o la Densidad Poblacional, un resultado que es de esperarse ya que

donde las condiciones económicas sean mejores habrá mayor número de empresas.

En el segundo panel de la Tabla 11 se pueden observar las regresiones para la turbulencia de

empresas. La persistencia en la turbulencia existe pero se va reduciendo conforme se progresa de la

columna 1 hacia la columna 5, esto implica que el dinamismo está determinado por lo que ha sucedido

en el pasado pero de forma limitada. En cuanto a los nacimientos en el sector 7022 no tienen ningún

efecto en ninguna de las estimaciones, esto está claramente en disonancia con lo observado en las

regresiones autonómicas y provinciales en donde si existía un efecto aunque no fuera consistente en

todas las estimaciones. Esto se puede deber a que la variable turbulencia como proxy del dinamismo

empresarial es apta para ámbitos geográficos más agregados, pero en nivel provincial en el que se

presentan municipios sin nacimientos o muertes de empresas puede complicar la interpretación de los

resultados.

41


Bit-1 0.8665 *** 0.0722 0.0686 0.1045 0.8599 *** 0.0763 0.5811 *** 0.0949 0.4497 *** 0.0047B7022it-2 0.0856 * 0.0508 0.0027 0.0220 0.0882 * 0.0524 0.0424 * 0.0228 0.0170 *** 0.0026Git -0.0537 0.0422 0.0559 0.0372 -0.0542 0.0427 0.0524 0.0348 0.0264 *** 0.0026G(P)it 0.0008 * 0.0004 -0.0048 0.0018 0.0005 * 0.0003 -0.0023 0.0017 -0.0024 0.0015PIBit -0.0039 0.0011 0.0028 *** 0.0005 -0.0030 0.0015 0.0018 0.0011 0.0025 *** 0.0005KHit 0.0044 *** 0.0010 0.0015 *** 0.0005 0.0040 *** 0.0013 0.0011 * 0.0006 0.0004 0.0004Pobit 0.0723 0.0543 -0.8646 0.2557 0.0708 0.0568 -0.2961 0.1516 -0.7404 0.0179Uit 0.0005 0.0006 -0.0015 0.0015 -0.0002 0.0006 0.0035 *** 0.0014 0.0051 *** 0.0004TFit -0.0424 0.0704 -0.5123 0.0783 -0.0442 0.0719 -0.3689 0.1326 -0.4386 0.0079Autit 0.0318 0.0398 0.3633 *** 0.0761 0.0310 0.0415 0.4285 *** 0.0968 0.3751 *** 0.0084Camit -0.0135 0.0091 -0.0349 0.0203 -0.0129 0.0101 -0.0738 0.0192 -0.0533 0.0041OVit -0.0528 0.0143 -0.1483 0.0365 -0.0545 0.0150 -0.1381 0.0369 -0.1522 0.0014Banit -0.0533 0.0335 -0.2883 0.1023 -0.0516 0.0353 -0.1357 0.0545 0.0878 *** 0.0087CAit 0.0563 *** 0.0187 0.0168 0.0968 0.0600 *** 0.0204 0.0958 0.0696 0.0346 *** 0.0089CCit 0.0013 0.0029 0.0121 0.0172 0.0015 0.0032 0.0037 0.0123 0.0395 *** 0.0022CMit 0.0263 0.0244 0.2258 *** 0.0872 0.0277 0.0257 -0.0780 0.0575 -0.0130 0.0054M2CCit -0.0025 0.0022 -0.0053 0.0074 -0.0027 0.0022 0.0149 ** 0.0069 0.0202 *** 0.0012Denit -0.0011 0.0006 0.1563 *** 0.0486 -0.0015 0.0006 0.0226 0.0222 0.1029 *** 0.0080KPrit -0.0011 0.0010 -0.0006 0.0005 -0.0015 0.0010 -0.0016 0.0010 -0.0019 0.0005Constante -0.0061 0.0017 0.0015 ** 0.0007 -0.0093 0.0025 -0.0114 0.0021 -0.0114 0.0003

Obs 32305 28802 32305 32305 29049R-square Total 0.9826 0.5573 0.9828 0.4772 0.6632

Intra 0.9001 0.8725Entre 0.8172 0.873


Dit-1 0.4348 *** 0.0965 -0.4107 0.0777 0.4135 *** 0.0986 0.1006 0.1253 -0.2263 0.0080B7022it-2 -0.3863 0.2542 -0.7500 0.4023 -0.3929 0.2555 -0.9804 0.4207 -0.9302 0.0138Git 0.4309 *** 0.1650 0.1964 0.2196 0.4458 *** 0.1670 -0.0493 0.1802 0.0544 *** 0.0142G(P)it 0.0029 0.0023 0.0100 0.0109 0.0029 0.0018 0.0190 * 0.0102 0.0151 * 0.0086PIBit -0.0101 0.0079 0.0058 0.0036 -0.0032 0.0102 -0.0062 0.0042 0.0001 0.0026KHit 0.0267 *** 0.0068 0.0039 0.0036 0.0221 *** 0.0087 0.0134 *** 0.0027 0.0094 *** 0.0023Pobit 0.1589 0.3248 -0.1059 1.1923 0.2016 0.3400 1.5404 ** 0.7021 1.5864 *** 0.1028Uit 0.0022 0.0027 0.0080 0.0064 -0.0006 0.0027 0.0004 0.0058 0.0044 * 0.0025TFit -0.0253 0.3212 -0.3162 0.5898 -0.0351 0.3267 -0.7868 0.8474 -0.4438 0.0454Autit -0.5831 0.2439 -3.2170 0.9863 -0.6156 0.2545 -2.0878 0.8655 -3.0509 0.0464Camit 0.1416 ** 0.0588 0.3830 ** 0.1760 0.1483 ** 0.0638 0.3602 ** 0.1656 0.4493 *** 0.0235OVit 0.2576 *** 0.0784 0.6107 *** 0.1228 0.2673 *** 0.0822 0.4856 *** 0.1044 0.5998 *** 0.0079Banit 0.5171 *** 0.1877 -0.9266 0.3946 0.5191 *** 0.1952 -0.2799 0.3062 -0.6525 0.0505CAit 0.1942 * 0.1109 0.6915 0.9419 0.1932 0.1203 1.0389 ** 0.4967 1.3865 *** 0.0502CCit -0.0134 0.0180 0.3441 *** 0.1217 -0.0156 0.0193 0.2546 *** 0.0845 0.3724 *** 0.0128CMit -0.3592 0.1760 -0.8119 0.4751 -0.3715 0.1818 -0.1784 0.3307 -0.5687 0.0285M2CCit 0.0039 0.0104 0.0434 0.0480 0.0031 0.0105 0.0183 0.0355 0.0392 *** 0.0067Denit -0.0060 0.0044 0.2998 0.2327 -0.0082 0.0049 0.0252 0.1105 0.0495 0.0475KPrit -0.0170 0.0085 -0.0174 0.0032 -0.0252 0.0081 -0.0206 0.0052 -0.0222 0.0027Constante 0.0083 *** 0.0027 0.0102 *** 0.0037 -0.0170 0.0084 -0.0167 0.0059 -0.0214 0.0016

Obs 32305 28802 32305 32305 29049R-square Total 0.9349 0.4818 0.9361 0.0024 0.2166

Intra 0.7812 0.673Entre 0.0282 0.4168

Tabla 10Regresiones de Nacimientos y Muertes de Empresas (Municipal)

Variable Dependiente Número de Nacimientos(1) (2) (3) (4) (5)


Variable Dependiente Número de Muertes(1) (2) (3) (4) (5)

42

En cualquier caso sólo las variables que miden la actividad económica parecen tener un efecto palpable

sobre la turbulencia, además de las instituciones financieras Cajas de Ahorro y Cooperativas de

Crédito.

El primer panel de la Tabla 12 muestra los resultados de las variables operativas. En este caso la

actividad del sector 7022 tiene efecto sobre los Ingresos y los Resultados Ordinarios, pero no sobre el

número de empleados. El efecto sobre los ingresos equivale a 0.0044 desviaciones estándar que

equivale a un aumento de los ingresos en el municipio de 174 millones de euros. El efecto sobre los

Resultados Ordinarios equivale a 0.5460 desviaciones estándar que equivale a 73.71 millones de euros

promedio por municipio. Aunando los efectos de las estimaciones a los tres niveles regionales parece

que el efecto más robusto es el que se tiene sobre los Resultados Ordinarios. En este sentido lo que se

observa es que tanto Ingresos como Número de Empleados puede haber un efecto pero es difícil

asegurarlo dada la falta de consistencia en las estimaciones y el alto grado de influencia de las variables

de demanda sobre estas variables. Mientras que por otro lado los Resultados Ordinarios son resultados

de la eficiencia operativa de las empresas, teniendo en cuenta que las empresas de este sector no sólo se

encargan de financiar nuevas empresas sino asesorarlas es lógico esperar este tipo de resultado. El resto

de las variables muestran que el Ingreso está influenciado por las variables de demanda aunque la

persistencia es el principal efecto. Para el caso del Número de Empleados es interesante notar la

influencia positiva de las instituciones financieras formales, mostrando que el crédito a corto plazo es

un factor determinante para el mantenimiento del empleo. En cuanto a los Resultados Ordinarios cabe

destacar la fuerte influencia que presentan las Cajas de Ahorro con 2.5 desviaciones estándar un efecto

5 veces más grande que el de las empresas del sector 7022 pero dicho efecto se compensa ya que

también la desviación estándar de dicha variable es 5 veces el tamaño de las empresas del sector 7022,

en cualquier caso parece que el efecto es similar.

Finalmente en el segundo panel de la Tabla 12 se puede observar los resultados sobre las

variables financieras. La principal diferencia es que el sector 7022 parece afectar al Activo a diferencia

de en las estimaciones provinciales y autonómicas, mientras que se mantiene el efecto sobre el Pasivo y

el Capital. Esto en cierta forma es otra indicación directa de que las estimaciones municipales son más

precisas, ya que las tres variables financieras son parte de una identidad por lo que si una variable

afecta el pasivo y el capital sería de esperar que afectara el activo. Si bien la identidad contable no es

exacta ya que se usa sólo el Pasivo a largo plazo la relación es bastante aproximada. Así los efectos

sobre el activo son 0.0397 desviaciones estándar que equivale a 300.5 millones de euros. El efecto

43

sobre el pasivo de largo plazo es 0.0615 desviaciones estándar que equivale a 54 millones de euros en

promedio por municipio. Mientras que el efecto sobre el capital es de 0.1335 desviaciones estándar que

equivalen a 211 millones de euros. Como se puede ver la identidad contable no es exacta pero es

bastante aproximada teniendo en cuenta como ya se dijo antes que no se toma en cuenta el efecto del

Pasivo de Corto Plazo. Con respecto al resto de las variables destacar el efecto de los Bancos y el Gasto

Público para afectar a las tres variables financieras mostrando una consistencia similar al sector 7022.

Algunas variables de actividad económica también son significativas en las tres especificaciones como

es el caso del comercio minorista y la población.

5.4. A5.4. ANÁLISISNÁLISIS DEDE R ROBUSTEZOBUSTEZ

El objetivo en esta sección será comprobar la validez de las estimaciones previas mediante tres

estrategias. En primera instancia, se volverán a correr cada una de las regresiones para el número de

nacimientos en los tres niveles geográficos pero con cada una de las variables de control por separado

para medir la sensibilidad. En segundo lugar se reproducirán las estimaciones pero sustituyendo las

variable de interés por, es decir los nacimientos del sector 7022, por otros sectores a cuatro dígitos

seleccionados al azar, pero intentando representar a todos los grandes sectores17. Una tercera prueba

consistirá en estimar las regresión principal pero estimada para sectores a cuatro dígitos, en específico

sectores relacionados con alta y media tecnología de acuerdo a la clasificación del INE para ver si la

influencia de la variable de interés en aquellas compañías que poseen una mayor potencial de

crecimiento e innovación. Cabe aclarar que en todos los casos estas regresiones serán equivalentes a la

regresión de la columna cinco de las Tablas 4, 7 y 10, es decir, la regresión con efectos fijos, término

auto-regresivo en los errores y agrupados por cluster regionales.

En el Anexo las tablas A1, A2 y A3 muestran la primera estrategia de robustez para

Comunidades Autónomas, Provincias y Municipios respectivamente. En cada una de estas tablas de

puede observar el efecto que tiene nuestra variable de interés cuando se regresa exclusivamente con la

persistencia de los nacimientos totales (Columna 1) y subsecuentemente con cada una de las variables

de interés de forma individual. En la columna 5 se muestra una regresión en la que las variables de

interés son substituidos por sus componentes principales para reducir la correlación entre las variables

y ver si esto tiene algún efecto sobre la variable de interés

17 Aquellos que se clasifican de acuerdo a literales de la A a la U

44


Sit-1 1,0114 *** 0,0067 0,8653 *** 0,0379 1,0100 *** 0,0070 0,8740 *** 0,0073 0,8243 *** 0,0017B7022it-2 0,1069 *** 0,0101 0,0320 ** 0,0152 0,1070 *** 0,0102 0,0611 *** 0,0100 0,0434 *** 0,0006Git -0,0593 0,0098 0,0145 0,0121 -0,0589 0,0099 0,0179 0,0144 0,0125 *** 0,0007G(P)it 0,0005 *** 0,0001 -0,0007 0,0005 0,0002 0,0001 0,0000 0,0006 -0,0004 0,0004

PIBit 0,0003 0,0005 0,0007 *** 0,0002 0,0005 0,0006 0,0009 *** 0,0002 0,0006 *** 0,0001KHit 0,0002 0,0003 0,0002 0,0001 0,0002 0,0004 -0,0005 0,0001 -0,0002 0,0001Pobit 0,0305 0,0187 0,0602 0,0872 0,0268 0,0195 -0,0232 0,0475 -0,0632 0,0055Uit -0,0004 0,0002 -0,0004 0,0003 -0,0004 0,0002 0,0001 0,0002 0,0003 ** 0,0001

TFit -0,0377 0,0209 -0,0810 0,0222 -0,0366 0,0211 -0,1075 0,0261 -0,0834 0,0020Autit 0,0279 ** 0,0116 0,1615 *** 0,0345 0,0270 ** 0,0121 0,1249 *** 0,0463 0,1323 *** 0,0023Camit -0,0065 0,0036 -0,0109 0,0071 -0,0059 0,0039 -0,0194 0,0091 -0,0100 0,0012OVit -0,0320 0,0044 -0,0346 0,0055 -0,0329 0,0046 -0,0339 0,0068 -0,0319 0,0004

Banit -0,0258 0,0096 -0,0553 0,0232 -0,0241 0,0100 -0,0592 0,0102 -0,0026 0,0025CAit 0,0243 ** 0,0097 -0,0114 0,0338 0,0266 *** 0,0104 0,0007 0,0227 -0,0308 0,0025CCit 0,0015 * 0,0009 -0,0065 0,0046 0,0015 * 0,0009 -0,0078 0,0034 -0,0044 0,0006CMit 0,0443 *** 0,0074 0,1113 *** 0,0209 0,0449 *** 0,0077 0,0857 *** 0,0218 0,1178 *** 0,0015

M2CCit -0,0011 0,0007 -0,0026 0,0020 -0,0011 0,0007 -0,0014 0,0011 -0,0021 0,0003Denit -0,0004 0,0002 0,0056 0,0146 -0,0005 0,0002 0,0025 0,0041 0,0078 *** 0,0025KPrit 0,0002 0,0004 0,0003 * 0,0002 -0,0002 0,0004 0,0002 0,0002 0,0001 0,0001Constante 0,0048 *** 0,0002 -0,0002 0,0002 0,0045 *** 0,0004 0,0053 *** 0,0003 0,0062 *** 0,0001


Intra 0,992 0,9619Entre 0,9997 0,9984


Tit-1 0,7114 *** 0,1207 -0,1533 0,1013 0,6889 *** 0,1284 0,2458 ** 0,1029 0,0593 *** 0,0060B7022it-2 0,0958 0,0966 -0,1214 0,0655 0,1037 0,0988 -0,0625 0,0871 -0,1067 0,0036Git -0,0276 0,0481 0,0539 0,0583 -0,0274 0,0479 0,0122 0,0118 -0,0071 0,0036G(P)it 0,0017 ** 0,0009 -0,0034 0,0029 0,0012 * 0,0006 0,0013 0,0016 0,0010 0,0022PIBit -0,0055 0,0020 0,0041 *** 0,0009 -0,0028 0,0027 0,0028 0,0021 0,0039 *** 0,0007

KHit 0,0096 *** 0,0021 0,0025 *** 0,0009 0,0084 *** 0,0026 0,0027 *** 0,0010 0,0014 ** 0,0006

Pobit 0,1437 0,0957 -1,1690 0,3640 0,1489 0,0991 -0,2206 0,2401 -0,8826 0,0261Uit 0,0002 0,0008 -0,0006 0,0018 -0,0010 0,0008 0,0051 ** 0,0023 0,0070 *** 0,0006TFit -0,0896 0,0908 -0,6854 0,1541 -0,0948 0,0920 -0,6339 0,2423 -0,7166 0,0108

Autit -0,0818 0,0702 -0,2492 0,1829 -0,0908 0,0739 0,0699 0,1081 -0,1694 0,0118Camit 0,0155 0,0171 0,0460 0,0373 0,0184 0,0189 -0,0039 0,0242 0,0399 *** 0,0060OVit -0,0258 0,0225 -0,0508 0,0433 -0,0273 0,0234 -0,0948 0,0343 -0,0984 0,0019Banit 0,0474 0,0515 -0,4471 0,1120 0,0526 0,0543 -0,1496 0,0321 -0,0657 0,0130

CAit 0,1102 *** 0,0349 0,1916 0,1731 0,1177 *** 0,0375 0,3564 *** 0,1381 0,4172 *** 0,0128CCit -0,0013 0,0051 0,0767 *** 0,0257 -0,0014 0,0055 0,0509 *** 0,0167 0,1033 *** 0,0033CMit -0,0093 0,0456 0,1381 0,1253 -0,0080 0,0474 -0,0011 0,1159 0,0246 *** 0,0077M2CCit -0,0029 0,0029 0,0008 0,0129 -0,0031 0,0030 0,0206 0,0129 0,0272 *** 0,0017

Denit -0,0023 0,0012 0,2533 *** 0,0727 -0,0033 0,0013 0,0402 0,0462 0,1647 *** 0,0122KPrit -0,0038 0,0022 -0,0030 0,0008 -0,0068 0,0023 -0,0055 0,0020 -0,0058 0,0007Constante -0,0065 0,0030 0,0036 *** 0,0009 -0,0152 0,0052 -0,0202 0,0029 -0,0215 0,0004

Obs 32305 28802 32305 32305 29049


Tabla 11Regresiones de Stock y Turbulencia de Empresas (Municipal)




45

Esta técnica nos permite observar que para el caso de las Comunidades Autónomas la

interacción de la variable con el nivel de capital humano, la tasa de paro y la densidad poblacional

parece arrojar un cierto grado de codependencia en estas variables, por lo que sería prudente retirarlas

del análisis para mejorar la eficiencia de los resultados. Este problema desaparece en el caso de las

estimaciones provinciales en donde para todas las especificaciones la variable de interés es altamente

significativa y positiva, si bien cabe aclarar que las diferentes estimaciones muestran una gran

variabilidad del coeficiente especifico, esto también se debe para el caso de algunas variables el

período muestral es también más amplio. En lo que respecta al caso municipal se mantienen las

conclusiones y el coeficiente es mucho más estable a través de las diferentes especificaciones en

comparación con los otras especificaciones geográficas. Finalmente la prueba con componentes

principales muestra que al incluir toda la información pero reduciendo la correlación entre los

regresores (para evitar posibles sesgos derivados de la multicolinealidad) muestran una significatividad

y magnitud en el coeficiente de la variable relacionada con el sector 7022 casi idéntica a las

presentadas anteriormente en el cuerpo del trabajo.

El análisis de placebo, es decir, aquel que sustituye la variable de interés por los nacimientos de

otros sectores a cuatro dígitos se puede observar en la tabla A4 del anexo. En la columna una se

muestran las regresiones para Comunidades Autónomas, en la dos las de provincias y en la tres la de

municipios. Por motivos de presentación se muestra sólo la variable de interés pero dichas regresiones

incluían todos las demás variables control que se han presentado en las tablas anteriores. Como se

puede ver los nacimientos de varios sectores son relevantes para la formación total de empresas, lo cual

era de esperarse debido a los co-dependencias existentes entre industrias al estar tomando sectores a

cuatro dígitos. A pesar de lo anterior para el caso de Comunidades Autónomas ningún coeficiente es

mayor que el del sector 7022 lo que demuestra la relevancia de este grupo de empresas en la dinámica

emprendedora. Para el caso provincial tenemos que hay siete sectores que tienen una influencia mayor

en la creación de empresas son los sectores número: 4674, 4941, 6420, 6820, 6920, 8520 y 952218. Si

bien los grupos de sectores son dispares se pueden agrupar en relación a la construcción, la asesoría

empresarial o de actividad general. En este sentido son de especial interés para este estudio los sectores

6420 y 6920 porque guardan estrecha relación con el sector 7022.

18 Los sectores a cuatro dígitos son respectivamente: Comercio al por mayor de ferretería, fontanería y calefacción; Transporte de mercancías por carretera; Actividades de las sociedades holding; Alquiler de bienes inmobiliarios por cuenta propia; Actividades de contabilidad, teneduría de libros, auditoría y asesoría fiscal; Educación primaria y; Reparación de aparatos electrodomésticos y de equipos para el hogar y el jardín.

46

Coeficiente Desv. Est. Coeficiente Desv. Est . Coeficiente Desv. Est.

Opit-1 0,5183 *** 0,0036 -0,0247 0,0049 0,1883 *** 0,0054B7022it-2 0,0044 *** 0,0001 0,5460 *** 0,0203 0,0033 0,0022Git 0,0087 *** 0,0001 0,0629 *** 0,0224 0,0091 *** 0,0024G(P)it 0,0002 *** 0,0001 0,0353 ** 0,0145 -0,0029 0,0015PIBit 0,0003 *** 0,0000 0,0099 *** 0,0038 0,0006 0,0004KHit 0,0002 *** 0,0000 -0,0021 0,0035 -0,0006 0,0004Pobit -0,0073 0,0007 0,8811 *** 0,1719 0,0410 ** 0,0174Uit 0,0001 *** 0,0000 0,0140 *** 0,0041 0,0005 0,0004TFit -0,0285 0,0004 -8,7775 0,0649 -0,3277 0,0068Autit 0,0058 *** 0,0004 -0,6434 0,0699 -0,8233 0,0075Camit 0,0011 *** 0,0002 0,5746 *** 0,0375 0,1757 *** 0,0039OVit -0,0030 0,0001 -0,0488 0,0116 0,0171 *** 0,0012Banit 0,0040 *** 0,0004 -1,8179 0,0816 0,3955 *** 0,0085CAit -0,0060 0,0004 2,5273 *** 0,0798 0,2963 *** 0,0083

CCit 0,0013 *** 0,0001 0,3350 *** 0,0209 0,0156 *** 0,0022

CMit 0,0130 *** 0,0003 1,3151 *** 0,0481 0,1252 *** 0,0047

M2CCit 0,0004 *** 0,0001 0,0326 *** 0,0105 0,0005 0,0011

Denit 0,0014 *** 0,0003 0,2895 *** 0,0814 0,0041 0,0083

KPrit -0,0004 0,0000 -0,0258 0,0039 -0,0019 0,0004Constante -0,0018 0,0000 -0,0115 0,0024 0,0053 *** 0,0003


Intra 0,8647 0,6814 0,6538Entre 0,9725 0,948 0,2323

Coeficiente Desv. Est. Coeficiente Desv. Est . Coeficiente Desv. Est.

Finit-1 0,5811 *** 0,0038 0,8394 *** 0,0032 0,4279 *** 0,0039B7022it-2 0,0397 *** 0,0013 0,0615 *** 0,0038 0,1335 *** 0,0038Git 0,1144 *** 0,0014 0,2314 *** 0,0037 0,2812 *** 0,0038G(P)it -0,0001 0,0009 -0,0001 0,0018 -0,0022 0,0025PIBit 0,0001 0,0002 -0,0011 0,0007 -0,0001 0,0007KHit 0,0011 *** 0,0002 0,0030 *** 0,0006 0,0010 0,0006Pobit 0,1233 *** 0,0109 0,3539 *** 0,0235 0,0618 ** 0,0309Uit -0,0002 0,0003 -0,0030 0,0006 0,0002 0,0007TFit 0,1638 *** 0,0041 -0,2768 0,0108 0,9057 *** 0,0116Autit 0,1164 *** 0,0051 0,4778 *** 0,0135 -0,4952 0,0134Camit 0,0144 *** 0,0024 -0,0540 0,0055 0,1836 *** 0,0066OVit -0,0381 0,0008 -0,0600 0,0019 -0,0251 0,0021Banit 0,0708 *** 0,0051 0,3142 *** 0,0109 0,5337 *** 0,0142CAit -0,1451 0,0051 -0,1069 0,0116 -0,4836 0,0142CCit -0,0024 0,0013 -0,0151 0,0027 -0,0036 0,0036CMit 0,1881 *** 0,0027 0,2936 *** 0,0070 0,3250 *** 0,0076M2CCit 0,0007 0,0007 -0,0117 0,0015 0,0076 *** 0,0018

Denit -0,0452 0,0051 -0,1070 0,0098 -0,1027 0,0139

KPrit -0,0009 0,0002 0,0010 0,0008 -0,0020 0,0007Constante 0,0005 *** 0,0002 0,0073 *** 0,0004 0,0068 *** 0,0004


Intra 0,879 0,966 0,8655Entre 0,9733 0,9828 0,9707

Tabla 12Regresiones con variables Operativas y Financieras (Municipal)




47

Para el caso de municipios son seis sectores los que parecen tener una influencia mayor en la

creación de empresas: 4941, 5813, 6420, 6820, 6920 y 854319. Como se puede observar las actividades

relacionadas con la educación, el transporte y los medios se pueden catalogar como actividades

generales que realzan el potencial de una zona geográfica y por lo tanto generan empresas, y las

actividades inmobiliarias tendrían más que ver con la burbuja que hubo en el período más que con su

capacidad creadora de empresas. Son interesantes sin embargo el caso de las sociedades holding que

hacen un trabajo similar al de las empresas del sector 7022 pero para empresas de un tamaño más

elevado, y el caso de las actividades contables o gestorías que dan el trabajo de asesoría a pequeñas

empresas por lo que tienen una vocación similar al sector que estamos analizando y presentan también

coeficientes altos con respecto a su capacidad de promover empresas en el futuro. Las estadísticas

descriptivas de estos sectores puede ser consultada en la tabla A6 del anexo.

En cuanto a la influencia hacia sectores específicos de alta y media tecnología la evidencia es

diversa. Esto se debe a que la influencia del sector 7022 parece ser positiva para algunos sectores y

negativos para otros. Para un análisis más detallado se puede observar la tabla A5 en el anexo. El caso

de este cambio de signo puede deberse a una competencia de los sectores de alta tecnología por el

financiamiento de tal forma que algunos sectores han sido apoyados por el capital riesgo mientras otras

no. En cualquier caso los resultados deben ser analizados con más cautela.

Finalmente se realizó un análisis de spillover o derramas del sector 7022 para medir si la

influencia geográfica era limitada o no con respecto a este tipo de iniciativas empresariales de

promoción a los emprendedores. Los resultados pueden ser consultados en la tabla A7 del anexo, y se

dividen en tres paneles, el primero con la estimación completa, el segundo con los municipios que no

pertenecen a ninguna zona metropolitana y la tercera con los municipios que integran zonas

metropolitanas. En general las conclusiones son que la influencia de las derramas son limitadas

mostrando que la presencia en el propio municipio del sector 7022 es el que muestra un coeficiente más

alto con respecto a la creación de empresas. Siendo la influencia de estas derramas más grande en los

municipios que no pertenecen a zonas metropolitanas ya que la no existencia de ninguna empresa del

sector 7022 en el propio municipio hace que la de otros se vuelvan más relevantes.

19 Los sectores a cuatro dígitos: Transporte de mercancías por carretera; Edición de periódicos; Actividades de las sociedades holding; Alquiler de bienes inmobiliarios por cuenta propia; Actividades de contabilidad, teneduría de libros, auditoría y asesoría fiscal, y; Educación universitaria.

48

6. C6. CONCLUSIONESONCLUSIONES

El siguiente trabajo ha presentado la influencia de los nacimientos empresariales en el sector 7022

(Otras actividades de consultoría de gestión empresarial) sobre los nacimientos, muertes, stock y

turbulencia de empresas así como sobre variables operativas (Ingresos, Resultados Antes de Impuestos

y Número de Empleados) y financieras (Activo Total, Pasivo Largo Plazo y Capital Fondos Propios) en

tres diferentes ámbitos geográficos (Autonómico, Provincial y Municipal) para el caso de España,

añadiendo diferentes especificaciones para demostrar la robustez de los efectos.

Los principales resultados muestran que los nacimientos en el sector 7022 tienen una fuerte

influencia positiva sobre el nacimiento de empresas totales, así como el Stock empresarial en los tres

ámbitos geográficos, mientras que presenta resultados nulos sobre la muerte de empresas y ambiguos

para el caso de la Turbulencia.

En lo que respecta a las variables operativas el efecto más consistente se da para los Resultados

Ordinarios que se presenta en los tres ámbitos geográficos y en el caso de las financieras para el Capital

de Fondos Propios. Ambos resultados son consistentes con la hipótesis de que las empresas de apoyo al

emprendedor ayudan a captar fondos para el inicio de un negocio y también asesoran para mejorar su

eficiencia medida por los resultados antes de impuestos.

También es importante destacar que el efecto del sector 7022 es más consistente y de una

magnitud mayor o igual al de las instituciones financieras tradicionales en este caso representadas por

el número de Bancos, Cajas de Ahorro y Cooperativas de Crédito. Este último punto es relevante para

las implicaciones de política ya que se debería hacer un mayor uso de este tipo de iniciativas como

Business Angels y Sociedades de Capital Riesgo para canalizar los fondos públicos europeos y

nacionales hacia los emprendedores dada su eficiencia y especialización en nuevas empresas. Aunque

no se tienen datos específicos para el gasto gubernamental en promoción emprendedora, y se uso el

gasto total del gobierno como proxy, por lo general su influencia es negativa.

Futuras líneas de investigación deben incluir información más detallada de las empresas del

Sector 7022 para poder desglosar el efecto de cada tipo de compañía sobre la dinámica empresarial.

También intentar llegar a un nivel de desagregación más bajo (Código Postal) podría mostrar más luz

sobre la influencia de este tema. Finalmente conseguir datos que permitan una estrategia de

identificación mejor permitirían que la unidad de observación del estudio fuera la influencia directa

sobre cada empresa de ser apoyado o no por una de estas instituciones en lugar de tener que agregarlas

por ámbitos geográficos.

49

7. R7. REFERENCIASEFERENCIAS

Acs, Z. J. y Audretsch, D. B, (1988). "Innovation in Large and Small Firms: An Empirical Analysis,"American Economic Review, American Economic Association, vol. 78(4), pages 678-90, September.

Acs, Z., B. Carlsson and C. Karlsson (1999). Entrepreneurship, Small and Medium Enterprises and theMacro-economy. Cambridge University Press, London.

Acs, Z. J. y Audretsch, D. B (2003). Innovation and Technological Change. En Z.J. Acs and D.B.Audretsch (eds.), Handbook of Entrepreneurship Research, 55-79. Kluwer Academic Publishers, GranBretaña.

Acs, Z.J.; Audretsch, D.B.; Braunerhjelm, P.; Carlsson, B. (2005) "The Knowledge Spillover Theory ofEntrepreneurship", Discussion Paper on Entrepreneurship, Growth and Public Policy No.2705,Germany: MPI Jena.

Arque-Castells, P. (2012). “How venture capitalists spur invention in Spain: Evidence from patenttrajectories”. Research Policy 41 (2012) 897– 912.

Audretsch, D. & Fritsch, M. (2002). "Growth Regimes over Time and Space," Regional Studies, Taylorand Francis Journals, vol. 36(2), pages 113-124.

Audretsch, D.B.; Carreed, M.A.; A. Roy Thurik, A.R.; Van Stel, A. (2008). “Does self-employmentreduce unemployment?” Journal of Business Venturing, Volumen 23 (6), 673-686

Barajas, A. y Huergo, E. (2010). "International R&D cooperation within the EU FrameworkProgramme: empirical evidence for Spanish firms," Economics of Innovation and New Technology,vol. 19(1), pages 87-111.

Baumol, William J. (2002), “Entrepreneurship, Innovation and Growth: The David-Goliath Symbiosis”en David B. Audretsch (ed.) Innovation and Entrepreneurship. Kluwer Academic Publishers.

Bennett, R. y Robson, P. (1999). Intensity of interaction in supply of business advice and client impact:A comparison of consultancy, business associations and government support initiatives for SMEs.ESRC Centre for Business Research, WP.142, University of Cambridge.

Carree, M. A. (2002). "Does Unemployment Affect the Number of Establishments? A RegionalAnalysis for US States," Regional Studies, Taylor and Francis Journals, vol. 36(4), pages 389-398.

Carree, M. A. y Thurik, A. R. (2003). The Impact of Entrepreneurship on Economic Growth. En Z.J.Acs and D.B. Audretsch (eds.), Handbook of Entrepreneurship Research, 437-471. Kluwer AcademicPublishers, Gran Bretaña.

Chrisman, J.J. and F. Katrishen (1994). The economic impact of small business development centercounselling activities in the United States: 1990-91. Journal of Business Venturing, 9,271-280.

50

Concepción, R., Congregado, E. & Millán, J. M.,(2013). "Start-up incentives: Entrepreneurship policyor active labour market programme?," Journal of Business Venturing, Elsevier, vol. 28(1), pages 151-175.

Cuadrado-Roura J. & Garcia-Tabuenca, A. (2004). "ICT policies for SMEs and regional disparities.The Spanish case," Entrepreneurship & Regional Development, Taylor and Francis Journals, vol. 16(1),pages 55-75, January.

Fernández, J.C.; Trenado, M.; Ubierna, A.; Huergo, E. (2007). “Las nuevas empresas de basetecnológica y la ayuda pública. Evidencia para España”. Economía Industrial, No. 363, 161-177

Gartner, W. & Frid, C. & Alexander, J. (2012). "Financing the emerging firm," Small BusinessEconomics, Springer, vol. 39(3), pages 745-761, October

Gentry, W. M. & Hubbard R. W. (2000). "Tax Policy and Entrepreneurial Entry," American EconomicReview, American Economic Association, vol. 90(2), pages 283-287, May.

Hart, M.; McGuinness, S.; O’Reilly, M.; Gudgin, G. (2000) "Public policy and SME performance: thecase of Northern Ireland in the 1990s", Journal of Small Business and Enterprise Development, 7 (1),27 – 41

Kerr, W. R. & Nanda, R., (2009). "Democratizing entry: Banking deregulations, financing constraints,and entrepreneurship," Journal of Financial Economics, Elsevier, vol. 94(1), pages 124-149, October.

King, R. & Levine R. (1993a). “Finance, Entrepreneurship and Growth”. Joural of MonetaryEconomics. 32. 513 – 542.

King, R. & Levine R. (1993b). “Finance and Growth: Schumpeter Might be Right”. The QuarterlyJournal of Economics, Vol. 108, No. 3, 717-737.

Kolko, J. y Neumark, D., (2010). "Does local business ownership insulate cities from economicshocks?," Journal of Urban Economics, Elsevier, vol. 67(1), pages 103-115

OECD (2012), "Measuring Entrepreneurial Finance: A European Survey of SMEs", inOECD, Entrepreneurship at a Glance 2012, OECD Publishing.

Reynolds, P. D., Hay M.; y Camp, M. (1999), Global Entrepreneurship Monitor: 1999 Executive Report. Kansas City, MO: Kauffman Center for Entrepreneurial Leadership. Kelley, D. J.; Singer S.; Herrington, M. (2012). GEM 2011 Global Report.

Lerner, J. (1996). "The Government as Venture Capitalist: The Long-Run Effects of the SBIRProgram," NBER Working Papers 5753, National Bureau of Economic Research, Inc.

Lerner, J. (1998). "Angel" financing and public policy: An overview," Journal of Banking & Finance,Elsevier, vol. 22(6-8), pages 773-783, August.

51

Lundstrom, A. y Stevenson, L. (2001). “Entrepreneurship Policy for the Future”. Stockholm: ElandersGotab

Morris, R. (2011) “GEM Endeavor (2011) “High Impact Entrepreneurship Report”. GEM.

Rosenthal, S. S., & W. C. Strange. (2003). “Geography, Industrial Organization, and Agglomeration.”Review of Economics and Statistics 85, no. 2 (May): 377-93.

Sogorb-Mira, F. & López-Gracia, J., (2008). “Pecking Order Versus Trade-off: An Empirical Approachto the Small and Medium Enterprise Capital Structure”. Small Business Economics. 31, 117–136

Van Praag, C.M. y H. van Ophem (1995). Determinants of willingness and opportunity to start as anentrepreneur. Kyklos, 48, 513-540.

Veciana, J.M. (2007). “Las nuevas empresas en el proceso de innovación en la sociedad delconocimiento: Evidencia empírica y políticas públicas”. Economía Industrial, No. 363, 103-118.

52

AANEXOSNEXOS

53

Tabla A1Regresiones de Nacimientos (CCAA)

Variable Dependiente Número de Nacimientos de Empresas(1) (2) (3) (4) (5)

Coeficiente Coeficiente Coeficiente Coeficiente Coeficiente

Bit-1 1.00427*** 0.040 1.28063*** 0.055 1.27011*** 0.054 0.85465*** 0.053 0.13578** 0.068B7022it-2 0.05254*** 0.016 0.01703* 0.009 0.01629* 0.009 0.00954 0.007 0.03087*** 0.004

-0.19432*** 0.014 -0.77750*** 0.131

-0.03844*** 0.008 -0.09254** 0.042 -0.03661*** 0.008 0.07999 0.059

Constante -0.02635*** 0.004 -0.02306*** 0.003 0.02122*** 0.006 0.02296*** 0.006 0.06972 0.043 -0.08774*** 0.025

Bit-1 0.85465*** 0.053 0.68737*** 0.041 1.01178*** 0.049 0.84587*** 0.042 -0.06533** 0.026B7022it-2 0.00954 0.007 0.08636*** 0.012 0.01051 0.007 0.01574* 0.009 -0.00707 0.021

0.03737*** 0.007 0.00310 0.009

-0.84789*** 0.066 -0.03278*** 0.012

-0.00520 0.007 0.02394** 0.012

-0.43618*** 0.053 0.05908*** 0.011Constante -0.04062*** 0.005 -0.03391*** 0.004 -0.01902*** 0.005 -0.02611*** 0.004 0.03924** 0.017

0.02682* 0.014Bit-1 0.85457*** 0.038 0.82562*** 0.035 0.80562*** 0.035 0.93509*** 0.039 0.03476*** 0.009B7022it-2 0.04579*** 0.010 0.06786*** 0.012 0.02336*** 0.007 0.01198** 0.006 0.01748** 0.007

-0.36617*** 0.039 -0.01333*** 0.005

-0.30468*** 0.025 -0.04894*** 0.006

-0.09451*** 0.008 Constante -0.10403*** 0.007

-0.29955*** 0.044Constante -0.01646*** 0.004 -0.01794*** 0.004 -0.03583*** 0.004 -0.04720*** 0.004

Bit-1 0.87700*** 0.037 0.97293*** 0.039 1.19799*** 0.036 0.92033*** 0.044B7022it-2 0.10097*** 0.021 0.02238*** 0.008 0.07455*** 0.024 0.02469*** 0.008

-0.31682*** 0.027 -0.24680*** 0.049

-0.27843*** 0.028

-0.10703*** 0.020Constante -0.01504*** 0.004 -0.00922** 0.004 0.01981*** 0.005 -0.01581*** 0.004

Bit-1 1.02894*** 0.040 1.15923*** 0.045B7022it-2 0.01035 0.007 0.01561* 0.008

-0.03715 0.088

-0.02465*** 0.007Constante -0.01743*** 0.004 0.00271 0.005

Desv. Est. Desv. Est. Desv. Est. Desv. Est. Desv. Est.

Git Comp1it

PIBit Comp2it

RBit Comp3it

Comp4it

Comp5it

Comp6it

Comp7it

KHit Comp8it

Pobit Comp9it

Uit Comp10it

TFit Comp11it

Comp12it

Comp13it

Comp14it

Comp15it

Autit Comp16it

Camit Comp17it

OVit

Banit

CAit

CCit

CMit

M2CCit

Denit

KPrit


54

Tabla A2Regresiones de Nacimientos (Provincias)



Bit-1 1.05122*** 0.023 1.04703*** 0.023 1.24220*** 0.033 1.17173*** 0.031 0.5942935*** 0.044B7022it-2 0.01708*** 0.005 0.01696*** 0.005 0.02823*** 0.007 0.02228*** 0.006 0.0308426*** 0.006

0.00529 0.005 0.10457 0.070

-0.03335*** 0.005 -0.03411*** 0.007

-0.02154*** 0.005 -0.01817 0.013Constante -0.00958*** 0.002 -0.01053*** 0.002 0.01256*** 0.003 0.00574* 0.003 0.0159596*** 0.005

0.0243113* 0.014Bit-1 0.85733*** 0.032 1.11916*** 0.039 1.03357*** 0.026 0.89377*** 0.026 0.0137061*** 0.005B7022it-2 0.01496*** 0.006 0.01781*** 0.005 0.01734*** 0.005 0.01987*** 0.006 0.0382462*** 0.011

0.04101*** 0.005 0.0255937*** 0.007

-0.01293** 0.006 -0.0123574*** 0.003

-0.00501 0.003 -0.00026 0.005

-0.35703*** 0.033 0.0192086*** 0.005Constante -0.02899*** 0.003 -0.00285 0.003 -0.01035*** 0.002 -0.01679*** 0.002 -0.00302 0.006

0.0305705*** 0.009Bit-1 0.88277*** 0.024 0.87092*** 0.023 0.78067*** 0.022 0.96148*** 0.022 -0.0266388*** 0.005B7022it-2 0.05959*** 0.008 0.06744*** 0.008 0.03668*** 0.005 0.01406*** 0.005 0.0112019*** 0.004

-0.39012*** 0.030 -0.0181294*** 0.004

-0.24248*** 0.016 0.00293 0.003

-0.10477*** 0.005 Constante -0.05298 0.004

-0.34161*** 0.032Constante -0.00879*** 0.002 -0.01091*** 0.002 -0.02585*** 0.002 -0.03030*** 0.002

Bit-1 0.87596*** 0.025 1.02469*** 0.023 1.13692*** 0.024 0.96077*** 0.026B7022it-2 0.11396*** 0.015 0.02446*** 0.006 0.09408*** 0.016 0.03237*** 0.006

-0.28240*** 0.017

-0.09475*** 0.019

-0.25468*** 0.018

-0.09203*** 0.013Constante -0.01253*** 0.002 -0.00523** 0.002 0.00885*** 0.003 -0.01027*** 0.002

Bit-1 1.05235*** 0.023 1.15297*** 0.026B7022it-2 0.01709*** 0.005 0.02728*** 0.007

-0.00134 0.004

-0.02378*** 0.005Constante -0.00950*** 0.002 0.00256 0.003


Git Comp1it

PIBit Comp2it

RBit Comp3it

Comp4it

Comp5it

Comp6it

Comp7it

KHit Comp8it

Pobit Comp9it

Uit Comp10it

TFit Comp11it

Comp12it

Comp13it

Comp14it

Comp15it

Autit Comp16it

Camit Comp17it

OVit

Banit

CAit

CCit

CMit

M2CCit

Denit

KPrit


55

Tabla A3Regresiones de Nacimientos (Municipios)



Bit-1 0.99439*** 0.0040 0.78017*** 0.0050 0.99439*** 0.0040 0.99499*** 0.0040 0.44969*** 0.0050B7022it-2 0.10028*** 0.0030 0.06885*** 0.0030 0.10029*** 0.0030 0.10039*** 0.0030 0.01702*** 0.0030

-0.16469*** 0.0020 -0.80216*** 0.0160-0.00004 0.0010 0.05068*** 0.0020

-0.00081* 0.0000 0.06755*** 0.0040Constante -0.00296*** 0.0000 -0.00720*** 0.0000 -0.00296*** 0.0000 -0.00294*** 0.0000 0.07576*** 0.0040

-0.09299*** 0.0050Bit-1 0.99081*** 0.0040 0.85308*** 0.0040 1.00181*** 0.0040 0.99165*** 0.0040 0.04711*** 0.0030B7022it-2 0.10049*** 0.0030 0.13428*** 0.0030 0.10612*** 0.0030 0.10109*** 0.0030 -0.02136*** 0.0010

0.00363*** 0.0000 0.02017*** 0.0010

-0.56957*** 0.0090 -0.03547*** 0.0020

-0.44276*** 0.0100 -0.00138*** 0.0000-0.00227*** 0.0000 0.00001 0.0010

Constante -0.00294*** 0.0000 -0.00402*** 0.0000 -0.00127*** 0.0000 -0.00277*** 0.0000 -0.00772*** 0.0010 0.00619*** 0.0010

Bit-1 0.85761*** 0.0040 0.99433*** 0.0040 0.95218*** 0.0040 0.71013*** 0.0040 0.01216*** 0.0010B7022it-2 0.08258*** 0.0030 0.10169*** 0.0030 0.12046*** 0.0030 0.13099*** 0.0030 0.03467*** 0.0010

-0.39252*** 0.0050 0.04747*** 0.0010

-0.03257*** 0.0060 -0.01411*** 0.0010

-0.12215*** 0.0030 Constante -0.01498*** 0.0000

-0.12172*** 0.0010Constante -0.00492*** 0.0000 -0.00269*** 0.0000 -0.00226*** 0.0000 -0.00768*** 0.0000

Bit-1 1.01696*** 0.0040 0.89522*** 0.0040 0.93673*** 0.0040 1.05065*** 0.0030B7022it-2 0.07280*** 0.0030 0.14136*** 0.0030 0.12873*** 0.0030 0.08932*** 0.0020

-0.13408*** 0.0060

-0.24485*** 0.0030

-0.06349*** 0.0010

-0.25927*** 0.0050Constante -0.00326*** 0.0000 -0.00295*** 0.0000 -0.00311*** 0.0000 -0.00042 0.0000

Bit-1 0.95129*** 0.0040 0.98468*** 0.0040 0.99516*** 0.0040B7022it-2 0.10594*** 0.0030 0.10417*** 0.0030 0.10076*** 0.0030

-0.03480*** 0.0010

-0.09985*** 0.0060

-0.00209*** 0.0010Constante -0.00338*** 0.0000 -0.00244*** 0.0000 -0.00293*** 0.0000


Git Comp1it

G_Pit Comp2it

PIBit Comp3it

Comp4it

Comp5it

Comp6it

Comp7it

KHit Comp8it

Pobit Comp9it

Uit Comp10it

Empit Comp11it

Comp12it

Comp13it

Comp14it

Comp15it

TFit Comp16it

Autit Comp17it

Camit

OVit

Banit

CAit

CCit

CMit

M2CCit

Denit

KPrit


56

Tabla A4Pruebas de Placebo CCAA

Variable Dependiente Número de Nacimientos Total de EmpresasCoeficiente Coeficiente Coeficiente

BirthsT0111_ 0.01252 *** 0.00470 0.01018 0.01135 -0.00036 0.00159BirthsT0311_ 0.00458 0.00359 0.02562 ** 0.01111 0.00722 *** 0.00151BirthsT0811_ 0.00769 ** 0.00389 0.02078 *** 0.00699 0.00616 *** 0.00088BirthsT0910_ 0.00058 0.00267 -0.00455 * 0.00247 -0.01247 *** 0.00054BirthsT1053_ 0.00423 0.00367 0.00082 0.00410 0.00144 *** 0.00047BirthsT2931_ 0.01888 *** 0.00324 0.01494 *** 0.00568 0.00099 0.00064BirthsT3518_ 0.00255 0.00252 0.00508 ** 0.00211 -0.00617 *** 0.00042BirthsT3832_ 0.01533 *** 0.00286 0.01032 *** 0.00317 0.00188 *** 0.00036BirthsT3811_ 0.01916 *** 0.00346 0.01174 *** 0.00404 0.00327 *** 0.00045BirthsT4121_ 0.02555 *** 0.00444 -0.00224 0.01057 -0.03095 *** 0.00214BirthsT4211_ 0.01340 ** 0.00546 0.00373 0.00482 -0.01498 *** 0.00063BirthsT4532_ 0.02675 *** 0.00430 0.02785 *** 0.00659 0.01012 *** 0.00129BirthsT4674_ 0.02397 *** 0.00348 0.04056 *** 0.00843 0.00241 ** 0.00115BirthsT4941_ 0.02477 *** 0.00450 0.04448 *** 0.01422 0.02069 *** 0.00164BirthsT5224_ 0.02215 *** 0.00382 0.02032 *** 0.00692 0.00011 0.00072BirthsT5520_ 0.00473 0.00368 -0.00834 0.00802 -0.01087 *** 0.00080BirthsT5610_ 0.02651 *** 0.00421 -0.00677 0.01302 -0.03541 *** 0.00241BirthsT5813_ 0.01906 *** 0.00385 0.01842 *** 0.00482 0.01819 *** 0.00115BirthsT6020_ 0.01032 *** 0.00357 0.01459 *** 0.00322 -0.00827 *** 0.00053BirthsT6420_ 0.02430 *** 0.00342 0.04050 *** 0.00537 0.06225 *** 0.00238BirthsT6530_ 0.01824 *** 0.00394 0.02501 *** 0.00376 -0.03645 *** 0.00148BirthsT6820_ 0.02531 *** 0.00359 0.05832 *** 0.01125 0.35562 *** 0.00636BirthsT6920_ 0.02882 *** 0.00381 0.03218 *** 0.00814 0.14187 *** 0.00309BirthsT7312_ 0.00913 ** 0.00393 -0.01280 *** 0.00410 -0.03251 *** 0.00067BirthsT7733_ 0.00350 0.00310 -0.01003 *** 0.00255 -0.00639 *** 0.00047BirthsT7820_ 0.02181 *** 0.00344 0.01654 *** 0.00449 -0.02718 *** 0.00122BirthsT8425_ 0.00277 0.00231 -0.00300 * 0.00159 -0.00079 ** 0.00037BirthsT8520_ 0.02452 *** 0.00369 0.03089 *** 0.00835 0.00964 *** 0.00133BirthsT8543_ 0.01857 *** 0.00284 0.01681 *** 0.00373 0.04038 *** 0.00089BirthsT8560_ 0.01784 *** 0.00316 0.01076 *** 0.00306 -0.00943 *** 0.00058BirthsT8621_ 0.02391 *** 0.00381 0.02317 *** 0.00619 0.00795 *** 0.00140BirthsT8891_ 0.00759 *** 0.00248 0.00377 * 0.00200 0.00493 *** 0.00032BirthsT9004_ 0.02476 *** 0.00364 0.02203 *** 0.00566 0.00363 *** 0.00099BirthsT9313_ 0.01690 *** 0.00334 0.01209 *** 0.00368 -0.00225 *** 0.00052BirthsT9420_ 0.00064 0.00151 0.00028 0.00139 0.00013 0.00032BirthsT9522_ 0.02411 *** 0.00428 0.03101 *** 0.00577 0.01539 *** 0.00086BirthsT9700_ -0.00084 0.00222 -0.00668 *** 0.00162 0.00017 0.00029BirthsT9900_ 0.00332 0.00240 0.00537 *** 0.00188 -0.00007 0.00036

Desv. Est. Desv. Est. Desv. Est.


57

Tabla A5

Variable Dependiente Número de Nacimientos de Empresas en el Sector IndicadoVariable Independiente Número de Nacimiento en el Sector 7022 (B7022it-2)

Coeficiente Coeficiente Coeficiente

BirthsT5821_ 0.20250 0.67824 0.86727 * 0.47125 -1.10257 *** 0.04822BirthsT5829_ -0.52618 0.46589 0.60001 *** 0.18726 0.67274 *** 0.03121BirthsT6110_ 0.14901 0.14324 0.45952 * 0.24855 0.39922 *** 0.02646BirthsT6120_ -0.85175 0.61433 -0.42794 0.31176 0.68121 *** 0.04865BirthsT6130_ -0.13302 0.76313 0.30616 0.37464 0.96602 *** 0.05147BirthsT6190_ 0.12503 *** 0.04871 0.01139 0.02763 0.64612 *** 0.01271BirthsT6201_ -0.04810 0.03920 -0.12914 *** 0.03027 0.21960 *** 0.01453BirthsT6202_ -0.32119 ** 0.12811 -0.21806 *** 0.07743 0.21083 *** 0.00959BirthsT6203_ -0.03241 0.05798 -0.12075 *** 0.02922 0.17655 *** 0.01676BirthsT6209_ 0.10560 0.06695 0.06814 ** 0.03269 0.18035 *** 0.00855BirthsT6311_ 0.27967 0.23541 0.79582 *** 0.14247 0.58848 *** 0.01523BirthsT6312_ 0.33540 0.68631 0.06049 0.33137 0.12815 *** 0.04215BirthsT9511_ 0.59975 * 0.35483 0.57140 *** 0.18953 0.62804 *** 0.02741BirthsT9512_ -0.53645 * 0.29396 -0.34385 *** 0.11950 0.35155 *** 0.03833BirthsT7211_ 2.40729 *** 0.91192 3.00324 *** 0.49044 1.21790 *** 0.04978BirthsT7219_ -0.22437 0.37466 0.05485 0.20987 0.72292 *** 0.02371BirthsT7220_ -1.27712 ** 0.57810 -0.74189 *** 0.15894 0.22418 *** 0.03369BirthsT1920_ -0.67556 ** 0.28802 -0.00691 0.11760 0.05464 ** 0.02361BirthsT3512_ 1.29825 *** 0.41280 1.27864 * 0.75222 0.21688 *** 0.06775BirthsT3513_ -1.21052 1.51909 0.14468 0.78112 0.31084 *** 0.06898BirthsT3514_ -2.24160 * 1.26098 -0.05201 0.47041 -0.17447 *** 0.06477BirthsT3515_ -0.42540 *** 0.11515 -0.45379 *** 0.08696 0.06242 *** 0.02245BirthsT3516_ 1.41139 * 0.81848 -0.25974 0.65920 0.69406 *** 0.05848BirthsT3517_ -0.83244 0.67051 -0.33750 0.26045 -3.02814 *** 0.03229BirthsT3518_ 1.29537 * 0.70243 0.92290 *** 0.28645 1.63608 *** 0.03766BirthsT3519_ 0.17487 1.02164 -0.06246 0.44124 2.50828 *** 0.05525BirthsT3522_ -0.37759 0.39102 0.21991 0.28984 0.22653 *** 0.03350BirthsT3523_ 0.56439 0.35343 0.94179 *** 0.32008 0.00788 0.04523BirthsT3600_ 0.25777 *** 0.06140 0.13363 * 0.07102 0.16992 *** 0.01553BirthsT2110_ 0.03563 0.04435 0.21389 *** 0.04907 0.26945 *** 0.01871BirthsT2120_ 0.30148 *** 0.09574 0.09627 0.06530 0.02543 ** 0.01088BirthsT2410_ -0.15613 0.17640 -0.07621 0.04880 -0.08614 *** 0.02586BirthsT2420_ 0.41997 * 0.21840 0.28754 0.18969 0.01282 0.03670BirthsT2431_ -0.25035 0.19049 -0.03629 0.09629 0.05870 * 0.03289BirthsT2432_ 0.69442 ** 0.29690 0.28053 ** 0.14286 0.22316 *** 0.02951BirthsT2433_ 1.48177 ** 0.61829 0.08710 0.15261 -0.06827 0.04290BirthsT2434_ -0.31519 0.41132 0.01535 0.25037 -0.00815 0.03615BirthsT2442_ -0.06761 0.15582 -0.27149 0.19197 -0.36069 *** 0.03127BirthsT2443_ -0.33796 0.27623 -0.10819 0.23240 0.02488 0.03554BirthsT2444_ -0.58172 *** 0.21023 -0.44066 *** 0.11239 0.06406 ** 0.03116BirthsT2445_ -0.52927 * 0.30892 -0.05270 0.19766 0.00409 0.03570BirthsT2446_ -0.34937 0.53973 -0.17923 0.27669 0.01640 0.02838BirthsT2451_ 0.08183 0.12514 0.11090 ** 0.04534 0.01880 0.02041BirthsT2452_ -0.01430 0.11081 -0.04348 0.10152 0.19955 *** 0.02646BirthsT2453_ -0.19777 0.48567 0.98316 *** 0.23806 -0.86085 *** 0.03787BirthsT2454_ 0.06083 0.10398 0.09124 ** 0.03657 0.00291 0.02076BirthsT2910_ -0.20121 0.16612 -0.34012 ** 0.15851 -0.12024 *** 0.03141BirthsT2920_ 0.25392 0.18049 0.24288 ** 0.12280 -0.01925 0.02604BirthsT2931_ 0.03086 0.13589 0.05097 0.10328 0.08002 *** 0.02347BirthsT2932_ 0.20837 *** 0.07025 -0.01306 0.01514 0.09544 *** 0.01257BirthsT3011_ -0.01806 0.04670 -0.00449 0.04601 0.09710 *** 0.01701BirthsT3012_ -0.14652 0.27333 -0.07915 0.19410 -0.28335 *** 0.03814BirthsT3020_ -0.29886 0.38738 -0.71285 *** 0.20485 -0.05842 ** 0.02954BirthsT3030_ -0.01712 0.42499 -0.35454 0.25072 -0.42029 *** 0.03575BirthsT3040_ 0.13472 0.41622 0.05373 0.17337 -3.82658 *** 0.06124BirthsT3091_ -0.15911 0.13315 0.04514 0.12605 0.12151 *** 0.03422BirthsT3092_ 0.09171 0.48089 0.59117 0.38347 0.16151 *** 0.05381BirthsT3099_ -0.01203 0.11415 -0.02210 0.08747 -0.12291 *** 0.03332

Pruebas por Sectores Especificos



58

Tabla A6Estadísticas Descriptivas Pruebas de Robustez

CCAA Provincia MunicipioVariable Media Media Media

BirthsT0111_ 5.5038 22.3222 2.0110 9.3958 0.0292 0.7107BirthsT0311_ 4.9549 22.6577 1.8104 9.2381 0.0288 0.6376BirthsT0811_ 3.9699 13.1620 1.4505 5.2072 0.0211 0.3452BirthsT0910_ 0.1842 0.7268 0.0673 0.4320 0.0010 0.0528BirthsT1053_ 1.0226 3.4466 0.3736 1.2190 0.0047 0.0755BirthsT2931_ 0.2594 1.4077 0.0948 0.7440 0.0015 0.0459BirthsT3518_ 2.3684 4.7336 0.8654 2.5778 0.0136 0.2697BirthsT3832_ 1.0376 2.5636 0.3791 1.3286 0.0059 0.0928BirthsT3811_ 1.6090 4.3875 0.5879 2.0524 0.0091 0.1251BirthsT4121_ 198.0150 411.7313 72.3517 170.8494 1.1176 8.3198BirthsT4211_ 2.8421 7.1653 1.0385 2.9908 0.0161 0.2359BirthsT4532_ 7.7068 24.4220 2.8159 11.1918 0.0447 0.6819BirthsT4674_ 8.1278 26.5993 2.9698 13.2332 0.0469 0.6375BirthsT4941_ 62.0714 164.9020 22.6800 67.1182 0.3472 2.6598BirthsT5224_ 1.5677 5.3041 0.5728 2.8872 0.0091 0.1889BirthsT5520_ 7.0489 17.6522 2.5755 9.3545 0.0350 0.4764BirthsT5610_ 70.2970 171.9081 25.6854 82.8925 0.4009 5.1472BirthsT5813_ 2.4737 7.2331 0.9038 3.8046 0.0144 0.4124BirthsT6020_ 1.8910 4.1399 0.6909 2.1934 0.0110 0.1864BirthsT6420_ 17.7256 57.0043 6.4766 32.9797 0.1031 3.0628BirthsT6530_ 2.9023 10.6057 1.0604 6.4562 0.0168 0.7291BirthsT6820_ 189.4474 765.8740 69.2212 411.6078 1.0940 30.5381BirthsT6920_ 58.0865 169.6262 21.2239 88.2360 0.3371 7.0764BirthsT7312_ 1.1353 2.9875 0.4148 1.7928 0.0066 0.1835BirthsT7733_ 0.4962 1.4826 0.1813 0.8587 0.0029 0.0835BirthsT7820_ 0.8985 3.5365 0.3283 2.0404 0.0052 0.2222BirthsT8425_ 0.0376 0.1906 0.0137 0.1165 0.0002 0.0148BirthsT8520_ 2.4361 10.3828 0.8901 5.8072 0.0141 0.3659BirthsT8543_ 0.5526 2.2451 0.2019 1.2919 0.0032 0.1346BirthsT8560_ 1.1654 2.5644 0.4258 1.4268 0.0067 0.1427BirthsT8621_ 6.3233 17.4211 2.3104 9.2617 0.0368 0.8182BirthsT8891_ 0.6654 1.3193 0.2431 0.7153 0.0039 0.0714BirthsT9004_ 2.4286 6.9182 0.8874 3.5772 0.0140 0.3259BirthsT9313_ 1.9774 4.3791 0.7225 2.3462 0.0115 0.1931BirthsT9420_ 0.0113 0.1058 0.0041 0.0641 0.0000 0.0066BirthsT9522_ 2.2256 7.0712 0.8132 3.2920 0.0129 0.2469BirthsT9700_ 0.1617 0.4839 0.0591 0.2686 0.0009 0.0314BirthsT9900_ 0.1842 0.5696 0.0673 0.3140 0.0011 0.0372


59

Estadísticas Descriptivas Pruebas de RobustezCCAA Provincia Municipio

Variable Media Media Media

BirthsT5821_ 0.0489 0.2633 0.0179 0.1607 0.0003 0.0181BirthsT5829_ 0.6767 1.9232 0.2473 1.0707 0.0039 0.0998BirthsT6110_ 0.7970 1.9201 0.2912 1.0492 0.0046 0.1144BirthsT6120_ 0.3609 0.8041 0.1319 0.4911 0.0021 0.0521BirthsT6130_ 0.0865 0.3421 0.0316 0.1901 0.0005 0.0225BirthsT6190_ 7.8158 17.0840 2.8558 10.0987 0.0455 0.8521BirthsT6201_ 6.7406 16.7205 2.4629 9.3872 0.0391 0.7761BirthsT6202_ 10.5451 30.6158 3.8530 18.2587 0.0613 1.6247BirthsT6203_ 2.9850 7.8836 1.0907 4.5363 0.0173 0.4180BirthsT6209_ 19.4587 46.3955 7.1099 27.6020 0.1129 2.2919BirthsT6311_ 1.5789 4.8862 0.5769 2.7709 0.0092 0.2585BirthsT6312_ 0.7782 1.5295 0.2843 0.9010 0.0045 0.0945BirthsT9511_ 2.0038 4.7357 0.7321 2.7018 0.0116 0.1960BirthsT9512_ 0.4474 1.4534 0.1635 0.8339 0.0026 0.0608BirthsT7211_ 0.5301 1.1096 0.1937 0.6334 0.0031 0.0657BirthsT7219_ 3.0113 5.7753 1.1003 3.2178 0.0173 0.2922BirthsT7220_ 1.0677 2.4097 0.3901 1.4710 0.0062 0.1384BirthsT1920_ 0.1391 0.6200 0.0508 0.3462 0.0008 0.0416BirthsT3512_ 0.2519 1.2133 0.0920 0.7332 0.0014 0.0914BirthsT3513_ 2.0526 9.1847 0.7500 5.3526 0.0112 0.6681BirthsT3514_ 1.1617 4.3533 0.4245 2.5903 0.0067 0.3244BirthsT3515_ 1.0489 4.4824 0.3832 2.3191 0.0058 0.1498BirthsT3516_ 0.7857 2.0344 0.2871 1.0285 0.0041 0.0932BirthsT3517_ 0.0150 0.1219 0.0055 0.0740 0.0001 0.0081BirthsT3518_ 2.3684 4.7336 0.8654 2.5778 0.0136 0.2697BirthsT3519_ 34.8233 81.4296 12.7239 42.5469 0.1966 4.5931BirthsT3522_ 0.5489 1.4509 0.2005 0.7516 0.0032 0.0738BirthsT3523_ 0.1353 0.4881 0.0495 0.2731 0.0008 0.0311BirthsT3600_ 3.0000 10.9638 1.0962 5.0545 0.0172 0.2724BirthsT2110_ 0.6429 4.2155 0.2349 2.4514 0.0037 0.1114BirthsT2120_ 1.1090 7.3965 0.4052 4.0277 0.0065 0.2322BirthsT2410_ 2.7481 9.1462 1.0041 4.5576 0.0157 0.1844BirthsT2420_ 0.6617 2.5680 0.2418 1.1830 0.0037 0.0674BirthsT2431_ 0.0301 0.2731 0.0110 0.1383 0.0002 0.0175BirthsT2432_ 0.2481 1.1119 0.0907 0.5297 0.0014 0.0421BirthsT2433_ 0.3195 0.9353 0.1168 0.5046 0.0018 0.0421BirthsT2434_ 0.1353 0.7349 0.0495 0.3638 0.0007 0.0296BirthsT2442_ 0.6654 2.1202 0.2431 1.0889 0.0037 0.0781BirthsT2443_ 0.0602 0.3310 0.0220 0.1804 0.0003 0.0187BirthsT2444_ 0.1015 0.6450 0.0371 0.3518 0.0006 0.0261BirthsT2445_ 0.2744 1.1209 0.1003 0.6334 0.0016 0.0416BirthsT2446_ 0.0038 0.0613 0.0014 0.0371 0.0000 0.0047BirthsT2451_ 0.7744 3.3984 0.2830 1.5000 0.0044 0.0918BirthsT2452_ 0.2331 1.2310 0.0852 0.5435 0.0013 0.0405BirthsT2453_ 0.1992 0.7280 0.0728 0.3980 0.0011 0.0344BirthsT2454_ 0.9962 5.1969 0.3640 2.5363 0.0056 0.1034BirthsT2910_ 0.4173 1.9950 0.1525 1.0621 0.0024 0.0567BirthsT2920_ 1.9624 6.5691 0.7170 2.7182 0.0109 0.1460BirthsT2931_ 0.2594 1.4077 0.0948 0.7440 0.0015 0.0459BirthsT2932_ 3.4399 16.9284 1.2569 9.1214 0.0196 0.3392BirthsT3011_ 0.8158 4.0338 0.2981 1.9308 0.0047 0.1564BirthsT3012_ 0.3910 1.3644 0.1429 0.7538 0.0022 0.0529BirthsT3020_ 0.2368 1.0817 0.0865 0.6066 0.0014 0.0546BirthsT3030_ 0.3872 1.2725 0.1415 0.7272 0.0022 0.0605BirthsT3040_ 0.0038 0.0613 0.0014 0.0371 0.0000 0.0047BirthsT3091_ 0.0977 0.6002 0.0357 0.2945 0.0006 0.0239BirthsT3092_ 0.0714 0.3667 0.0261 0.1909 0.0004 0.0193BirthsT3099_ 0.1767 0.8789 0.0646 0.4835 0.0010 0.0366

266 728 45598

Tabla A6(Cont.)


Obs

60

Tabla A7

Variable Dependiente Número de Nacimientos de Empresas(1) (2) (3) (4)

Coeficiente Coeficiente Coeficiente Coeficiente

0.83545*** 0.005 0.83510*** 0.005 0.87655*** 0.005 0.91887*** 0.004 0.07113*** 0.003 0.07131*** 0.003-0.08542*** 0.002 -0.08547*** 0.002 -0.08714*** 0.002 -0.08726*** 0.002

-0.00069 0.001 -0.00124** 0.001 -0.00385*** 0.001 -0.00161*** 0.001

-0.54805*** 0.017 -0.54888*** 0.017 -0.55488*** 0.017 -0.54835*** 0.016

-0.27827*** 0.007 -0.27733*** 0.007 -0.26730*** 0.007 -0.26504*** 0.007

0.00543*** 0.001 0.00536*** 0.001 0.00514*** 0.001 0.00592*** 0.001

0.06578*** 0.008 0.07021*** 0.008 0.09227*** 0.008 0.07487*** 0.008

-0.00113* 0.001 -0.00168** 0.001 -0.00380*** 0.001 -0.00124* 0.001

0.00067** 0.000 0.00053* 0.000

0.00354*** 0.000Constante -0.00261*** 0.000 -0.00539*** 0.001 -0.01780*** 0.001 -0.00338*** 0.001N 29049 29049 29049 29049

Municipios que no pertenecen a una zona Metropolitana(1) (2) (3) (4)


-0.0007 0.009 -0.00569 0.009 -0.00698 0.009 -0.01033 0.009 0.02628*** 0.009 0.02443*** 0.009-0.09579*** 0.008 -0.07835*** 0.008 -0.07870*** 0.008 -0.07819*** 0.008

0.00512*** 0.001 0.00131 0.001 0.00140* 0.001 0.00137* 0.001

0.11598*** 0.033 0.07841** 0.033 0.07969** 0.033 0.07865** 0.033

-0.44671*** 0.019 -0.43282*** 0.019 -0.43224*** 0.019 -0.43902*** 0.019

-0.00814*** 0.003 -0.00870*** 0.003 -0.00874*** 0.003 -0.00866*** 0.003

-0.16306*** 0.012 -0.15329*** 0.012 -0.15340*** 0.012 -0.15618*** 0.012

0.00225** 0.001 0.00026 0.001 0.00032 0.001 0.00026 0.001

0.00350*** 0.000 0.00354*** 0.000

0.00340*** 0.000Constante -0.11046*** 0.003 -0.12378*** 0.003 -0.12439*** 0.003 -0.12589*** 0.003N 13575 13575 13575 13575

Municipios en Zonas Metropolitanas(1) (2) (3) (4)


0.87822*** 0.007 0.87781*** 0.007 0.90218*** 0.006 0.94013*** 0.005 0.04611*** 0.004 0.04623*** 0.004-0.06661*** 0.003 -0.06667*** 0.003 -0.06874*** 0.003 -0.07057*** 0.003

-0.00081 0.001 -0.00122* 0.001 -0.00274*** 0.001 -0.00156** 0.001

-0.76469*** 0.024 -0.76523*** 0.024 -0.77543*** 0.024 -0.77514*** 0.023

-0.32742*** 0.010 -0.32671*** 0.010 -0.31523*** 0.010 -0.30275*** 0.010

0.00439** 0.002 0.00433** 0.002 0.00431** 0.002 0.00536*** 0.002

0.10419*** 0.012 0.10910*** 0.013 0.12755*** 0.012 0.11224*** 0.012

-0.00106 0.001 -0.00165* 0.001 -0.00349*** 0.001 -0.0014 0.001

0.00064 0.000 0.00057 0.000

0.00276*** 0.000Constante 0.07298*** 0.002 0.06915*** 0.003 0.05555*** 0.002 0.06881*** 0.003N 15474 15474 15474 15474

Regresiones de Nacimientos con Spillovers (Municipios)

Desv. Est. Desv. Est. Desv. Est. Desv. Est.

Bit-1

B7022it-2

Git

PIBit

Empit

EntDeposititM2CCit

Denit

KPrit

SpillitSpillTit


Bit-1

B7022it-2

Git

PIBit

Empit

EntDeposititM2CCit

Denit

KPrit

SpillitSpillTit


Bit-1

B7022it-2

Git

PIBit

Empit

EntDeposititM2CCit

Denit

KPrit

SpillitSpillTit


departament d’economÌa aplicada octorado ecerca...

Documents