DEPARTAMENTO DE ECONOMÍA Y GESTIÓN FORESTAL ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE MONTES UNIVERSIDAD POLITÉCNICA DE MADRID

ANÁLISIS DE LA INNOVACIÓN Y LA SOSTENIBILIDAD EN LA INDUSTRIA FORESTAL

AUTOR D. ROBERTO VOCES GONZÁLEZ INGENIERO DE MONTES DIRECTOR DE LA TESIS DOCTORAL D. LUIS AUGUSTO DÍAZ BALTEIRO DOCTOR INGENIERO DE MONTES

AÑO 2011 i

A Luis Díaz Balteiro

vi

AGRADECIMIENTOS

Por supuesto, a mi director, Luis Díaz Balteiro, sin el cual esta Tesis Doctoral no sería más que un sueño. A Carlos Romero, por su sabiduría y su sentido del humor. A Casimiro Herruzo, por estar siempre ahí, mientras duró el doctorado. A Teodosio Pérez Amaral, que se esforzó en enseñarme econometría. A cuantos estuvieron presentes en el seminario que impartí dentro de los Madrid Environmental Economics Seminars, el 21 de enero de 2010, por soportarme dos horas y plantear interesantes dudas y alternativas. En especial a Pablo Campos, Mario Soliño, Paola Ovando, Alejandro Caparrós y José Luis Oviedo. A cuantos me ayudaron en Joensuu, en especial a María Pasalodos, Elena Gorriz, Sabaheta Rancilovic, Tim Green, Vadim Gotsev, y, cómo no, a mi jefa, Anne Toppinen. A los 22 expertos que respondieron a la encuesta realizada, gracias por su tiempo y su saber. A Eloy Almazán, por su labor de “manitas” en cuestiones de formato de esta Tesis. Last but not least, a mis padres y a Isabel, por estar conmigo en las buenas, en las malas, y en las peores.

vii

ÍNDICE

1.

2.

3.

4.

Índice Resumen Introducción 1.1. La industria forestal 1.2. Objetivos de la Tesis La innovación tecnológica en la industria forestal española 2.1. Introducción 2.2. Material 2.3. Resultados 2.3.1. Indicadores de input 2.3.2. Indicadores de output 2.3.3. Indicadores del efecto económico y social de la innovación 2.4. Discusión La sostenibilidad de la industria forestal española en el ámbito europeo 3.1. Introducción 3.2. Material 3.2.1. Indicadores de sostenibilidad y países europeos analizados 3.2.2. Variables evaluadas en los modelos econométricos 3.3. Metodología 3.3.1. Teoría de la decisión multicriterio 3.3.2. Método de programación por metas con variable binarias 3.3.3. Modelos econométricos 3.4. Resultados 3.4.1. Resultados del proceso de normalización 3.4.2. Resultados del modelo de programación por metas 3.4.3. Resultados de los modelos econométricos 3.5. Discusión Conclusiones Bibliografía Anejo 1 Anejo 2 Anejo 3 Anejo 4

viii

1 2 3 3 5 7 7 11 16 17 24 26 31 36 36 41 42 52 57 57 61 67 70 71 78 92 100 109 112 130 132 136 142

RESUMEN Se puede afirmar que la transformación industrial de la madera sigue teniendo en España y en Europa una razonable importancia, dada su magnitud económica y su importancia en el mantenimiento de puestos de trabajo en zonas rurales. En esta Tesis Doctoral se pretende analizar dos aspectos esenciales para los sectores industriales de la madera, el papel y el mueble. En primer lugar se caracterizará la innovación realizada en la industria forestal españolausando un grupo de indicadores procedentes de fuentes oficiales. A continuación, esta Tesis Doctoral se centrará en el estudio de la sostenibilidad en la industria forestal dentro de un ámbito europeo, utilizando una metodología basada en la programación por metas con variables binarias. Por último, se intentará identificar los factores que condicionan los niveles de sostenibilidad obtenidos, recurriendo al uso de modelos econométricos.

ABSTRACT Is possible to say that the wood based industries in Spain and Europe still have a reasonable importance, given its economic magnitude and its essential role in maintaining jobs in rural areas. The purpose of this Ph. D is to analyze two essential items in the manufacturing of wood, pulp and paper, and furniture. First, the innovation in the Spanish wood based industry will be characterized using a set of indicators from official sources. Next, this study will focus on studying the sustainability of the wood based industry in a European context. This study is developed using an extended goal programming approach with binary variables. Finally, in order to identify the determinants of the sustainability standards obtained, some econometric models have been developed. ix

1. INTRODUCCIÓN

“Decidió que, si volvía a tener la oportunidad, abandonaría antes su zona de comodidad y se adaptaría con mayor rapidez al cambio. Eso le facilitaría las cosas en el futuro”. Spencer Johnson (1998).

1.1. La industria forestal Se puede afirmar que la transformación industrial de la madera sigue teniendo en España y también en Europa una razonable importancia, dada la magnitud y variedad de productos finales que de ella se derivan y la diversidad de industrias que contribuyen a su generación, desempeñando, además, un papel esencial en el mantenimiento de puestos de trabajo en zonas rurales. Para más información, en la Tabla 1.1 se recogen los porcentajes que las actividades económicas pertenecientes a la industria forestal representaban dentro del sector manufacturero español en el año 2006. Este año es el último para el que se recogen datos en esta Tesis Doctoral, y además es el penúltimo año para el cual Eurostat proporciona estadísticas sobre este tema (Eurostat, 2010). Ante todo es preciso indicar que la industria forestal, tal como se denomina en esta Tesis Doctoral, comprende tres industrias o actividades industriales, que son, según la NACE (referente europeo de la Clasificación Nacional de Actividades Económicas), la industria de la madera (NACE 20), la industria del papel (NACE 21) y la industria del mueble y otras manufacturas (NACE 36). Como se puede ver en la mencionada tabla, esos tres sectores muestran un comportamiento muy diferente para los cuatro

1

indicadores económicos que se adjuntan. En todo caso, su suma, es decir, la industria forestal se presenta como relativamente importante.

Tabla 1.1. Porcentajes de cada sector estudiado con respecto del sector manufacturero total en España Número de empresas Facturación Valor añadido Número de asalariados 20 7.34 2.14 2.41 3.77 21 0.91 2.34 2.54 2.21 36 11.35 2.94 3.81 6.23 Industria forestal 19.59 7.42 8.76 12.21 Fuente : Elaboración propia

En la Tabla 1.2 se muestran los correspondientes valores para la Unión Europea de 27 Estados Miembros, y, como se puede apreciar, no existen grandes diferencias. Hay que tener en cuenta dos cosas: que la Tabla 1.2 recoge valores agregados para países y sectores forestales con una gran diversidad, y que realmente la industria forestal española no supone una rareza en el ámbito europeo.

Tabla 1.2. Porcentajes de cada sector estudiado con respecto del sector manufacturero total en la UE27 Número de empresas Facturación Valor añadido Número de asalariados 20 8.52 1.96 2.17 3.39 21 0.84 2.43 2.4 2.14 36 10.18 2.56 3.12 4.97 Industria forestal 19.54 6.96 7.69 10.49 Fuente : Elaboración propia

Sin embargo, a pesar de su importancia, el sector forestal y, en particular, las industrias de transformación de la madera y de los productos o subproductos asociados a la misma, no han sido analizados de una forma integral con tanto rigor como otros sectores productivos, sobre todo en aspectos relativos a su eficiencia, estructura productiva, y componentes medioambientales. Aspectos cada vez más importantes ante los serios desafíos a los que se enfrentan estos sectores tradicionales, como el acceso a las materias primas, la necesidad de reducir emisiones de gases de efecto invernadero, la

2

innovación, el comercio, o la difusión de la información oportuna al público y a otros agentes interesados (Toppinen y Kuuluvainen, 2010).

1.2. Objetivos de la tesis En síntesis, los objetivos buscados con la realización de esta Tesis Doctoral pueden resumirse en los siguientes puntos: Caracterizar la innovación en la industria forestal en España, así como las fuentes existentes para su análisis. Establecer relaciones entre la estructura productiva de las empresas forestales y su capacidad de innovar. Definir la sostenibilidad en estas industrias mediante la construcción de un índice agregado. Establecer un ranking de los países europeos en función de la sostenibilidad asociada a los tres sectores de la industria forestal. Identificar los factores que determinan los diferentes niveles de sostenibilidad recogidos en el mencionado ranking.

Para alcanzar los mencionados objetivos, esta Tesis se estructura del siguiente modo: En primer lugar se analizarán diversos aspectos relativos a la innovación tecnológica en la industria forestal española. Como veremos, dicha innovación está emparentada con la existente en la mayoría de los sectores tradicionales, caracterizándose por ser poco formalizada, y sin embargo vital para la supervivencia de esas actividades (Sandven et al., 2005). Un procedimiento generalmente empleado para realizar este estudio consiste en la elaboración y medición de indicadores de innovación, esto es, de estadísticas que describen aspectos particulares de las actividades innovadoras. En definitiva, unos 3

indicadores abordarán aspectos tangibles de la innovación, mientras que otros se referirán a resultados indirectos de la misma; unos indicadores se elaborarán expresamente para medir características peculiares de la innovación, mientras que otros se basan en estadísticas confeccionadas con distinta finalidad. La segunda parte de esta Tesis Doctoral se centrará en el estudio de la sostenibilidad de la industria forestal, tanto en España como dentro de un marco europeo. Para ello se volverá a recurrir a un conjunto de indicadores sectoriales con los que se pretende cubrir los tres ámbitos que caracterizan la sostenibilidad (económico, social y ecológico). La metodología, basada en la programación por metas con variable binarias, que ya ha sido utilizada a la hora de abordar la sostenibilidad de la gestión forestal (Diaz-Balteiro y Romero 2004a,b), comprenderá varios pasos: 1) La adecuada agregación del conjunto de indicadores seleccionados. 2) La elaboración de un ranking con los países europeos para los que se disponga de información, en base a su nivel de sostenibilidad. 3) El análisis de todas las posibles soluciones de compromiso existentes entre la solución más eficiente y la más equilibrada. Posteriormente, utilizando métodos econométricos, se tratará de identificar aquellas características no sólo sectoriales, sino también nacionales y empresariales, que pudieran explicar los resultados obtenidos.

4

5

2. LA INNOVACIÓN TECNOLÓGICA EN LA INDUSTRIA FORESTAL ESPAÑOLA

“Quienes trabajamos para los llamados sectores tradicionales sentimos, frecuentemente, la discriminación de que éstos son objeto, especialmente cuando se habla de tecnología, pues se los ignora, se los infravalora e incluso parece que cause vergüenza hablar de ellos junto a otros sectores de actualidad, que probablemente son muy importantes, pero que no deben hacernos olvidar la realidad del país”. Orgilés y Salas (2001).

2.1. Introducción La producción y distribución de conocimiento a través de la innovación representa una de las bases esenciales del crecimiento económico junto con el capital humano y el capital físico, al contribuir a mejorar la productividad, así como a crear y mantener ventajas competitivas duraderas. En este capítulo se aborda la innovación tecnológica correspondiente a la industria forestal en España, con el fin de obtener una visión de conjunto sobre su situación en términos absolutos y relativos. Este tipo de estudios permiten detectar las oportunidades y necesidades existentes, ayudando al diseño de adecuadas políticas públicas y estrategias empresariales (Alfranca et al., 2009). La caracterización planteada se ha llevado a cabo mediante el análisis de diversos indicadores de innovación elaborados en base a las fuentes oficiales disponibles durante el desarrollo de este estudio, así como a los resultados de una encuesta realizada a lo largo del año 2006 por Martínez Núñez y Díaz Balteiro (2007). En primer lugar, debemos definir el conjunto de prácticas que son aquí analizadas. Aunque el concepto de innovación se encuentra en evolución constante, las

6

características de la información disponible hacen que nos centremos en la innovación tecnológica. Una innovación tecnológica se puede definir como la implementación de un producto (bien o servicio), o de un proceso, nuevo o significativamente mejorado, a nivel de empresa. La innovación tecnológica requiere haber sido introducida en el mercado (innovación de producto), o utilizada dentro de un proceso de producción (innovación de proceso), e implica una serie de actividades científicas, tecnológicas, organizativas, financieras y comerciales (OECD, 1997). En suma, si bien la 3ª edición del Manual Oslo (OECD, 2005) recoge además dos nuevos tipos de innovación: la innovación en mercadotecnia y la innovación organizativa, en este trabajo el concepto de innovación se refiere exclusivamente a la innovación tecnológica. A continuación, describiremos las características tecnológicas de la actividad industrial a la que se ciñe este análisis de la innovación. Al igual que otros sectores tradicionales, la industria forestal tiende a ser intensiva en el uso del factor trabajo y pertenece al nivel de baja intensidad tecnológica que establece la OCDE (su gasto total en I+D, expresado como porcentaje de la cifra de negocios, presenta un valor comprendido entre 0 y 0.9%) (Arbussà et al., 2004; Hirsch-Kreinsen et al., 2005; OECD, 2007). Además, en cuanto a la generación de tecnología, la industria forestal tiende a estar dominada por la oferta (proveedores) (Pavitt, 1984). Esto es, se trata de industrias que se caracterizan por una escasa aportación propia a sus procesos de innovación, puesto que la mayor parte de sus innovaciones proceden de otros sectores, sobre todo de la industria de maquinaria y equipos, y de suministradores de materiales y bienes intermedios. (Herruzo et al., 2004). En ciertos casos pueden contribuir sus clientes, especialmente los grandes, o la investigación pública. Por todo ello, en estas empresas, la capacidad de I+D interna y del departamento de ingeniería suelen ser reducidas. Centrándonos en la industria forestal en España, se aprecia cómo estas actividades presentan un desempeño inferior

7

al de la industria en su conjunto. Así, en la Figura 2.1 se puede comprobar cómo el porcentaje de empresas que realizan o contratan actividades de I+D, en las industrias de la madera y del mueble ha sido tradicionalmente inferior a la media de la industria manufacturera. Registrándose un empeoramiento reciente en la industria del papel. Las características anteriores hacen a la industria forestal especialmente vulnerable, en un mercado cada vez más globalizado, frente a países que presentan costes laborales inferiores y una creciente capacidad manufacturera y comercial. Por esta razón, el mantenimiento de la posición relativa de las empresas de la industria forestal en el mercado nacional e internacional dependerá cada vez más de la acertada implantación de innovaciones que aporten nuevas prestaciones a los productos o que incidan en la estructura de costes (Hansen, 2006; Fundación COTEC, 2007). Figura 2.1. Porcentaje de empresas que realizan y/o contratan actividades de I+D. 45 40 35 Madera

Porcentajes

30 25

Papel

20 Mueble

15 10

Sector manufacturero

5 0 1998 1999 2000 2001 2002 2003 2004 2005 2006 Período estudiado

Fuente; Elaboración propia a partir de los datos de la ESEE.

Los retos a los que actualmente se enfrenta la industria forestal en España se ponen de manifiesto

en

la

evolución

de

su 8

tasa

de

cobertura

(porcentaje

de

exportaciones/importaciones). Esta ratio presenta, para los sectores de la madera y del papel, un notable estancamiento (situándose en torno al 54,5% y al 73,5% respectivamente), mientras que en el sector del mueble experimenta un severo recorte (pasando del 147,8% en 2001, al 65,9% en 2006), particularmente como consecuencia de las importaciones desde países con costes laborales más bajos (China, Vietnam, República Checa, Turquía, Marruecos, Hungría, etc.) (Dirección General de Aduanas, 2008). En el marco de esta difícil competencia exterior, a la que no son ajenos otros países desarrollados (Hansen, 2006), adquiere especial importancia el análisis del papel que juega la innovación en la industria forestal española, así como el grado en el que este conjunto de empresas recurren al desarrollo de actividades innovadoras como fuente de competitividad. En esta línea, conviene recordar estudios realizados sobre el mercado internacional del mueble de madera, que subrayan el sostenimiento de la fortaleza del sector en países como Italia o Alemania, en los cuales se apuesta decididamente por la creación de fuentes de diferenciación y por la calidad (Hoff et al., 1997; Hovgaard y Hansen, 2004; Hernansanz y Rubio, 2005; Han et al., 2009). Los efectos de las actuaciones públicas y otros factores determinantes en la innovación empresarial han sido objeto de análisis continuado en la literatura especializada desde los trabajos pioneros de Griliches (1980) y Mansfield (1980), hasta trabajos más recientes como Griliches (1992), Jones y Williams (1998), Hage (1999), Mairesse y Mohnen (2002), Huergo y Jaumandreu (2002), Bhattacharya y Bloch (2004), Weil (2006) o Vaona y Pianta (2008), entre otros muchos estudios. Sin embargo, a pesar de la atención recibida por este campo de investigación, son escasos los trabajos realizados sobre la innovación en las industrias forestales, destacando los de Kubeczko y Rammetsteiner (2002) y Crespell y Hansen (2008a,b). La limitada literatura existente 9

sugiere la existencia de relaciones positivas entre la innovación y la productividad en las empresas relacionadas con la cadena de la madera, como apunta el trabajo de Bullard y Straka (1986) en las principales industrias de papel en los Estados Unidos. En un estudio más amplio, Munn et al. (1998) también encuentran una relación positiva entre gastos en I+D y rentabilidad a largo plazo, aunque estos gastos en I+D presentan a corto plazo una relación negativa con el crecimiento de estas empresas. En el mismo país, y para la industria del mueble, West y Sinclair (1992) ilustran la importancia de este factor para la competitividad de estas empresas, analizando además las cualidades que poseen las empresas innovadoras. Por otro lado, Crespell et al. (2006) muestran que la propensión a innovar resulta importante para el mantenimiento de la competitividad en ciertas industrias de la madera en Estados Unidos. Dicha propensión estaría relacionada con la existencia de un ambiente innovador en la empresa (Crespell y Hansen, 2008a). Sin embargo, aún reconociendo la importancia y la necesidad de la innovación como motor del éxito empresarial, algunos autores (Rametsteiner y Weiss, 2006) muestran como en diversos países no existen políticas y estrategias de innovación en las industrias forestales. En líneas generales, este es el contexto en el que se va a abordar el estado del arte de la innovación tecnológica en la industria forestal española, para los tres sectores que la constituyen (industria de la madera, industria del papel e industria del mueble), tanto a nivel nacional como desde una perspectiva comparada con otros países europeos.

2.2. Material Un procedimiento generalmente empleado para realizar el estudio aquí planteado consiste en la elaboración y medición de indicadores de innovación, esto es, de estadísticas que describen aspectos concretos de las actividades innovadoras. Pero 10

debido al gran número de actividades y estrategias diferentes que comprende la innovación empresarial, su análisis general precisará de la utilización simultánea de varios tipos de indicadores, no existiendo unanimidad sobre cuáles son los más apropiados. En suma, es preciso indicar que todavía no se dispone de un sistema de indicadores incuestionable y perfectamente comprehensivo (Välimäki et al., 2004; Echeverría, 2008)1. En definitiva, unos indicadores abordan aspectos tangibles de la innovación, mientras que otros presentan resultados indirectos de la misma; unos indicadores se elaboran expresamente para medir características particulares de la innovación, mientras que otros se basan en estadísticas confeccionadas con distinta finalidad (Grupp y Mogee 2004). Además, puesto que no existen valores de referencia para estos indicadores, la evaluación de los mismos sólo se puede basar en comparaciones temporales, sectoriales o internacionales, tal como se hace en este capítulo (Sancho, 2002). Existen distintas clasificaciones de los indicadores de innovación (Grupp, 1998; Hollanders y Arundel, 2006), aunque este estudio sigue la clasificación tradicional de la OCDE, en la cual los indicadores se clasifican de acuerdo con las distintas fases del proceso innovador (European Commission, 2003; OECD, 2005). Utilizaremos, por tanto, indicadores de input, de output y de impacto socioeconómico de las innovaciones. Todos los indicadores utilizados se presentan en la Tabla 2.1. A continuación, se comentarán brevemente algunas características generales de los mismos.

1

Para una revisión de la mejora y adaptación de los métodos de medida de la innovación empresarial,

véase Fundación COTEC, 1998, 2001, 2004; Godin, 2001; OCDE, 2002; OECD, 1997, 2005 y Grupp y Mogee, 2004.

11

Los indicadores del input de la innovación recogen los recursos destinados a las actividades innovadoras: gastos en I+D y en actividades innovadoras, recursos humanos dedicados a actividades de I+D, participación en programas conjuntos de I+D con otras organizaciones, participación en programas de apoyo a la innovación financiados públicamente, recursos alternativos a la innovación, etc. Cabría señalar como fortalezas de este tipo de indicadores la larga experiencia existente en su cálculo, y la proximidad a las ciencias de la economía y la contabilidad; mientras que su principal debilidad radica en que evalúan una condición necesaria pero no suficiente para garantizar la consecución de innovaciones (según el Manual Oslo, se sobreentiende que exitosas) (Urraca, 1998; Fundación COTEC, 2001; Flor y Oltra, 2004; OECD, 2005; Voces et al., 2008a; Santamaría et al., 2009).

Tabla 2.1. Indicadores de innovación utilizados. Indicadores de input Gasto interno total en I+D Gastos corrientes en I+D % Empresas con I+D % Empresas que reciben recursos públicos para la I+D Trabajadores dedicados a actividades de I+D Empresas con actividades innovadoras Intensidad de innovación Gasto total en actividades innovadoras Empresas que realizan "formas menores de innovación" Indicadores de output % Empresas que registran patentes % Empresas que registran modelos de utilidad Número de productos nuevos dividido entre el número de empresas Indicadores del efecto socioeconómico de la innovación Porcentaje de la cifra de negocios debida a bienes y/o servicios que fueron novedad para la empresa % Empresas que dan gran importancia a los efectos de sus innovaciones sobre los productos % Empresas que dan gran importancia a los efectos de sus innovaciones sobre los procesos % Empresas que dan gran importancia a los efectos de sus innovaciones sobre el cumplimiento de los requisitos normativos (%)

Fuente: Elaboración propia.

12

También existen indicadores del output de la innovación, que recogen los resultados empresariales. Contrariamente al caso anterior, hacen referencia sólo a innovaciones exitosas, es decir, a innovaciones propiamente dichas, siendo ésta su principal fortaleza. La debilidad de estos indicadores responde a la gran variedad de resultados: pericias, habilidades,

conocimientos,

bienes

intangibles,

etc.

(Voces

et

al.,

2008a).

Probablemente, los indicadores del output más conocidos sean los basados en el análisis de patentes. No obstante, su utilización en este trabajo se ve condicionado por dos limitaciones. En primer lugar, los sectores estudiados, clasificados por Pavitt (1984) como dominados por los proveedores, se caracterizan por el uso de medios alternativos a las patentes; en segundo lugar, los datos proporcionados por las fuentes consultadas no nos han permitido profundizar en este estudio, como sugieren Jaffe y Trajtenberg (2002), desde el punto de vista de la naturaleza de la investigación, o del valor y la difusión de los resultados de dicha investigación. Finalmente, existen indicadores del efecto socioeconómico de la innovación, los cuales recogen resultados agregados a nivel de sector, región o país. Su gran interés consiste en valorar las modificaciones que la innovación introduce en las propias características de la economía y de la sociedad (Fundación COTEC, 2004). Entre las muchas dificultades que encuentra este tipo de indicadores cabe mencionar la necesidad de realizar análisis económicos de cierta entidad, la dificultad para relacionar innovaciones concretas y supuestos impactos, que pueden variar de unos sectores a otros, o incluso de unas regiones a otras, la existencia de retardos en esas relaciones, el papel que desempeñan otros factores no analizados, etc. (OECD, 2005; Voces et al., 2008a). La información necesaria para la elaboración de los indicadores de innovación procede de diversas fuentes que podemos clasificar en primarias y secundarias. Las primarias obtienen la información directamente de las empresas, y pueden ser censos ó estudios 13

muestrales. Dichos estudios muestrales pueden ser, a su vez, cuantitativos, cualitativos o de panel. Las fuentes secundarias utilizan la información obtenida por otros y la exponen posteriormente en estudios, análisis, memorias, etc. En esta línea, para recoger estos indicadores se han utilizado las siguientes fuentes secundarias: el Directorio Central de Empresas (DIRCE)2, que en 2006 reunía a 40.423 empresas pertenecientes a la industria forestal (INE, 2008). La Encuesta sobre Innovación Tecnológica en las Empresas (EIT), que proporciona información sobre las actividades innovadoras, su coste e impacto en las empresas, cuya muestra recogía en 2006 unas 6.379 pertenecientes a la industria forestal, un 15,8% del total de las empresas que componen esta industria (INE, 2008). La Encuesta sobre Estrategias Empresariales (ESEE), estudio de panel que aborda la evolución de las principales características económicas de las empresas manufactureras españolas, y que en el último año utilizado en este trabajo (2006), recogía información sobre 2.023 empresas, de las cuales un 12,2% (alrededor de 250) correspondían a la industria forestal (Fundación SEPI, 2008). La Estadística sobre actividades de I+D, que desde el año 1964, y con periodicidad anual, proporciona información sobre recursos económicos y humanos destinados a la investigación, así como sobre sus resultados (INE 2008). La Base de Datos de Comercio Exterior, que recoge datos de exportaciones e importaciones de productos clasificados según códigos CNAE o TARIC (Dirección General de Aduanas, 2008). La base de datos de Eurostat sobre Ciencia y Tecnología, en la que se ofrecen los resultados de las Encuestas Comunitarias sobre Innovación (Eurostat, 2008).

2

Se trata de un registro organizado de información, operativo desde 1993, que proporciona datos de

identificación, localización, distribución territorial y clasificación por tamaño y actividad económica de las empresas; obtenidos a partir de fuentes administrativas y completado por otras informaciones procedentes de operaciones corrientes del INE (INE, 2008).

14

Es preciso señalar que tanto la EIT como la ESEE se realizan siguiendo las directrices metodológicas definidas en el Manual Oslo3 sobre innovación tecnológica, lo que facilita el análisis conjunto de sus resultados. Sin embargo, ambas fuentes sólo analizan empresas de 10 ó más trabajadores, lo cual implica que una parte fundamental de las empresas de la cadena de la madera no son recogidas, dada la preponderancia de las pequeñas empresas en los sectores que la integran. En concreto, en el año 2006, el 87,7% de las empresas del sector de la madera, el 60,1% de las del papel, y el 86,04% de las del mueble no alcanzaban esta cifra (INE, 2008). Además de las fuentes estadísticas secundarias arriba mencionadas, en este trabajo se ha tenido la oportunidad de utilizar una fuente primaria, en concreto una encuesta realizada sobre una amplia muestra de la industria forestal española. En la mencionada encuesta se incluyen diversos aspectos relacionados con la innovación tecnológica, entre ellos la percepción corporativa de la propia innovación, así como de su importancia respecto a la innovación realizada por otras empresas (Martínez Núñez, 2006; Martínez Núñez y Díaz Balteiro, 2007). A pesar de los sesgos que se introducen al pedir a las empresas que autoevalúen la innovación que realizan, es ésta una práctica habitual cuando se estudia dicha variable (Knowles et al., 2008).

2.3. Resultados A la hora de presentar los resultados se va a utilizar básicamente el mismo enfoque seguido para clasificar los indicadores. Es decir, en primer lugar se mostrarán los resultados de analizar la innovación tecnológica a través de los indicadores de input, para a continuación pasar a los indicadores de output y a los indicadores del efecto económico y social de la innovación. Por último, se presenta un epígrafe dedicado a la 3

Innovaciones de producto y de proceso (Manual Oslo, 2ª edición. OCDE, 1997).

15

comparación entre indicadores de input y de output de la innovación en otros países europeos.

2.3.1. Indicadores de input En la Tabla 2.2 se recoge un conjunto de indicadores del input de la innovación en la industria forestal en España, ofreciendo datos correspondientes al año 2006. Dicha tabla se presentará asimismo en el Anejo 1.

Tabla 2.2. Indicadores del input de la innovación en la industria forestal (2006). Madera

Papel

Mueble

Total industria manufacturera

15,1

26,3

22,7

3309,4

Gastos corrientes en I+D (millones de €) destinados a: Investigación fundamental Investigación aplicada Desarrollo tecnológico

0,1 3,6 6,2

0,5 12,7 8,4

0,4 8,6 12,0

55,4 1200,5 1536,0

Empresas con I+D (interna o externa) (%)3

8,4

13,7

8,9

20,5

Trabajadores dedicados a actividades de I+D, (%total de trabajadores)1

0,3

0,5

0,6

2,2

Empresas que reciben recursos públicos para la I+D (%)2

3,9

7,8

2,8

12,2

Gasto interno total en I+D cubierto con fondos de las AAPP (%)1

16,3

5,1

5,9

11,9

Empresas con actividades innovadoras (%)3

26,8

34,3

29,4

33,5

Intensidad de innovación (%)3

0,7

1,1

0,8

1,3

22,5 74,2 3,3

15,0 83,0 1,9

35,9 53,1 11,1

41,9 46,1 12,1

70,7 13,0 16,4

47,4 16,6 36,0

73,9 18,9 7,2

60,8 20,5 18,7

5,2 29,9

10,9 35,9

6,6 22,6

18,0 39,3

3,9 9,1

6,3 14,1

2,8 23,6

9,9 26,2

1

Gasto interno total en I+D (millones de €) 1

3

Gasto total en actividades innovadoras (%) Empresas de menos de 250 empleados I+D Tecnología incorporada Otros gastos Empresas de 250 o más empleados I+D Tecnología incorporada Otros gastos Empresas que realizan "formas menores de innovación" (%)2 Información técnica Control de calidad Asimilación tecnología importada Diseño

Fuente : Estadística de I+D1 , ESEE2 , EIT3 . Intensidad de innovación: (Gasto en actividades innovadoras/Cifra de negocios)×100

En la primera línea se muestra el gasto interno total en I+D expresado en millones de €. En lo que respecta a este indicador, es preciso resaltar las diferencias observadas entre

16

los tres sectores que componen la industria forestal, así como la reducida importancia del valor mostrado De hecho, aunque la distribución es desigual, si sumamos el gasto interno total en I+D de los tres sectores (madera, papel y mueble), apenas supone el 1,9% del gasto realizado por el conjunto de la industria manufacturera española. Estos resultados empeoran notablemente cuando analizamos la distribución de los gastos corrientes en I+D entre los sectores que componen la industria forestal. Como se puede apreciar en la citada Tabla 2.2, los gastos corrientes en investigación fundamental en el sector de la madera son muy reducidos, así como los gastos en desarrollo tecnológico vinculados al sector del papel, a pesar de que muchas de las empresas que lo componen son

intensivas en capital. El sector del mueble presenta mejores

resultados si analizamos los gastos asociados al desarrollo tecnológico. Los resultados anteriores se pueden explicar en parte por el escaso número de empresas que realizan o contratan I+D, en particular en el sector de la madera. Es más, tal como se comentó anteriormente en la Figura 1, si consideramos la evolución del porcentaje de empresas que abordan I+D interna o externa, apreciamos el carácter persistente de esta circunstancia, aumentando desde 2004 la brecha señalada para los sectores de la madera y del papel, y reduciéndose levemente para el sector del mueble. No sólo las inversiones realizadas en investigación, sino también la existencia de recursos humanos cualificados, dedicados o no a actividades de I+D, van a condicionar la capacidad de la empresa para generar, absorber, utilizar y difundir conocimiento. En la citada Tabla 2.2 se recoge también el porcentaje de personal dedicado a actividades de I+D y se puede observar que este indicador ofrece nuevamente resultados claramente por debajo de la media de la industria manufacturera. Por otro lado, los datos recogidos en la Tabla 2.2 parecen indicar que los recursos públicos destinados a actividades de I+D tienen una trascendencia desigual en los 17

sectores analizados. Así, el porcentaje de empresas que reciben este tipo de fondos en el sector del papel duplica al correspondiente al del sector de la madera, y casi triplica al del mueble, presentando los tres sectores, en todo caso, valores inferiores a la industria manufacturera total. Si se ampliara el periodo de tiempo analizado, los resultados serían similares, tal y como se muestra en la Figura 2.2. En efecto, se aprecia cómo, durante el período 1998-2006, y con la excepción puntual del sector del papel, el porcentaje de empresas pertenecientes a la industria forestal que reciben recursos públicos para la I+D se sitúa siempre por debajo del promedio correspondiente a la industria manufacturera.

Figura 2.2. Porcentaje de empresas que reciben recursos públicos para la I+D. 14

Porcentaje de empresas

12 10

Madera

8 Papel 6 Mueble 4 Sector manufacturero

2 0 1998 1999 2000 2001 2002 2003 2004 2005 2006 Período estudiado

Fuente: Elaboración propia a partir de los datos de la ESEE.

Conviene señalar, sin embargo, que los fondos procedentes de las distintas Administraciones Públicas desempeñan en el sector de la madera una función relativamente más importante que en los sectores de mueble y papel, y en la industria

18

manufacturera total, lo cual apunta a una menor utilización de recursos propios por parte de las empresas del sector. Es preciso resaltar que las innovaciones necesarias para la supervivencia y el crecimiento de las pequeñas empresas, como las que mayoritariamente componen la industria forestal,

no requieren esencialmente de costosos esfuerzos en I+D. Esta

circunstancia se acentúa en el caso de empresas pertenecientes a sectores de baja intensidad tecnológica, en las cuales el éxito económico no depende muchas veces de la investigación. Lo anteriormente indicado se evidencia en el menor porcentaje de empresas que realizan o contratan I+D, frente al porcentaje de empresas que desarrollan actividades innovadoras (Tabla 2.2). Asimismo, cabe destacar que, aunque la discrepancia entre empresas que realizan I+D y empresas con actividades innovadoras está presente en la totalidad de la industria manufacturera, esta diferencia adquiere mayor importancia para los sectores que integran la industria forestal. Conviene recordar, también, que las fuentes utilizadas no recogen buena parte de las empresas pertenecientes a los tres sectores de la industria forestal por tratarse de empresas de menos de 10 trabajadores4, razón por la cual la circunstancia mencionada tiene en realidad mayor peso que el aquí señalado. Abordando ya la innovación tecnológica en su conjunto, en la Tabla 2.2 se muestra cómo el porcentaje de empresas innovadoras por sector estudiado es similar al de la totalidad de las manufacturas. Además, a diferencia de la evolución observada en la Figura 2.1 para las actividades de I+D, en la Figura 2.3 los porcentajes de empresas innovadoras de producto y/o proceso pertenecientes a los sectores de la industria forestal siguen durante el período analizado una tendencia muy similar al correspondiente al sector manufacturero total. Es 4

En concreto, y ofreciendo datos agregados, un 85,4% de las empresas no están incluidas (DIRCE, 2006).

19

importante destacar también que el valor de este indicador para la industria del papel se mantiene por encima del correspondiente al total manufacturero durante todo el período, a excepción del año 2003. Resulta, por tanto, especialmente útil estudiar la intensidad de innovación, expresada por la ratio entre el gasto en actividades innovadoras y la cifra de negocios, a fin de clarificar la trascendencia real de la innovación de la industria forestal en comparación con la industria manufacturera total. En base a los datos recogidos para este indicador en la Tabla 2.2, podemos constatar un retraso de la industria forestal respecto del total de la industria manufacturera, así como diferencias similares a las ya apuntadas para la I+D entre los tres sectores analizados. La repercusión del tamaño empresarial sobre la actividad innovadora se indica en la Tabla 2.2, donde se puede apreciar cómo en las pequeñas y medianas empresas (empresas de menos de 250 empleados) el gasto en tecnología incorporada en maquinaria y equipos supera ampliamente al gasto en I+D, suponiendo un 74,2% del gasto total en actividades innovadoras en el sector de la madera, un 83,0% en el del papel, y un 53,1% en el del mueble. Por otra parte, en las grandes empresas (más de 250 empleados) esa relación se invierte para los tres sectores estudiados, en especial para los de la madera y del mueble, alcanzando respectivamente el gasto en I+D un 70,6% y un 73,9% del gasto total en innovación, y reduciéndose el gasto en tecnología incorporada al 13,0% y al 18,9% en cada caso. Cada vez más estudios cuestionan la idoneidad de las estadísticas actuales para caracterizar la innovación llevada a cabo en los sectores de baja-media intensidad tecnológica. En éstos, las actividades de I+D desempeñan un papel secundario, cuando no marginal, frente a otras muchas formas diferentes de conocimiento, habilidades y competencias. Por esta razón, en la Tabla 2.2 se ofrecen datos acerca de una serie de 20

actividades conocidas como “formas menores de innovación”, y que pueden estar directa o indirectamente relacionadas con la misma (información técnica, trabajos de normalización y control de calidad, asimilación de tecnologías importadas o diseño). En primer lugar, es preciso destacar que para todos los sectores de la industria forestal el porcentaje de empresas que recurren a las actividades analizadas es inferior al correspondiente al total de la industria manufacturera. Además, estas

actividades

muestran un marcado carácter complementario, y no alternativo a la I+D, pues las desarrollan principalmente empresas que también realizan I+D.

Figura 2.3. Porcentaje de empresas innovadoras de proceso y/o producto. 60

50 Madera Porcentajes

40 Papel 30 Mueble 20 Sector manufacturero

10

0 1998 1999 2000 2001 2002 2003 2004 2005 2006 Período estudiado

Fuente: Elaboración propia a partir de los datos de la ESEE.

Por último, también es reseñable que, en consonancia con los resultados de la industria manufacturera en su conjunto, el control de calidad es la actividad complementaria a la I+D más importante en los sectores de la madera y del mueble, siendo realizado por un 29,9% y un 35,9% de las empresas respectivamente. La segunda posición estaría ocupada por el diseño, con un 9,1% y un 14,1%. Para el sector del mueble, la relación se 21

invierte, desarrollando un 23,6% de las empresas actividades de diseño, y un 22,6%, actividades de control de calidad. Puesto que el reducido tamaño empresarial parece acrecentar los riesgos y obstáculos implícitos a la innovación, resulta conveniente analizar el grado en el que dichas empresas recurren a la colaboración tecnológica con otros agentes del sistema (empresas u organizaciones) para superar esa barrera. En ese sentido, los resultados presentados en la Tabla 2.3, correspondientes a las empresas del panel de la ESEE que contestaron a la encuesta en el año 2006, muestran que la cooperación tecnológica tiene esencialmente una menor importancia en las empresas estudiadas que en la industria manufacturera total. Destaca, asimismo, el papel jugado por las Universidades y los centros tecnológicos, pues estos agentes son los elegidos mayoritariamente por los sectores de la madera (19,5%) y del papel (15,6%) para realizar este tipo de cooperación. En este sector, el porcentaje indicado coincide con el de aquellas empresas que eligen cooperar con los proveedores, desempeñando estos agentes, directamente implicados en la cadena de valor, un lugar prioritario también en la industria del mueble, con un 11,3%.

Tabla 2.3.Porcentaje de empresas de la industria forestal que realizan acciones de colaboración tecnológica (2006). Madera

Papel

Con Universidades y/o centros tecnológicos 19,5 15,6 Con clientes 5,2 12,5 Con proveedores 6,5 15,6 Con competidores 5,2 3,1 Fuente : Elaboración propia a partir de datos de la ESEE (2006).

Mueble

Total industria manufacturera

8,5 5,7 11,3 0,0

21,8 17,4 20,9 2,1

Por último, en contraste con los datos derivados de las estadísticas oficiales, resulta de interés analizar los datos recogidos en la Tabla 2.4, referidos al porcentaje de empresas de la industria forestal que realizan actividades relacionadas con la innovación, 22

obtenidos a partir de la encuesta anteriormente introducida. Las cifras mostradas indican que el esfuerzo inversor en I+D resulta escaso para los tres sectores de la industria forestal. Se aprecia además cómo, a excepción de la industria del papel, son pocas las empresas que disponen de un departamento de investigación. Siguiendo con indicadores de input, el porcentaje de empresas cuyo gasto en I+D supone menos del 1% de las ventas es mayoritario en la industria de la madera y en la del mueble. Por otro lado, se estudia la importancia que tienen ciertas medidas públicas de estímulo para el desarrollo de la innovación en la industria forestal. Analizando dos medidas concretas, las subvenciones a la I+D, y los incentivos fiscales, se observa cómo tan sólo son adoptadas de forma minoritaria por estas empresas.

Tabla 2.4. Porcentaje de empresas de la industria forestal que realizan actividades relacionadas con la innovación tecnológica. Madera Papel Mueble Departamento de investigación 14,3 33,3 18,4 Empresas con intensidad de innovación menor del 1% 74,5 50,0 39,1 Subvenciones de I+D 5,5 19,4 19,8 Incentivos fiscales 6,3 13,8 14,0 Innovación tecnológica 29,3 45,2 37,0 Fuente : Elaboración propia a partir de los datos de Martínez Núñez y Díaz Balteiro (2007) Intensidad de innovación: (Gasto en actividades innovadoras/Cifra de negocios)×100

Finalmente, es preciso destacar que el porcentaje de empresas de la industria forestal que realiza innovación tecnológica recogido en la Tabla 2.4, no presenta una desviación importante con respecto a los datos proporcionados por la EIT, y presentados anteriormente en la Tabla 2.2.

2.3.2. Indicadores de output

23

Entre los indicadores del output de la innovación más utilizados se encuentran aquellos basados en las estadísticas de patentes. Utilizando los datos recogidos por la ESEE para el año 2006, en la Tabla 2.5 se recoge el porcentaje de empresas, pertenecientes a los sectores de la industria forestal y al total de los sectores manufactureros, que registran patentes en España o en el extranjero.

Tabla 2.5. Indicadores del output de la innovación en la industria forestal (2006). Madera

Papel

Mueble

Empresas que registran patentes (%) Empresas que registran modelos de utilidad (%)

3,9 1,3

4,7 0,0

5,7 0,9

Total industria manufacturera 9,3 1,9

Número de productos nuevos dividido entre el número de empresas muestreadas

0,1

0,7

2,7

1,8

Fuente : Elaboración propia a partir de los datos de la ESEE (2006)

Se constata que el porcentaje analizado es inferior al promedio de la industria manufacturera (9,3%) para el sector del mueble (5,7%), del papel (4,7%) y, sobre todo, de la madera (3,9%). Como este análisis se extiende en el tiempo hasta el año 1998 (Figura 2.4), se comprueba cómo la industria forestal presenta unos resultados en general alejados con respecto al conjunto de la industria manufacturera, pero con marcadas diferencias entre los tres sectores. Así, la industria del mueble presenta años con un número de patentes similar al del total de la industria manufacturera, mientras que los sectores de la madera y del papel registran valores alejados de la media del conjunto de industrias. Muy próximo conceptualmente al indicador anterior es el porcentaje de empresas de la industria forestal y manufacturera que han registrado modelos de utilidad, cuyos valores también se ofrecen en la Tabla 2.5. En este caso, los resultados vuelven a ser inferiores en todas las categorías sectoriales respecto al promedio manufacturero (1,9%),

24

mostrando predominancia el sector de la madera (1,3%), si bien dentro de un contexto general bastante limitado para esta figura de protección. El último indicador del output de la innovación que se va a analizar es el número de productos nuevos o significativamente mejorados (Tabla 2.5). A fin de manejar datos más homogéneos, se ha estimado oportuno dividir este indicador entre el número de empresas que ha sido muestreado en esa encuesta. Se obtienen unos valores muy reducidos para el sector de la madera (0,1), circunstancia que resulta coherente con los resultados proporcionados por los indicadores de input de la innovación en este sector. Por el contrario, la industria del mueble obtiene los mejores valores dentro de la industria forestal (2,7), superando ampliamente al sector del papel (0,7), e incluso al conjunto de la industria manufacturera (1,7).

Figura 2.4. Porcentaje de empresas que registran patentes. 25

Porcentaje de empresas

20 Madera 15

Papel

Mueble

10

Sector manufacturero

5

0 1998 1999 2000 2001 2002 2003 2004 2005 2006 Período estudiado

Fuente: Elaboración propia a partir de los datos de la ESEE.

2.3.3. Indicadores del efecto económico y social de la innovación

25

Los resultados sobre indicadores del efecto económico y social de la innovación en la industria forestal obtenidos para el año 2006 se presentan en la Tabla 2.6. De los mismos cabe destacar, en primer lugar, la posición rezagada que de nuevo los tres sectores de la industria forestal ocupan respecto del sector industrial manufacturero en su conjunto. Dicha circunstancia resulta especialmente acusada para el sector de la madera (4,5%), la cual parece deberse no tanto a la debilidad de la innovación realizada, sino a las características del indicador, centrado en la innovación de producto, y no en la de proceso, y con una escasa importancia en el sector mencionado, tal y como se ha constatado en la Tabla 2.5. Para los otros dos sectores aumenta la importancia de las innovaciones de producto en la cifra total de negocios, aunque sin alcanzar el promedio del conjunto de la industria (10,5%), registrando este indicador un valor del 7,9% para la industria del mueble, y del 6,3% para la del papel. Respondiendo a esta recomendación, desde el año 2004 la EIT sondea a las empresas que han emprendido actividades de innovación, exitosas, fracasadas o en proceso, acerca de la importancia que otorgan a los efectos conseguidos sobre productos, procesos, u otros efectos (requisitos normativos o parámetros medioambientales). En la Tabla 2.6 se muestran los resultados obtenidos para las tres ramas de la industria forestal, y para el total de la industria manufacturera. Analizando por sectores los datos de la Tabla 2.6, podemos destacar en primer lugar la mayor valoración relativa que las empresas de la industria del papel dan a los distintos efectos de las innovaciones emprendidas. Así, dichas empresas valoran por encima del conjunto de las manufacturas los efectos de las innovaciones sobre los productos, los procesos y el impacto ambiental o la salud y seguridad. Por su parte, el sector de la madera concede mayor importancia que dicha media a los efectos sobre los procesos y sobre el impacto ambiental. Finalmente, la industria del mueble otorga menor 26

importancia que el promedio de la industria manufacturera a los efectos sobre los procesos, los productos y el impacto ambiental. Para concluir, es necesario indicar que los tres sectores de la industria forestal conceden menor importancia que la totalidad de la industria manufacturera a los efectos de sus innovaciones sobre el cumplimiento de los requisitos normativos.

Tabla 2.6. Indicadores del efecto económico y social de la innovación en la industria forestal (2006). Madera Porcentaje de la cifra de negocios debida a bienes y/o servicios que fueron novedad para la empresa

Papel

Mueble

Total industria manufacturera*

4,5

6,4

7,9

10,5

Empresas que dan gran importancia a los efectos de sus innovaciones sobre los productos (%)

33,9

48,8

42,5

46,0

Empresas que dan gran importancia a los efectos de sus innovaciones sobre los procesos (%)

42,4

50,2

36,9

37,5

Empresas que dan gran importancia a los efectos de sus innovaciones sobre el impacto ambiental o la salud y seguridad (%)

16,9

27,2

12,1

15,1

Empresas que dan gran importancia a los efectos de sus innovaciones sobre el cumplimiento de los requisitos normativos (%)

17,0

19,9

18,2

21,3

Fuente : Elaboración propia a partir de los datos de la EIT (2006) *Promedio ponderado

A fin de completar estos datos oficiales desde una óptica diferente, en la Tabla 2.7 se presentan las respuestas a dos preguntas realizadas en el marco de la encuesta antes mencionada: cómo se ve dentro de la empresa la innovación, y cómo es la innovación de esa empresa en relación a la competencia.

Tabla 2.7. Percepción de la innovación por parte de las empresas. Muy Alto

Alto

Mediano

Bajo

Muy Bajo NS/NC

Percepción del esfuerzo de innovación 1,1 7,4 24,5 28,3 24,2 14,5 por parte de las empresas Nivel del esfuerzo de innovación en 5,0 32,7 45,2 8,5 1,1 7,5 comparación con otras empresas Fuente : Elaboración propia a partir de los datos de Martínez Núñez y Díaz Balteiro (2007).

27

Los resultados muestran una realidad aparentemente contradictoria: más de la mitad de las empresas reconoce que su esfuerzo en I+D es bajo o muy bajo, pero a la vez sólo el diez por ciento de las mismas afirma que en comparación con otras empresas este nivel en su I+D es bajo o muy bajo. La explicación a este hecho puede estar relacionada con el desconocimiento existente entre los mismos agentes de un sector tan opaco, y con la falta de una consolidada cultura innovadora.

2.3.4. Comparación de indicadores relacionados con la innovación tecnológica en otros países europeos La Tabla 2.8 permite arrojar más luz sobre la situación de la innovación en la industria forestal española. En ella se recogen, para los sectores analizados, los valores alcanzados por indicadores del input y del output de la innovación en una serie de países de referencia. Estos indicadores son: gastos totales como porcentaje de la cifra de negocios en I+D, en adquisición de tecnología incorporada, y en innovación, así como la diferencia en puntos porcentuales de éste último valor respecto a la industria manufacturera total, porcentaje de empresas con I+D interna, de empresas que adquieren tecnología incorporada, que cooperan para la innovación, y que solicitan patentes, y, finalmente, tamaño medio de las empresas participantes en la encuesta para cada país. Los datos presentados en la Tabla 2.8 corresponden a la Cuarta Encuesta Comunitaria sobre Innovación (CIS4) (Eurostat, 2008). En primer lugar, cabe destacar que el retraso indicado anteriormente para la intensidad de innovación de la industria forestal respecto del conjunto manufacturero, no supone una singularidad de las empresas españolas. Según los datos recogidos en la Tabla 8, dicha divergencia se acentúa en la mayoría de los países europeos de referencia 28

(Alemania, Francia, Italia, y, fundamentalmente, Suecia). Únicamente se reduce, y hasta se invierte, para los sectores del papel y del mueble en el caso de Portugal. Finalmente, Noruega presenta mayor variabilidad en función del sector.

Tabla 2.8. Indicadores del efecto económico y social de la innovación en la industria forestal (2006). Gasto total Empresas Gasto en Empresas Diferencia Gasto total Tamaño en que tecnología que Empresas en la Empresas en I+D (% medio de la innovación adquieren incorporada cooperan que intensidad con I+D de la cifra empresa en (% de la tecnología (% de la para la solicitan de interna (%) de la CIS4 cifra de incorporada cifra de innovación patentes (%) innovación negocios) negocios) (%) negocios) (%) Industria de la madera y del corcho, excepto muebles, cestería y espartería Alemania 100,3 2,5 3,1 35,5 0,3 67,4 1,7 15,1 12,5 España 103,2 0,8 1,4 17,9 0,2 77,1 0,5 13,8 4,0 Francia 126,8 0,8 3,8 77,3 0,3 49,3 0,6 52,9 12,2 Italia 76,7 1,7 1,9 47,8 0,3 95,6 1,3 6,9 4,9 Portugal 78,4 1,3 0,8 45,5 0,4 91,4 0,9 10,0 4,9 Suecia 124,8 1,2 6,0 70,4 0,3 74,3 0,9 52,3 : Noruega 89,1 2,0 1,0 58,5 0,7 39,3 1,3 24,4 13,3 Industria del papel Alemania 187,4 2,0 3,6 51,5 0,5 73,9 1,1 17,8 26,7 España 130,5 1,3 0,9 38,1 0,2 75,5 1,0 12,3 25,9 Francia 258,5 1,3 3,3 87,4 1,0 61,6 0,2 55,8 31,0 Italia 127,5 1,9 1,7 50,3 0,3 98,3 1,6 6,5 12,9 Portugal 135,5 5,0 -2,9 44,8 0,3 78,7 4,8 17,0 16,5 Suecia 328,4 1,2 6,0 70,8 0,6 73,4 0,5 56,8 : Noruega 343,0 1,3 1,7 90,5 1,1 38,1 0,1 47,6 38,1 Fabricación de muebles y otras industrias manufactureras Alemania 118,7 1,9 3,7 48,0 0,7 67,2 0,7 24,9 35,1 España 77,8 1,0 1,2 22,6 0,4 68,7 0,5 9,0 10,4 Francia 141,7 1,2 3,4 71,5 0,6 62,2 0,5 29,9 23,3 Italia 91,9 1,4 2,2 59,0 0,5 89,9 0,8 3,2 12,8 Portugal 106,5 5,8 -3,7 26,7 0,2 88,5 5,4 11,9 16,4 Suecia 183,4 1,9 5,3 70,2 0,7 64,9 1,1 44,6 : Noruega 70,9 2,2 0,8 77,8 1,7 41,9 0,4 29,1 16,2 Fuente : CIS4 (Community Innovation Survey 4th, 2004) Intensidad de innovación: (Gasto en actividades innovadoras/Cifra de negocios)×100 Diferencia en la intensidad de innovación: Intensidad de innovación del total manufacturero − Intensidad de innovación del sector

Además, observamos que la industria de la madera presenta en España peores resultados que en Italia, Portugal o Noruega para todos los indicadores excepto para la cooperación en actividades de innovación, a pesar de que el tamaño medio de las empresas recogidas por el CIS4 es menor en esos países que en España. Así, por ejemplo, Noruega cuadriplica el gasto total en I+D con empresas de tamaño ligeramente inferior al 29

español. En cuanto a la industria del papel, la menor dimensión media de la empresa en Italia no impide que en términos relativos sea mayor el número de empresas italianas que innovan, realizan I+D, y adquieren tecnología incorporada, gastando también más en todas esas actividades. Por todo ello, la Tabla 2.8 no sólo nos ofrece una perspectiva adicional sobre la situación de la innovación en la industria estudiada, sino que también nos permite poner en duda que el tamaño de la empresa sea la causa principal de su retraso tecnológico. Además, también se muestra cómo la dualidad habitualmente admitida en relación a que hay países cuyas empresas invierten más en I+D, mientras que en otros países las empresas tienden a invertir más en incorporar tecnología exógena, no se cumple estrictamente en el caso de España. Tal y como se ha demostrado, para los tres sectores forestales existen países cuyas industrias gastan más, tanto en I+D, como en tecnología incorporada.

2.4. Discusión Este análisis ha podido llevarse a cabo gracias al uso de un grupo de indicadores de amplia aceptación en la literatura consultada. Sobre la elaboración de los mismos, es preciso indicar que se han utilizado todas las fuentes disponibles a nivel no sólo nacional sino también europeo, congregando, por tanto, una elevada heterogeneidad en las fuentes (encuestas, censos, estudios de panel) y en los datos. No obstante, los principales resultados que se ofrecen sobre innovación tecnológica son claramente comparables, merced a la estandarización que proporciona el Manual Oslo en su tercera edición. En cuanto a las estadísticas de I+D, se ha realizado una comprobación particular por no ajustarse las mismas a la mencionada normativa. Otras

30

bases de datos utilizadas proporcionan valiosa información adicional o aclaratoria, como se ha explicitado en el estudio. Finalmente, indicar que la comparabilidad temporal de los datos se enfrenta a una serie de dificultades como son cambios metodológicos (EIT), amplios intervalos en la difusión de encuestas (CIS), o distinta periodicidad en la publicación de variables (ESEE). Por supuesto, todas estas barreras se han tenido en cuenta a la hora de elegir el período temporal objeto de estudio. Sin duda, la característica más reseñable de cuantas se han indicado en los epígrafes anteriores, es la debilidad y el atraso que presentan las actividades de innovación tecnológica en la industria forestal española respecto de la industria manufacturera total. Debilidad que se pone especialmente de manifiesto al comprobar la existencia de una apreciable brecha, sostenida a lo largo del tiempo, entre las actividades de I+D de la industria forestal y del conjunto del sector manufacturero (Voces et al., 2008b). Estos resultados son fácilmente verificables a través de una serie de factores asociados, como el reducido número de empresas que emprenden actividades de I+D, la escasa utilización de recursos públicos para la misma, o la restringida importancia del capital humano involucrado en este tipo de actividades. Tampoco podemos olvidar que dichos resultados son mayoritariamente compartidos por los sectores tradicionales de la industria española y europea (Fonfría, 2004; Hirsch-Kreinsen, 2008). Quizás la causa más invocada en ambientes académicos para explicar el retraso tecnológico de las empresas del sector forestal sea su reducido tamaño medio, el cual es un 31% inferior al del conjunto de la industria manufacturera española (INE, 2008). Este hecho dificulta la posibilidad de disponer de la masa crítica necesaria para realizar actividades de I+D (Surís, 2005). No obstante, como hemos visto, esta circunstancia puede condicionar, pero no necesariamente impedir, el desarrollo de este tipo de 31

actividades. Sirva como ejemplo que en la industria forestal la mayoría de las actividades de investigación y desarrollo se realiza dentro de las empresas, cuando éstas suelen carecer de un departamento formalizado de I+D. Es decir, que gran parte del esfuerzo tecnológico desarrollado por las empresas tradicionales, generalmente de pequeño tamaño, se lleva a cabo de modo no formalizado, consistiendo en su mayor parte en actividades para las cuales no es imprescindible contar con una infraestructura formal de investigación (Voces et al., 2008a,b). El retraso constatable para la I+D se recorta, e incluso se invierte para la industria del papel, en lo que respecta al porcentaje de empresas con actividades innovadoras. Esto puede deberse, además de a la heterogeneidad intersectorial existente, a un cierto sesgo en la industria forestal española a la hora de enfrentarse a la innovación, adquiriendo la tecnología fuera de la empresa en detrimento de la generación propia de innovaciones (Alfranca et al., 2009). Además, en este capítulo sí se ha comprobado un estrecho vínculo con la dimensión de la empresa. Este predominio de la innovación incremental e imitativa, como señala Buesa (2003), es extensible a la generalidad de la empresa española, acentuándose notablemente en el caso de las pymes, estando ligado al ahorro de tiempo, a la facilidad de adaptación de la tecnología adquirida, y a la necesidad de movilizar abundantes recursos para el desarrollo propio de un conocimiento de similar calidad (Arbussà et al., 2004). La mejoría observada para la industria forestal cuando analizamos la innovación en su conjunto se ve muy condicionada, sin embargo, por la intensidad de innovación, que sitúa nuevamente a los sectores estudiados por detrás del sector manufacturero total. En este caso, desempeña un papel importante el nivel tecnológico relativamente bajo que caracteriza a estos sectores, y que, como se ha podido apreciar, es una característica propia del sector, compartida básicamente por los países europeos examinados. 32

Por otra parte, aún admitiendo las diferencias existentes entre los distintos sectores de la industria forestal, cabe decir que, si bien no existe una acusada debilidad específica de la industria forestal dentro de la débil situación general de las patentes y los modelos de utilidad en España, sí se aprecia un notable descenso en los últimos años. Además, las empresas de la cadena de la madera, a excepción de la industria del mueble, tienden a generar relativamente menos productos nuevos que el conjunto del sector manufacturero, teniendo dichos productos nuevos o sensiblemente mejorados menor peso en la cifra de negocios. Es preciso también resaltar la falta de vínculos existentes, según los resultados de estudios anteriores, entre la eficiencia en las empresas de la industria forestal y las actividades de innovación que realizan. El que las empresas eficientes no sean las que realicen actividades de innovación sugiere pistas para profundizar en el análisis, aunque esta actitud hacia la innovación no resulta extraña en muchas empresas españolas (Díaz Balteiro et al., 2006). Sin embargo, sí se aprecian relaciones positivas entre la presencia de sistemas de gestión ambiental (SGM) y sistemas de gestión de calidad (SGC), y la generación de innovaciones en estos sectores, aunque también se observan relaciones sustitutivas con algunos determinantes tradicionales de la innovación empresarial (Alfranca et al., 2009). En este capítulo se ha analizado la innovación tecnológica en la industria forestal. Los resultados obtenidos indican, esencialmente, debilidad y retraso de esas actividades innovadoras respecto de las correspondientes a la totalidad de la industria manufacturera española. Es preciso indicar, no obstante, que las serias limitaciones observadas no constituyen especial singularidad dentro del conjunto de los sectores tradicionales (Fonfría, 2004).

33

Surge entonces una cuestión, planteada con mayor o menor claridad por diversos autores (Sterlacchini, 1999; Hirsch-Kreinsen et al., 2005; Sandven et al., 2005; Santamaría et al., 2009): la persistencia de las industrias de bajo nivel tecnológico en economías avanzadas sólo puede deberse a la existencia de procesos de innovación o constante mejora. Además, está comprobado que durante el período estudiado (19982006), la industria forestal española experimentó sólo una lenta desaparición de empresas y un proceso de deslocalización mínimo en comparación con otros sectores tradicionales (por ejemplo, el textil). En suma, las estadísticas de innovación tecnológica, desarrolladas a partir de estadísticas de I+D, pueden ser engañosas en el caso de pequeñas empresas de bajo nivel tecnológico, las cuales a menudo no recurren a una I+D formal y sí a muchos mecanismos diferentes de elaboración, adaptación o imitación de conocimientos y habilidades (Heidenreich, 2009). Ésta debe ser una línea de posteriores investigaciones, en base a un concepto más amplio de innovación.

34

3. LA SOSTENIBILIDAD DE LA INDUSTRIA FORESTAL ESPAÑOLA EN EL ÁMBITO EUROPEO.

“En los problemas decisionales reales, los criterios múltiples constituyen la regla más que la excepción”. Romero, 1993.

3.1. Introducción La innovación, estudiada en el capítulo anterior, no sólo es importante para mejorar la eficiencia de las actividades económicas, sino que además se considera un factor clave para evitar la degradación del medio ambiente y el agotamiento de los recursos naturales (Rennings, 2000; Vollenbroek, 2002; Sartorius, 2006). Asimismo, cada vez resulta más frecuente que el mercado demande productos en cuya elaboración no se dañe el medio ambiente, excediendo en ocasiones esta demanda el mero cumplimiento de la legislación. Bajo esta nueva perspectiva, las innovaciones no sólo tendrán que potenciar la sostenibilidad permitiendo a las empresas reducir costes, optimizar el uso de materias primas y energía, o reemplazar tecnologías obsoletas y contaminantes, sino también aprovechar las oportunidades para alcanzar cruciales ventajas competitivas en un mercado en el que los factores ambientales han empezado a jugar un importante papel (Orgilés y Salas, 2001; Dormann y Holliday, 2002; Keijzers, 2002; FTP, 2005; Hansen, 2006; Paech, 2007; Nidumolu et al., 2009). Según el celebérrimo Informe Brundtlant (WCED, 1987) la sostenibilidad implica cubrir las necesidades de la generación presente sin comprometer la capacidad de las futuras generaciones para cubrir sus propias necesidades. De este modo, tal como indican Asheim et al. (2001) la sostenibilidad es un concepto con raíces normativas, por 35

lo que debe de aunar no sólo aspectos relacionados con la eficiencia económica, sino también aspectos relacionados con la equidad intergeneracional. Obviamente, la integración de la eficiencia y de la equidad hace especialmente complicado tanto la caracterización como la medición de la sostenibilidad. Por otra parte, desde distintos foros internacionales se acepta asimismo que la sostenibilidad es un concepto con dimensiones ecológicas, sociales y económicas (Díaz Balteiro y Romero, 2008). En suma, la enorme amalgama de ideas que conlleva este concepto, implica que aunque la sostenibilidad se haya convertido hoy en día en un término de uso común en muchos campos disciplinares, es sin embargo un concepto más fácil de entender intuitivamente que de conceptualizar y formalizar rigurosamente. Además, la sostenibilidad puede asociarse tanto a procesos ligados a la explotación de los recursos naturales, como también a aspectos propios de las empresas, o incluso de sectores industriales. En el caso de la industria forestal que aquí abordamos, se pueden tener en cuenta ambas perspectivas, ya que los sectores que la integran presentan como inputs característicos los productos o subproductos asociados a un recurso generalmente aceptado como renovable: la madera. Sin embargo, y aunque fenómenos de integración vertical en empresas de la industria forestal han conducido a que algunas de ellas sean propietarias de terrenos donde se ubican las plantaciones forestales, en esta Tesis Doctoral se va a dejar a un lado lo que habitualmente se conoce dentro de la gestión forestal como las prácticas de manejo sostenible (Higman et al., 2005). Con el fin de abordar la sostenibilidad en la industria han aparecido sugerentes aproximaciones disciplinares, como la Ecología Industrial (Frosch y Gallopoulos, 1989), que pretende establecer una analogía entre los sistemas industriales

y los

ecosistemas naturales. Sin embargo, este enfoque se ve limitado por la debilidad de sus fundamentos metodológicos, la indefinición de metas, la falta de una base sólida en la 36

literatura económica, y la ausencia de un análisis en profundidad sobre aspectos esenciales para definir el supuesto ciclo cerrado sostenible (O’Rourke et al., 1996; Bey, 2001; Fiksel, 2006). Otras acciones y metodologías desarrolladas en relación con la sostenibilidad de la industria son, según indica Munier (2005), el modelo Input-Output ambiental, la ecoeficiencia, el metabolismo industrial, el análisis del flujo de materiales, la integración industrial, o, como veremos en los siguientes apartados, el uso de un conjunto adecuado de indicadores que recojan los tres aspectos esenciales vinculados al desarrollo sostenible (crecimiento económico, progreso social y protección ambiental). En todo caso, estos tres aspectos no pueden estudiarse por separado, sino de manera conjunta buscando un equilibrio óptimo entre ellos. Esta es la idea que se recoge bajo el concepto de “triple bottom line” (Aulí, 2002; Maxwell y Vorst, 2003). Por otra parte, como se indicó arriba, el análisis de la sostenibilidad también puede realizarse más específicamente desde el entorno empresarial. De ese modo, pese a que en un principio los órganos directivos de las empresas y sus asociaciones quedaron al margen de los principales foros internacionales (p.ej., Cumbre de Río), la investigación más reciente se ha centrado en la sostenibilidad a nivel de empresa (Lamberton, 2005; Gray y Bebbington, 2007). Como resultado, cada vez en menor medida la sostenibilidad empresarial se identifica con la mera supervivencia económica del negocio, convirtiéndose la preocupación por el medio ambiente en un condicionante de primer orden en los procesos de toma de decisiones de empresas, inversores e instituciones financieras. Surgen de este modo nuevos conceptos de riesgo y de oportunidad, así como de empresa sostenible, que podríamos definir como aquella que crea valor económico, medioambiental y social a corto y largo plazo, contribuyendo de esta forma al aumento del bienestar y al 37

auténtico progreso de las generaciones presentes y futuras, tanto en su entorno inmediato como en el planeta en general (Giménez et al., 2001; Alfaya y Blasco, 2002; Fundación Entorno et al., 2002; Cohen y Winn 2007; Henry y Journeault, 2008). La evolución del concepto de empresa sostenible está teniendo lugar bajo unas condiciones sociales, económicas y tecnológicas cambiantes, frente a las cuales las empresas descubren un gran número de razones para tener en cuenta las diversas componentes ambientales, no sólo a través de sistemas de calidad ambiental, sino también incorporándolas a su propia estrategia empresarial (Aulí, 2002; Keijzers, 2002). Para terminar con esta primera aproximación a la sostenibilidad industrial y empresarial, es preciso indicar que no abundan los trabajos orientados explícitamente a la sostenibilidad en la industria forestal. Uno de los primeros ha sido el de Hart et al. (2000), donde se analizan diversos casos, correspondientes a diferentes empresas multinacionales, y centrados en aspectos cualitativos y muy ligados a la gestión forestal que algunas de estas empresas realizan en sus masas forestales. Un enfoque similar se puede apreciar en Johnson y Walck (2004), describiendo ahora cinco criterios necesarios para integrar la sostenibilidad en las industrias forestales. Estos autores ilustran el uso de estos criterios mediante dos casos de la industria del papel. Wagner (2005) define diez indicadores referidos a aspectos ambientales y económicos para analizar, a través de un modelo estadístico, aspectos relativos a la sostenibilidad de empresas pertenecientes a la industria del papel en cuatro países europeos. Finalmente, Ojala et al. (2006) analizan en términos comparativos rankings de países en base al nivel de sostenibilidad de sus respectivas industrias forestales. Una vez presentada la compleja materia de estudio, es preciso señalar que para su caracterización se recurrirá al uso de indicadores. En un contexto de sostenibilidad un indicador es una medida cuantitativa o cualitativa que nos permite definir una 38

característica, identificar un riesgo, tomar una decisión y/o comprobar los resultados de cierta acción o proceso. (Munier, 2005). El uso de indicadores para estudiar la sostenibilidad se encuentra bastante consolidado. En la Declaración de Río sobre Desarrollo y Medio Ambiente, Agenda 21, se subrayó la conveniencia de perfeccionar e identificar indicadores del desarrollo sostenible a fin de que constituyan una base sólida para la toma de decisiones (UNCED 1992). Posteriormente, este mandato se vería reafirmado con el Plan de Implementación de Johannesburgo (UN, 2002), y con numerosos proyectos para desarrollar indicadores de desarrollo sostenible a nivel nacional e internacional (Olsthoorn et al. 2001; Parris y Kates, 2003; Pinter et al. 2005). En todo caso, una medida aislada no puede recoger adecuadamente las complejas relaciones existentes entre las tres dimensiones básicas de la sostenibilidad arriba señaladas. Por tanto, es necesario recurrir a un conjunto manejable de indicadores que reduzcan en lo posible la inherente pérdida de información ligada a este tipo de estudios (Krajnc y Glavič, 2005; Voces et al., 2010). Una dificultad añadida a la hora de estudiar la sostenibilidad es que sus objetivos suelen ser estratégicos, es decir, a largo plazo, y por tanto difíciles de convertir en metas operativas; además estarán condicionados por la situación real de partida, y no serán estáticos, sino que podrán cambiar en función de nuevos riesgos, de las consecuencias de la pérdida de capital natural, y de los potenciales efectos positivos de las nuevas tecnologías (Foray y Grübler, 1996; Keijzers, 2002). Por tanto, al ser prácticamente imposible encontrarle a la sostenibilidad una meta o logro perfectamente universales, este trabajo asume el planteamiento expuesto por Callens y Tyteca (1999) sobre la conveniencia de definir la sostenibilidad en términos relativos. Estos autores destacan, además, la importancia de comparar empresas o sectores de diferentes países, de cara a 39

identificar las prácticas más eficientes para la sostenibilidad, detectar los fallos en su consecución, y formular las oportunas medidas correctoras. En suma, este capítulo tiene dos objetivos esenciales. El primero será la caracterización de la sostenibilidad de la industria forestal europea, a nivel de sus sectores constitutivos, sin abordar el análisis de empresas concretas. Para alcanzar este propósito es necesario, en primer lugar, definir la sostenibilidad mediante un conjunto de indicadores de diversa naturaleza (económica, ecológica y social). La comparación que se intenta realizar precisa de valores que siendo sencillos recojan a su vez todos los aspectos relacionados con el tema que estudiamos. Por esa razón, agregaremos dichos indicadores en un índice sintético mediante técnicas de programación por metas con variables binarias. Esta agregación se realizará utilizando los correspondientes modelos de programación por metas, los cuales necesitan para su construcción, aparte de los datos proporcionados por los indicadores, de otros elementos complementarios como son variables binarias de decisión, pesos preferenciales y niveles de aspiración. Con todos estos parámetros es posible elaborar los modelos que nos permitan obtener un ranking de los países analizados en base a su sostenibilidad. El segundo objetivo del estudio consiste en la identificación de los factores que condicionan el nivel de sostenibilidad de estas actividades industriales en cada país. Para ello, se plantearán modelos econométricos clásicos, utilizando el

método de

mínimos cuadrados ordinarios. Dichos modelos se construirán empleando los índices de sostenibilidad anteriormente calculados para fijar las variables dependientes, así como un

amplio

conjunto

de

variables

forestales,

macroeconómicas e índices (Voces et al., 2010).

3.2. Material 40

ambientales,

microeconómicas,

Este epígrafe consta de dos subapartados, en los cuales se presentan los datos utilizados en las dos fases del análisis propuesto acerca de la sostenibilidad de la industria forestal. Es decir, la información precisa para desarrollar la técnica de programación por metas, primero, y los modelos econométricos, después. 3.2.1. Indicadores de sostenibilidad y países europeos analizados Tal como se indicó arriba, el primer paso de este trabajo consiste en la elección de un conjunto de indicadores que nos permita caracterizar la sostenibilidad de los sectores que integran la industria forestal europea; es decir, según la clasificación NACE, las divisiones 20 (madera), 21 (papel) y mueble (36). Aunque se ha pretendido que dichos indicadores recojan los tres ámbitos esenciales en este tipo de estudios (económico, social y ambiental), la naturaleza industrial de las actividades analizadas hace que predominen los indicadores de tipo económico. Asimismo cabe destacar otras limitaciones, como la notable disparidad existente en la información estadística proporcionada por los diferentes países analizados, así como el escaso nivel de desagregación de la información ambiental, que nos ha impedido incorporar informaciones como la emisión de gases de efecto invernadero u otras sustancias contaminantes, el tratamiento de residuos, o el personal empleado en labores de protección ambiental. En suma, la disponibilidad de información a nivel europeo ha supuesto una restricción crucial tanto para el conjunto de indicadores seleccionados como para los países a los cuales extender este análisis. A continuación, pasaremos a analizar los indicadores. Para su elaboración, las fuentes utilizadas han sido principalmente de carácter internacional, como las bases de datos de Eurostat sobre industria, comercio y servicios, sobre ciencia y tecnología, o sobre medio ambiente y energía.

41

Análogamente, se han utilizado las estadísticas de las Naciones Unidas acerca de madera, papel y mueble, así como sobre el comercio internacional ligado a todas estas actividades. No obstante, cuando ha sido necesario, también se ha recurrido a distintas Oficinas Nacionales de Estadística. También es preciso destacar que, aparte de los indicadores relacionados directa o indirectamente con la actividad productiva de la industria forestal, se ha concedido una especial relevancia a indicadores ligados a la innovación, pues, como se resaltó al comienzo del capítulo, esas prácticas desempeñan un papel esencial para lograr la sostenibilidad. Dada la importancia de ese atributo, y ante la necesidad de referenciar temporalmente este trabajo, se ha elegido el año 2004, coincidiendo con la cuarta encuesta comunitaria sobre innovación (Community Innovation Survey, CIS4). Antes de empezar con un análisis más detallado de los catorce indicadores escogidos, cabe indicar que la dificultad a la hora de elegir un grupo representativo de indicadores clave ya la abordaron con anterioridad varios autores en sus trabajos acerca de la sostenibilidad en el ámbito de la gestión forestal (Mendoza y Prahbu 2000a,b). Esta dificultad se acentúa cuando analizamos la aplicación de las técnicas multicriterio al estudio de la sostenibilidad a nivel industrial, dada la escasez de estudios al respecto. Comenzando con la presentación de indicadores, es preciso señalar que los mismos se pueden clasificar en dos tipos o categorías: “menos es mejor”, o “más es mejor”, en virtud de que una reducción o un incremento del valor de los mismos favorezca la sostenibilidad del sector industrial objeto de estudio. Esto se ha señalado en la Tabla 3.1 con los signos “–” y “+” respectivamente. En dicha tabla, aparte del tipo de indicador, se presentan para cada uno de los catorce indicadores utilizados sus unidades de medida y la fuente que ha proporcionado los datos para su elaboración.

42

43

Fuente : Elaboración propia ‒ + Tipo "más es mejor" Tipo "menos es mejor"

+

Miles de €/empleado

Índice

14 Protección ambiental

+ ‒

12 Competitividad exterior (Índice de Balassa)

Número de solicitudes

Porcentaje

Porcentaje

Miles de €/empresa

Ratio

Kg/€

+

11 Patentes

Eurostat. Industry, trade and services

Miles de €/empleado

Eurostat. Industry, Eurostat. Industry, Sweden.

Waste Statistics Regulation. trade and services Environmental Accounts. trade and services. Statistics Czech Statistical Office

UN comtrade database

Eurostat. Patent Statistics

Eurostat. 4t h Community Innovation Survey. Statistik Austria Eurostat. 4t h Community Innovation Survey. Statistik Austria

Eurostat. Industry, trade and services

Eurostat. Industry, trade and services

Eurostat. Industry, trade and services

Eurostat. Industry, trade and services

Tanto por uno de la renta per cápita nacional

Porcentaje

UNECE. Timber Committee Forest Products Statistics

Eurostat. Industry, trade and services

Millones de € Índice

Eurostat. Industry, trade and services

Fuente

Porcentaje

Unidades

13 Desechos

+

+

+

10 Impacto de la innovación

Tasa de inversión

7

+

Intensidad en el uso del factor trabajo

6

+ ‒

Empresas innovadoras

Valor añadido bruto por empleado

5

+

9

Rentas de trabajo

4

Adquisición de tecnología incorporada

Grado de dependencia

3

‒

8

Eficiencia energética

2

Tabla 3.1. Conjunto de indicadores utilizados en este estudio Indicador Tipo Valor añadido como porcentaje respecto del sector 1 + ‒ manufacturero

Con objeto de facilitar su comprensión, los catorce indicadores se presentarán agrupados en base a su naturaleza. En primer lugar, se presentan siete indicadores esencialmente económicos: El valor añadido respecto del sector manufacturero constituye un indicador que muestra, de forma porcentual, el peso relativo que esta industria presenta dentro de la actividad manufacturera total de cada país. Se ha considerado que una reducida aportación de valor añadido implica interés y asignación de recursos inferiores frente a sectores más productivos y dinámicos. En cuanto a la eficiencia energética, este indicador representa un coste marginal, pues recoge la cantidad de energía que debe adquirir el sector

para generar una tonelada métrica adicional de producto.

Lógicamente, se alcanzará una mayor sostenibilidad cuanto menor sea el valor de este indicador. Otro indicador del tipo “menos es mejor” sería el coeficiente o grado de dependencia, el cual se define como el cociente entre las importaciones y el consumo aparente (producción nacional + importaciones – exportaciones) de la materia prima utilizada en estos sectores (para simplificar, madera en rollo industrial según es recogida por las estadísticas consultadas)5. Asimismo, el indicador valor añadido bruto por empleado, obtenido a partir del cociente entre el valor añadido bruto y el número de empleados del sector, actúa como una aproximación a la tradicional productividad media del trabajo. Es fácil entender que valores mayores de ambos indicadores se corresponden con una mayor sostenibilidad. Por su parte, la tasa de inversión se define como el cociente entre la inversión total en

5

Bajo la denominación de madera en rollo industrial (“industrial roundwood”) se recoge toda madera en

rollo, madera aserrada, chapas, partículas, fibras y residuos de madera, a excepción de aquella madera destinada exclusivamente a la obtención de energía. UN-ECE/FAO/Eurostat/ITTO, 2001).

44

el sector y su valor añadido, ofreciéndonos información sobre la intensidad en el uso del factor capital para esa industria en cada país. Se considera que su valor es directamente proporcional a la sostenibilidad. Terminamos este grupo con dos indicadores complementarios, de más difícil clasificación. El primero, que hace referencia a la competitividad exterior, es el índice de ventaja comparativa revelada (índice de Balassa). Se define como la relación existente entre el peso que las exportaciones de una industria determinada tienen respecto del total de las exportaciones industriales en un país concreto, y en un área determinada, que puede ser el mundo, el conjunto de países estudiados, o, en este caso, la UE-27. Un valor del índice superior a la unidad para un sector, implica que el país disfruta de una ventaja comparativa en la exportación de bienes asociados a ese sector. Es preciso indicar, no obstante, que este índice no recoge información acerca de la relación existente entre el comercio internacional y la normativa medioambiental de cada país (Tomberlin et al., 1998). Por último, la intensidad en el uso del factor trabajo viene a ser un indicador indirecto del grado de desarrollo tecnológico del sector en cada país. Los sectores más tradicionales, con menos sofisticación y dinamismo, son también más intensivos en dicho factor (Fonfría, 2004; Hirsch-Kreinsen et al., 2005; Weil, 2006), por lo que en este estudio se ha juzgado preferible que este indicador alcance el valor más bajo posible. A continuación se van a mostrar cuatro indicadores relacionados con la innovación. Ya se hizo referencia al comienzo de este capítulo a los bien conocidos vínculos entre la innovación y la sostenibilidad (Hammett y Youngs, 2002). En primer lugar, la adquisición de tecnología incorporada, indicador que se ha considerado oportuno recoger en este estudio por ser ésta la principal vía para la innovación, sobre todo en empresas pequeñas y medianas, y que se obtiene dividiendo la inversión bruta en 45

maquinaria y equipo entre el número de empresas de cada sector estudiado. Bajo la denominación de empresas innovadoras se ofrece el porcentaje de empresas que realizan actividades innovadoras respecto del total de empresas del sector. Este indicador nos informa del grado de implantación (penetración) de las actividades innovadoras en la industria de la madera. Además se han incorporado otros dos indicadores, el primero es el impacto de la innovación, que se define como el porcentaje de la cifra de negocios de las empresas innovadoras respecto de la cifra de negocios total del sector, ofreciéndonos información acerca de la importancia real que tienen esas actividades innovadoras sobre el output en ese sector. El último indicador relacionado con la innovación que se ha recogido es el número de solicitudes de patentes a la European Patent Office en el año de referencia de 2004, pues éste es un indicador ampliamente reconocido y utilizado del output de las actividades innovadoras desarrolladas en cada país. También se tienen en cuenta en este cómputo aquellas patentes alcanzadas por grupos de investigación internacionales. Estos cuatro indicadores se han considerado que son del tipo “cuanto más mejor”, es decir, a mayores cifras más sostenible será la respectiva industria, pues como se ha subrayado a lo largo de esta Tesis Doctoral, y es de común aceptación, las actividades innovadoras constituyen un buen camino para lograr una mayor sostenibilidad. Ha resultado difícil encontrar indicadores de tipo social con el requerido nivel de desagregación, y que pudiesen aportar información relevante para esta primera fase del estudio. Así, tan sólo se ha podido disponer de las rentas de trabajo, obtenido a través del salario medio del sector analizado ponderado con la renta per cápita de cada país, a efectos de hacer posible su comparabilidad para los diferentes países que se analizan. Finalmente, se han recogido dos indicadores ambientales. A pesar de la importancia que encierra este tipo de información para el análisis de la sostenibilidad, generalmente 46

dichos indicadores se encuentran agregados a un nivel que excede el ámbito de esta parte de la Tesis Doctoral. Así, las bases de datos y los informes internacionales suelen recoger aproximaciones nacionales o institucionales, y no sectoriales, para temas como gases de efecto invernadero, energías renovables, sustancias acidificantes, etc. (EEA, 2005).El primero de los indicadores disponibles se ha denominado desechos (desechos generados/ valor añadido), y ofrece información acerca de los residuos y productos contaminantes generados por la actividad industrial. Para permitir su comparación entre los distintos países, este valor se divide entre el valor añadido correspondiente a cada industria concreta. Se asume que cuanto menor sea este valor, más sostenible serán las industrias. El segundo indicador ambiental, y último de la citada Tabla 3.1, lleva por nombre protección ambiental, y refleja el cociente entre los gastos corrientes totales en protección ambiental y el número de empleados. Aquí se considerarán como gastos en protección ambiental aquellos que afectan exclusivamente al período en el cual se originan, sin proyección económica futura. En las Cuentas Nacionales consultadas, esta partida se encuentra separada de los gastos de inversión, es decir, gastos en bienes de capital (equipos o instalaciones independientes). Con el fin de comparar los distintos valores nacionales, esta información se divide entre el número de empleados. Se asume que cuanto mayor sea este dato, más sostenible será el sector analizado. Como ya se ha indicado arriba, por desgracia no se ha podido disponer de otros indicadores ambientales (Langford, 2008) para estas industrias. En relación a los indicadores anteriormente expuestos, y a la posible existencia de solapamiento o coincidencia entre los mismos, conviene mencionar el trabajo de Gal y Hanne (1999), en el cual se plantea la duda de si la eliminación total de redundancias

47

puede realmente ofrecer el mejor enfoque para definir un problema de toma de decisiones multicriterio, así como para evaluar los pesos que se utilicen en éste. Por otra parte, tal como se apuntó con anterioridad, los datos disponibles a nivel europeo no sólo condicionan la elección de indicadores, sino también el grupo de países a los cuales se puede extender este estudio. Así, Bulgaria y Rumanía, países que en el año de referencia de 2004, aún no formaban parte de la Unión Europea, se han tenido en cuenta en la realización del mismo, pues ofrecen una información equiparable a la del resto de países europeos analizados. De este modo, el ámbito de partida considerado es el de la Unión Europea de 27 Estados Miembros. En la Tabla 3.2, se muestran los resultados de la primera fase exploratoria de datos en el ámbito indicado. Cabe explicar que en dicha tabla se presentan los países en el eje de ordenadas, y los indicadores seleccionados, en el eje de abscisas. Asimismo, las cruces simbolizan la existencia de información disponible para el sector e indicador correspondiente, y los dos puntos, la ausencia de dicha información. Precisamente debido a que no se han obtenido datos sobre todos los indicadores, para los tres sectores que componen la industria forestal, en los 27 países inicialmente analizados, el alcance de este trabajo se limitará a 17 de estos países, los cuales se muestran sombreados en la Tabla 3.2. Aquellos países que muestran filas completas de cruces, para todos los indicadores y todos los sectores de la industria forestal, han sido seleccionados para realizar este estudio. Nótese que el tercer indicador presenta datos agrupados para toda la industria forestal (IF), y no particularizados por sectores (20, 21, 36). La razón, como ya se indicó arriba, está en que se considera la madera en rollo industrial como materia prima básica de todas estas actividades.

48

49

Tabla 3.2. Datos referidos a los 14 indicadores para los 27 países europeos (marcados con una cruz), según CNAE 1 2 3 4 5 6 7 8 9 10 20 21 36 20 21 36 IF 20 21 36 20 21 36 20 21 36 20 21 36 20 21 36 20 21 36 20 21 1 Bélgica × × × × × × × × × × × × × × × × × × × × × × × × × × × 2 Bulgaria × × : : : : × × × : × × : × × : × × : × × : × × × × × 3 Rep. Checa × × × × × × × × × × × × × × × × × × × × × × × × × × × 4 Dinamarca × × : × × : × × × : × × : × × : × × : × × : × × × : : 5 Alemania × × × × × × × × × × × × × × × × × × × × × × × × × × × 6 Estonia × × × × × × × × × × × × × × × × × × × × × × × × × × × 7 Irlanda × × : × × : × × × : × × : × × : × × : × × : : : : : : 8 Grecia × × : × × : × × × : × × : × × : × × : × × : : × × : × 9 España × × × × × × × × × × × × × × × × × × × × × × × × × × × 10 Francia × × × × × × × × × × × × × × × × × × × × × × × × × × × 11 Italia × × × × × × × × × × × × × × × × × × × × × × × × × × × 12 Chipre × × × × × × × × × × × × × × × × × × × × × × × × × × × 13 Letonia × × × × × × × × × × × × × × × × × × × × × × × × × × × 14 Lituania × × × × × × × × × × × × × × × × × × × × × × × × × × × 15 Luxemburgo × : × × : × × × : × × × × × : × × : × × : × × : : : : 16 Hungría × × × × × × × × × × × × × × × × × × × × × × × × × × × 17 Malta : : : : : : : : : : : : : : : : : : : : : : : : × : : 18 Holanda × × × × × × × × × × × × × × × × × × × × × × : × × : × 19 Austria × × × × × × × × × × × × × × × × × × × × × × × × × × × 20 Polonia × × × : : : × × × × × × × × × × × × × × × × × × × × × 21 Portugal × × × × × × × × × × × × × × × × × × × × × × × × × × × 22 Rumanía × × × × × × × × × × × × × × × × × × × × × × × × × × × 23 Eslovenia × × × : : : × × × : × × : × × × : × × × × : × × × × : 24 Eslovaquia × × × × × × × × × × × × × × × × × × × × × × × × × × × 25 Finlandia × × × × × × × × × × × × × × × × × × × × × × × × × × × 26 Suecia × × × × × × × × × × × × × × × × × × × × × × × × × × × 27 Reino Unido × × × × × × × × × × × × × × × × × × × × × × × × × × × Fuente : Elaboración propia IF: Industria forestal. 20: Industria de la madera. 21: Industria del papel. 36: Industria del mueble y otras manufacturas 36 × × × : × × : × × × × × × × : × × × × × × × × × × × ×

20 × × × × × × × × × × × × × × × × × × × × × × × × × × ×

11 21 × × × × × × × × × × × × × × × × × × × × × × × × × × × 36 × × × × × × × × × × × × × × × × × × × × × × × × × × ×

20 × × × × × × × × × × × × × × × × × × × × × × × × × × ×

12 21 × × × × × × × × × × × × × × × × × × × × × × × × × × × 36 × × × × × × × × × × × × × × × × × × × × × × × × × × ×

20 × × × × × × × × × × × × × × × × : × × × × × × × × × ×

13 21 × × × × × × × × × × × × × × : × : × × × × × × × × × ×

36 × : × : × × : : × × × × × × × × : × × × × × × × × × ×

20 × × × : × × : : × × × × × × : × : × × : × × × × × × ×

14 21 : × × : × × : × × × × × × × : × : × × : × × × × × × ×

36 × : × : × × : : × × × × × × : × : × × : × × : × × × ×

Este grupo de países seleccionados se considera suficientemente representativo del conjunto de la Unión Europea, pues comprende una amplia gama de Estados Miembros: República Checa, Alemania, Estonia, España, Francia, Italia, Chipre, Letonia, Lituania, Hungría, Austria, Portugal, Rumanía, Eslovaquia, Finlandia, Suecia, y Reino Unido. Asimismo, la Figura 3.1 nos ofrece una clara idea de la representatividad del conjunto de países analizados.

Figura 3.1. Distribución geográfica de los países recogidos en este estudio.

Fuente: Elaboración propia. Azul: País de la UE27 analizado en el estudio Malva: País de la UE27 no analizado en el estudio Gris: País no perteneciente a la UE27

50

3.2.2. Variables evaluadas en los modelos econométricos En la segunda parte de este estudio se abordará la explicación del distinto nivel de sostenibilidad alcanzado por cada país para cada uno de los sectores de la industria forestal. Con esta finalidad, y utilizando el método de mínimos cuadrados ordinarios, se desarrollarán para cada sector dos modelos econométricos referentes a la solución más equilibrada y a la más eficiente. A continuación, se presentan las distintas variables utilizadas en los seis modelos econométricos planteados. En primer lugar, se toman para cada sector las dos variables procedentes del modelo de programación por metas que se pretende desarrollar, y que constituirán la variable dependiente, así como 39 variables que se han chequeado como posibles variables explicativas. Estas variables no presentan un ámbito sectorial y se agrupan en cinco categorías: variables forestales, variables ambientales, variables microeconómicas, variables macroeconómicas, e índices. En la Tabla 3.3 se recogen todas ellas. Se ha optado por incluir esta tabla en el texto, a fin de facilitar su consulta al tiempo que se describen las variables que contiene. De cualquier manera, también se puede consultar en el Anejo 2 de esta Tesis Doctoral. En cuanto a las variables forestales se han elegido algunas de las habitualmente empleadas en otros estudios (Mikkilä y Toppinen, 2008). En concreto, se han utilizado informaciones correspondientes a la superficie forestal de cada país, la tipología de la propiedad, el porcentaje de la superficie que está certificada (FSC u otro sistema de certificación forestal), la superficie forestal que presenta algún tipo de planificación, la superficie forestal bajo algún tipo de protección (Parque Nacional, Parque Natural, LIC,…), así como varias variables asociadas al crecimiento de las masas forestales en los últimos años, tanto en superficie como en stock. Con este conjunto de variables lo que se pretende es ver si existe algún tipo de relación entre los países que presentan una 51

industria de la madera más sostenible y características de sus masas forestales directamente asociadas a la gestión forestal. Anteriormente, cuando se han definido los indicadores utilizados para aplicar los modelos multicriterio empleados en esta Tesis, y que se mostrarán en un apartado posterior, se ha comentado la existencia de pocas informaciones relativas a variables de tipo ambiental que estuvieran desagregadas al nivel requerido. Se ha pretendido paliar esta circunstancia con un conjunto de variables, a nivel de país, introducidas en los modelos econométricos y que se refieren a estas características. Así, se han incluido 7 variables que abordan distintos aspectos ambientales. La primera de ellas hace referencia a las emisiones de CO2 por parte del sector industrial en cada país, mientras que otra variable muestra la contribución de las energías renovables al consumo total de electricidad del país. Tomando informaciones del Living Planet Report (Hails et al., 2006), se han considerado 4 variables. Las dos primeras hacen referencia a la huella ecológica, que se define como la superficie ecológicamente productiva necesaria para abastecer de los recursos que consume, y para asimilar los deshechos que genera, una población dada, con un modo de vida específico, de manera indefinida, midiéndose en hectáreas globales per cápita. En este caso, y siempre en función de la información disponible, se han utilizado variables nacionales correspondientes tanto al consumo total como al de los recursos forestales. Análogamente se han utilizado dos variables relativas a la capacidad biológica total y forestal, entendiendo dichas capacidades como la producción disponible en un año para una región determinada, en este caso un país. Por último, este grupo de variables recoge también el valor de la diferencia entre la Huella Ecológica y la Biodiversidad totales, que nos puede deparar un resultado positivo (Reserva) o negativo (Déficit).

52

Por otro lado, se ha incluido un conjunto de variables que tienen que ver con aspectos microeconómicos de las industrias de la madera en Europa. Se ha recurrido para ello a un conjunto de variables obtenidas de una base de datos en línea y en DVD con información sobre empresas europeas llamada AMADEUS (Amadeus, 2009), habitualmente utilizada en diversos estudios (Pätäri et al., 2010). Se han obtenido tanto los datos para cada país que definen la empresa media (número de empleados y facturación), así como los porcentajes, tanto en número de industrias como en facturación, que miden la importancia de cada país frente al conjunto de los 17 países analizados. Con este bloque de variables se ha querido comprobar la hipótesis sobre una posible relación entre concentración de mercado y sostenibilidad. El siguiente bloque de variables se refiere a un conjunto heterogéneo de 13 variables que se ha denominado genéricamente variables macroeconómicas. La primera de ellas se refiere al consumo de productos de madera en cada país. Nótese que esta variable no se ha introducido como indicador al no poder separarse los productos pertenecientes a la industria de la madera de la del papel o del mueble. A continuación se acompañan 3 variables asociadas a índices nacionales que reflejan aspectos relativos al comercio exterior y a las barreras que éste encuentra, así como a la competitividad global para cada uno de los 17 países estudiados. Les sigue un índice, desarrollado por el International Trade Centre UNCTAD/WTO, que presenta información agregada sobre el comercio internacional y la competitividad a nivel de sector y de país. Se han incluido dos índices comerciales adicionales, que recogen a nivel de sector la diversificación de productos y mercados expresada en unidades equivalentes. Por otro lado, se recogen variables macroeconómicas de uso frecuente, como el PIB por habitante, expresado como capacidad de poder de compra, así como su variación, o el gasto en consumo final de los hogares. Finalmente, en este bloque se incluyen 3 variables dummy para

53

comprobar si el tiempo que lleva cada país dentro de la UE ha influido en la sostenibilidad de la industria forestal. Por último, este listado de variables recoge un bloque de 4 índices que comienza por el conocido Índice de Desarrollo Humano, elaborado a nivel nacional en base a criterios como la esperanza de vida al nacer, las tasas de alfabetización y de matriculación en los diferentes niveles educativos, y al PIB per cápita. También se consideraron dos índices publicados por primera vez en el año 2008 por la Universidad de Yale. Uno, es el Índice de Desempeño Ambiental (Environmental Performance Index), elaborado a partir de 25 indicadores que recogen los esfuerzos en protección ambiental desarrollados por cada uno de los 149 países estudiados. Este índice se centra en dos temas esenciales: reducir los efectos del estrés ambiental sobre la salud humana (Environmental Health), y proteger los ecosistemas y recursos naturales (Vitalidad Ambiental). Como se puede apreciar, la información de este último subíndice se recoge también en la Tabla 3.3. El último índice considerado es el Índice de Sostenibilidad Ambiental (Environmental Sustainability Index), que presenta una metodología similar. Tal como se indicó, en la Tabla 3.3 se muestran todas las variables arriba mencionadas. De las mismas se recoge, por columnas, la siguiente información: acrónimo con el cual se utilizará la variable en el proceso de elaboración de los modelos, definición de la variable, fuente de la cual se han extraído los datos, unidades de medida de la variable, y año de los datos que presenta la variable. Finalmente señalar que, al igual que sucedía con los indicadores, la dimensión de estas variables es 17, coincidiendo con el número de países europeos a los que se extiende este estudio.

54

55

Madera en pie total en el bosque

Madera en pie aprovechable en el bosque

Incremento neto anual del bosque

Incremento neto anual del bosque por ha Porcentaje de la superficie de bosque o maderable bajo propiedad privada Porcentaje de la superficie de bosque o maderable bajo propiedad pública

MEPT

MEPA

INAB

INABH PRISF PUBSF

Porcentaje de empresas del sector correspondiente al país (respecto de los 17 países estudiados)

Porcentaje de la facturación del sector correspondiente al país (respecto de los 17 países estudiados) Variables macroeconómicas

Consumo de madera o de productos derivados de la madera por habitante al año Entorno comercial: regulación y seguridad Índice de Accesibilidad Comercial (Enabling Trade Index) Índice de Competitividad (Growth Competitiveness Index)

Gasto en consumo final de los hogares Producto interior bruto a precios de mercado expresado como capacidad de poder de compra (PPS) por habitante Porcentaje de variación del PIB per cápita respecto del período previo

Diversificación de productos para el sector de los productos de madera

Diversificación de mercados para el sector de los productos de madera

PNEMP

PFACT

CMPC EC IAC GCI

GCHPC PPC TCPIBPC

DP

DM

Índice de Desempeño Comercial (Trade Performance Index) para el sector de los productos de madera Dummy=1, si el país pertenecía a la CEE antes de 1986 Dummy=1, si el país se incorporó a la UE en el período 1986-1995 Dummy=1, si el país se incorporó a la UE en 2004 Índices IDH Índice de Desarrollo Humano IDA Índice de Desempeño Ambiental (Environmental Performance Index) VA Vitalidad ambiental Índice de Sostenibilidad Ambiental (Environmental Sustainability Index) ISA (1) VD0=(1−resultado del software LINGO)×10 (2) VD1=(1−resultado del software LINGO)×10 (3) u.v.d.: último valor disponible

Tamaño medio de la empresa del sector nacional en base a la facturación

IDC I1 I2 I3

Tamaño medio de la empresa del sector nacional en base al número de empleados

TF

Contribución de las energías renovables al consumo total de electricidad del país en el año 2004 Huella ecológica total Huella ecológica forestal Biocapacidad total Biocapacidad forestal Reserva o déficit ecológico Variables microeconómicas

TE

GIPC PEREN HET HEF BT BF DE

Variables ambientales Emisiones per capita de gases de efecto invernadero de la industria manufacturera y de la construcción nacionales

Superficie forestal certificada (PEFC + FSC) Porcentaje de superficie forestal certificada respecto de la superficie forestal total Porcentaje de bosques y otras superficies maderables que son gestionados

SFC PSFC PSFG

(2)

PSF PSFP

VD1

Solución más eficiente (λ=1) del ejercicio de programación por metas, ajustada para este estudio mediante la expresión Variables forestales Porcentaje de superficie forestal respecto de la superficie total Porcentaje de superficie forestal protegida respecto de la superficie forestal total

VD0

Definición

Variable dependiente Solución más equilibrada (λ=0) del ejercicio de programación por metas, ajustada para este estudio mediante la expresión(1)

Tabla 3.3. Lista de variables utilizadas en los modelos econométricos Nombre

decimal decimal decimal decimal

PNUD Yale University Yale University Yale University

International Trade Centre

International Trade Centre

International Trade Centre web oficial de la UE web oficial de la UE web oficial de la UE

m3 /hab./año decimal decimal decimal UNECE World Economic Forum World Economic Forum World Economic Forum Eurostat Eurostat Eurostat

103 €/habitante PPS/habitante % nº de productos equivalentes nº de mercados equivalentes ranking entero (0,1) entero (0,1) entero (0,1)

%

(3)

2005 2008 2008 2005

2004 2004 2004 2004

2004

2004

2005 2008 2008 2004 2004 2004 2004

u.v.d.

u.v.d.(3)

u.v.d.(3) %

u.v.d.(3) 1000 €

2004 2004 2003 2003 2003 2003 2003 nº empleados

6

10 Tm CO 2 /10 hab. % decimal decimal decimal decimal decimal

6

2003 1000 m /ha % %

2003 2003 2003

2003 3

1000 m3

2003

2006 2006 2003

2005 2005

2004

2004

Año

1000 m3

1000 m

3

10 ha % %

3

% %

decimal

decimal

Unidades

AMADEUS

AMADEUS

AMADEUS

AMADEUS

Eurostat Eurostat Living Planet Report 2006 Living Planet Report 2006 Living Planet Report 2006 Living Planet Report 2006 Living Planet Report 2006

EFI EFI EFI

EFI

EFI

EFI

Yale University Yale University EFI

UNECE UNECE

Elaboración propia

Elaboración propia

Fuente

3.3. Metodología En este apartado se van a presentar las técnicas seleccionadas para llevar a cabo el análisis propuesto sobre la sostenibilidad en la industria forestal. Así, en las tres partes que lo integran, primero se pasará revista al enfoque multicriterio, del cual forma parte la programación por metas con variables binarias que ocupa la segunda parte de este apartado. Finalmente, el tercer subapartado se centra en los modelos econométricos planteados para identificar los factores que propician los anteriores resultados. 3.3.1. Teoría de la decisión multicriterio La complejidad del tema planteado, la sostenibilidad, obliga a buscar los instrumentos adecuados para su análisis en el campo de la decisión multicriterio, ya que ésta aborda problemas reales de decisión en los cuales las distintas alternativas son evaluadas bajo diferentes criterios que suelen estar en conflicto entre ellos (Caballero, 2001). A fin de contextualizar la metodología utilizada en este capítulo, en primer lugar es preciso indicar que en el origen de la mayoría de los métodos que recoge el paradigma multicriterio subyace el concepto de optimalidad paretiana. Según dicho principio, una solución o conjunto de soluciones es eficiente cuando satisface las restricciones impuestas por el centro decisor, cumpliéndose además que no existe otra solución que mejore un atributo de los considerados sin producir un empeoramiento en al menos otro atributo (Romero, 1996; Fernández et al., 2004). A partir de este criterio básico, se ha producido en los últimos años una auténtica explosión de técnicas y enfoques multicriterio que esencialmente responden a un planteamiento sencillo para la resolución de problemas: primero se obtiene el conjunto de

soluciones paretianamente eficientes dentro de las alternativas disponibles, y

después se escoge una o algunas de ellas, utilizando la información disponible (Romero, 1996; Caballero, 2001). 56

A continuación realizaremos un breve repaso de los diversos enfoques multicriterio existentes, para lo cual utilizaremos la clásica distinción entre métodos continuos y discretos. Entre los primeros, y directamente relacionada con el concepto de optimalidad paretiana presentado arriba, tenemos la Programación multiobjetivo. Este enfoque consiste básicamente en determinar el conjunto de soluciones eficientes o Pareto óptimas de un problema, ante la imposibilidad de optimizar simultáneamente todos los posibles objetivos. Es conveniente destacar que dicha determinación se realiza utilizando exclusivamente información técnica, sin incorporar al proceso las preferencias del centro decisor (Romero, 1993). También dentro de los métodos continuos se encuentra la Programación Compromiso. Este enfoque consiste en utilizar el punto ideal, es decir, aquel donde todos los objetivos alcanzan su óptimo, como punto de referencia para el centro decisor. Entonces, la solución elegida por cualquier decisor racional será aquella solución eficiente que se encuentre más próxima al punto ideal. Es preciso indicar que el conjunto de soluciones compromiso dependerá de la medida de distancia utilizada (Romero y Rehman, 1986; Romero, 1993; Arenas et al., 2002; Fernández et al., 2004). Finalmente, entre los métodos continuos es preciso reseñar la Programación por Metas, la cual se fundamenta en una lógica satisfaciente, según la denominación de Herbert Simon, que no busca optimizar una o varias funciones objetivo, sino alcanzar ciertos niveles de aspiración especificados por el centro decisor. De este modo, la programación por metas consistirá esencialmente en minimizar las variables no deseadas, empeño que se traducirá, según el tipo de variable considerada (“más es mejor” o “menos es mejor”), en intentar superar ciertos umbrales, o bien en tratar de no excederlos (Romero, 1996; Fernández et al., 2004).

57

Podemos fechar la aparición de este enfoque en 1955, de la mano de Charnes, Cooper y Ferguson, siendo posteriormente sus estudios ampliados y mejorados por otros investigadores. En un primer momento esta metodología se limitó al ámbito de la programación lineal, hasta el punto de considerarse como una mera extensión de ésta. Sin embargo, trabajos posteriores de otros autores, sobre todo los de James P. Ignizio, demostraron que los modelos clásicos de programación matemática, especialmente los lineales, constituyen casos particulares de los modelos de programación por metas (Romero, 1981; Tamiz et al., 1998; Ignizio y Romero, 2003). La programación por metas ha experimentando una continua proliferación no sólo de aplicaciones, sino también de conexiones con otras técnicas, así como de variantes respecto del modelo original (Ignizio, 1978; Romero, 1981, 1996; Tamiz et al., 1998). Las principales aproximaciones conceptuales de la programación por metas se presentan a continuación. En primer lugar tenemos la programación por metas ponderadas, cuya idea básica consiste en combinar todos los objetivos debidamente ponderados en una única función (Romero y Rehman, 1986). Otro subconjunto de técnicas lo constituye la programación por metas lexicográficas, en la que se establecen prioridades o pesos excluyentes, de forma que hasta que no se satisfacen las metas con una prioridad más alta, no se consideran las metas situadas en prioridades más bajas. En suma, esta técnica podría definirse como una minimización secuencial o jerarquizada de las desviaciones no deseadas (Romero, 1996). Otra variante es la programación por metas MINIMAX, también denominada programación por metas Chebysev, en la que se busca minimizar la máxima desviación de entre todas las posibles desviaciones. La siguiente modificación es la programación por metas extendida, la cual combina los modelos MINIMAX y ponderado, permitiéndonos distintas agregaciones en función del valor que tome el parámetro de

58

control

(Romero, 1996; Tamiz et al., 1998). Finalmente, tenemos la programación por

metas con variables binarias, técnica que ha sido utilizada con éxito en el análisis de la sostenibilidad de la gestión forestal, y que será la utilizada en este trabajo (Diaz-Balteiro y Romero 2004a,b; Diaz-Balteiro y Romero, 2008). Entre los métodos discretos, los cuales se aplican a problemas con un número finito de alternativas, podemos citar la Teoría de Utilidad Multiatributo. Su objetivo es construir una función de utilidad a partir de otras funciones marginales, las cuales miden la utilidad que aportan las distintas alternativas desde el punto de vista de cada criterio analizado (Barba-Romero, 1987; Fernández et al., 2004). Otro enfoque es el que recoge a los denominados métodos de sobrecalificación, los cuales aplican un criterio de preferencia menos riguroso para las alternativas evaluadas. Dicho criterio se basa en que una alternativa supera a otra si es mejor para muchos atributos (concepto de concordancia), y no es sustancialmente peor para ninguno de ellos (concepto de discordancia). Dentro de este grupo de métodos podemos citar el Electre y el Promethee (Romero, 1996; Fernández et al., 2004). El enfoque denominado AHP (Analytic Hierarchy Process, en español Proceso Analítico Jerárquico) presenta métodos que se basan en la comparación por pares de acciones, así como en el uso de una estructura jerárquizada en la que se ordenan objetivos, criterios, y alternativas o elecciones posibles (Saaty, 1990). Esta metodología permite obtener la valoración de las alternativas según los juicios de valor del centro decisor, así como trabajar con aspectos intangibles, y evaluar la consistencia de los juicios emitidos. No obstante, al igual que el resto de métodos multicriterio discretos, carece de una base axiomática sólida (Romero, 1996; Moreno-Jiménez et al., 1998; Fernández et al., 2004).

59

Tras realizar esta breve revisión, es preciso reconocer que no existe una superioridad manifiesta de unos métodos multicriterio con respecto a otros (Romero, 1996). Sin embargo, necesarios

la facilidad a la hora de agregar linealmente la gran cantidad de datos para

caracterizar

la

sostenibilidad,

así

como

para

manejar

computacionalmente dichos datos, convierte a la programación por metas, al menos desde un punto de vista operativo, en la técnica más conveniente para abordar este trabajo. Además, la posibilidad de obtener soluciones intermedias en base a un parámetro de control

, el cual recoge las tasas de intercambio entre la solución más

eficiente y la más equilibrada, no sólo amplia la cantidad de información producida por el modelo, sino que también facilita la elección de la solución eficiente preferida por el centro decisor (Romero y Rehman, 1986). Por último, el contacto directo con expertos que han desarrollado y empleado provechosamente esta metodología, así como el acceso a sus trabajos punteros, ha supuesto una razón de primer orden para elegir este enfoque multicriterio y no otro.

3.3.2. Método de programación por metas con variables binarias El esquema general de la metodología seguida, que se desarrollará en este apartado con su oportuna formulación, es el siguiente: 1. Elección y normalización de los atributos (indicadores) relevantes para la sostenibilidad. 2. Fijación de metas, relacionando esos atributos con su nivel de aspiración, a través de las variables de desviación positivas y negativas. 3. Minimización de la máxima desviación no deseada utilizando el método de programación por metas con variables binarias.

60

4. En base a esta desviación, se establece una ordenación, de menor a mayor divergencia, de los países estudiados. 5. Se repite el proceso para cada sector de la industria forestal, y para los distintos valores del parámetro de control

, entre 0 (solución más equilibrada) y 1

(solución más eficiente), logrado así un amplio conjunto de soluciones de compromiso. Para desarrollar el anterior esquema se precisa construir un modelo de programación por metas con variables binarias. Los elementos constitutivos de dicho modelo se explican a continuación. Resultados normalizados. Recordemos que, tal como se mostró en la Tabla 1, los indicadores de sostenibilidad recogen datos medidos en distintas unidades, siendo además sus valores absolutos muy diferentes. A estos inconvenientes se suma que los indicadores pueden ser de dos tipos: “más es mejor” y “menos en mejor”. Por tanto, se impone normalizar adecuadamente la información recogida por los indicadores de sostenibilidad. Para ello, seguimos el procedimiento sugerido en Diaz-Balteiro y Romero (2004a,b), el cual se concreta en la siguiente fórmula:

Rij 1 –

R*j – Rij

Rij – R* j

R*j – R* j

R*j – R* j

i, j

(1)

Donde Rij sería el valor normalizado alcanzado por el país i-ésimo cuando es evaluado de acuerdo con el indicador j-ésimo; Rij se corresponde al resultado alcanzado por el país i-ésimo cuando es evaluado de acuerdo con el indicador j-ésimo; R*j es el valor óptimo o ideal para el indicador de sostenibilidad j-ésimo. Este valor óptimo representa 61

el valor máximo si el indicador es del tipo “más es mejor” o el valor mínimo si el indicador es del tipo “menos es mejor”. De igual forma, R* j es el peor valor o valor anti-ideal para el indicador de sostenibilidad j-ésimo. Aplicando este sistema, los resultados normalizados para los distintos indicadores de sostenibilidad no tienen ya dimensión y además quedan todos ellos acotados entre 0 y 1. En base a estas ventajas, se ha considerado preferible el uso de este procedimiento frente a otros métodos que, o bien no ofrecen valores acotados, o bien proporcionan la misma diversidad de unidades de medida que los indicadores originales (Nardo et al., 2005). Variables binarias de decisión. Se incorporan otras 17 variables (Xi), una por cada país analizado. Se trata de variables binarias, que toman el valor 1 si el país i-ésimo es el elegido, y toman el valor 0 en caso contrario. Se impone además la condición de que la suma de esas 17 variables sea igual a 1. Variables de desviación. Se trata de dos variables, correspondientes a la desviación negativa (nj) y a la desviación positiva (pj). Miden las discrepancias existentes entre el valor alcanzado por el indicador j-ésimo con respecto al nivel de aspiración normalizado t j .

Niveles de aspiración o targets. Los niveles de aspiración ( t j ) han sido determinados exógenamente mediante la consulta a expertos con amplia experiencia acumulada, considerándose como grado satisfactorio de sostenibilidad el correspondiente a conseguir un 70% del valor ideal medido para todos los indicadores. En este caso no será preciso normalizar el valor del 62

target, normalización que, en todo caso, se realizaría de la misma manera que se vio para los indicadores de sostenibilidad. Pesos preferenciales. Según se indica en Tamiz et al. (1998), los pesos preferenciales cumplen una doble función para los modelos que estamos analizando: normalizar las metas, y recoger las preferencias del centro decisor respecto de cada meta. En este trabajo, dichos pesos preferenciales han sido obtenidos a partir de una encuesta realizada desde mayo hasta octubre de 2008, y enviada a 104 expertos de 23 países distintos. El cuestionario se envió básicamente vía e-mail. Dicha encuesta consta de dos preguntas relativas a los indicadores utilizados en el desarrollo de este trabajo. En la primera pregunta, se propone a los encuestados ordenar los 14 indicadores atendiendo a su importancia como factores que caracterizan a la sostenibilidad. En la segunda, se plantea comparar por pares los indicadores primero (valor añadido) y último (protección ambiental) con el resto de indicadores, asignando valores en base a la escala definida por Saaty en su Proceso Analítico Jerárquico (Saaty, 1980). Para más información, se puede consultar el cuestionario de la encuesta, que se adjunta en lengua española, en el Anejo 3 de esta Tesis. La tasa de respuesta se considera aceptable en el contexto de este tipo de estudios, ya que ha respondido el 21,15% de los expertos encuestados. También se puede dar validez a la calidad de las respuestas, pues de 22 respuestas obtenidas, se ha determinado que 20 son consistentes, de acuerdo con el criterio propuesto por Saaty. Según dicho criterio, si la razón de consistencia es menor o igual a 0.10, entonces la matriz de comparación por pares es consistente. En caso contrario, si la razón de consistencia resulta ser estrictamente mayor que 0.10, entonces la matriz de comparación por pares es inconsistente. Esta comprobación previa nos evita recurrir a otros métodos para hacer 63

frente a las inconsistencias de los encuestados en la comparación por pares (GonzálezPachón y Romero, 2004). El análisis de los resultados de la segunda pregunta de la encuesta sirve de base para la determinación de las prioridades individuales de cada experto, existiendo, tal como se ha constatado en trabajos previos (Gass, 1986), un estrecho vínculo entre estas prioridades y los pesos preferenciales de los modelos de programación por metas. Para realizar dicho análisis se ha recurrido al software Expert Choice 11.5. Posteriormente, a fin de conseguir la agregación de estas preferencias, se ha optado por calcular la media geométrica de las mismas para cada indicador. Es conveniente recordar que, además de minimizar la importancia de los valores extremos, la media geométrica es la única manera de combinar opiniones grupales de forma que se mantenga la propiedad de reciprocidad de la matriz resultante (Iz, 1991; Forman y Peniwati, 1998). Como último paso del tratamiento de datos se ha impuesto la normalización de los pesos preferenciales, de forma que su suma total sea igual a uno (Romero y Rehman, 1986). Una vez explicados sus elementos constitutivos, se puede definir el siguiente modelo de programación por metas con variables binarias: Función de logro: m

Min

j

(n j

pj )

(2)

j 1

Metas y restricciones: n

Rij X i n j – p j t j

j 1,..., m

(3)

i 1

64

n

Xi 1 i 1

(4)

Xi

n 0

0,1

i

1,..., n

p 0

Resolviendo el modelo (2)-(4) con ayuda del software LINGO 10, se obtiene el país cuya industria forestal es más sostenible. Además, aplicando este procedimiento de forma iterativa, e incorporando en cada repetición una restricción nueva que excluya al último país elegido, se obtiene la ordenación o ranking de los países analizados en términos de sostenibilidad. En resumen, la aplicación del

modelo anterior nos proporciona una solución

aparentemente atractiva, pues implica la mayor efectividad agregada. No obstante, este tipo de solución puede producir resultados muy deficientes para alguno de los indicadores elegidos, lo que pudiera ser inaceptable a la hora de clasificar la sostenibilidad para esta industria en los países elegidos. Para solventar este problema, se ha propuesto otro modelo de programación por metas que proporciona la solución más equilibrada asociada al cumplimiento de las distintas metas (Tamiz et al., 1998). Su expresión analítica es la siguiente: Función de logro:

Min D sujeto a: j

(n j

pj ) – D 0

Metas y restricciones del modelo anterior

(5) 65

Donde D sería la máxima desviación entre un indicador y su nivel de aspiración. Sin embargo, si se quisiera condensar ambos modelos de programación por metas en uno solo, habría que recurrir a un modelo de programación por metas extendido, con la siguiente expresión analítica (Romero, 2004):

Función de logro:

Min (1 – ) D

m j

(n j

pj )

(6)

j 1

sujeto a: Metas y restricciones del modelo definido por la ecuación (5) Podemos comprobar en esta última formulación que, en función del parámetro de control

, obtenemos distintas soluciones. Así, para

eficiente o mejor resultado promedio, mientras que para más equilibrada. Valores intermedios de

1 se genera la solución más 0 se obtendría la solución

ayudarían a obtener soluciones de

compromiso entre ambas soluciones, en caso de que existan (André y Romero, 2008). No hay que olvidar, finalmente, que estas diferentes soluciones del modelo nos permiten testar la robustez de los resultados y nos facilitan el análisis de sensibilidad de los mismos (van Calker et al., 2006).

3.3.3. Modelos econométricos Como ya se ha indicado, una segunda parte de este estudio tiene por objeto encontrar los factores que determinan los resultados obtenidos mediante el uso de modelos de programación por metas. Para ello, vamos a desarrollar modelos econométricos clásicos

66

de mínimos cuadrados ordinarios, utilizando el conjunto de variables que se han expuesto en la Tabla 3. Siguiendo a Wooldridge (2006), el método de Mínimos Cuadrados Ordinarios (MCO) nos proporciona las estimaciones de los parámetros que minimizan la suma de los residuos al cuadrado. Es decir, dadas n observaciones (17 en este estudio) realizadas sobre VDi , VI1 , VI 2 ,..., VI k , donde VDi es la variable dependiente (de hecho, en los modelos que elaboraremos a continuación este acrónimo tiene un doble carácter, dependiendo de los dos valores del parámetro de control λ que se analizan: 0 y 1) y VI1 , VI 2 , ..., VI k son las k variables independientes testadas en ambos modelos, el método MCO elige simultáneamente aquellas estimaciones de los coeficientes n

( DVi –

0

0

–

1

,

IVi1 –

1

,

2

2

, ...,

que

k

IVi 2 – ... –

k

minimizan

la

expresión

IVik ) 2

i 1

Las variables dependientes para la solución más equilibrada y para la más eficiente se obtienen directamente de los resultados del software LINGO utilizados en la elaboración de los rankings en base a la sostenibilidad según la metodología anteriormente presentada. En concreto, proceden de la expresión: VD = (1 – diferencia) × 10, donde ”diferencia”, es la desviación existente para una variable de decisión concreta (país) respecto del valor objetivo prefijado, la cual se pretende minimizar. Por esta razón, al recorrer las columnas del ranking, la variable dependiente oscila de valores mayores a valores menores a medida que empeora el nivel de sostenibilidad. El producto por 10 se explica por la necesidad de transformar estos resultados a la hora de aplicar logaritmos neperianos. Por su parte, las 39 variables explicativas sugieren previsibles problemas de correlación. Recordemos que según los supuestos básicos del Modelo Lineal General de

67

Econometría, en los cuales se basa el método de estimación MCO utilizado en esta Tesis Doctoral, las variables explicativas deben ser linealmente independientes (Gujarati, 2003). Por esta razón, se ha recurrido al cálculo del Coeficiente de Correlación de Pearson, que mide el grado de dependencia lineal existente entre dos variables. Con estos coeficientes, calculados mediante el software STATGRAPHICS Plus para todas las posibles parejas de variables independientes, se construyó la Matriz de Correlación de Pearson, que se puede consultar en el Anejo 4. En cada celda de dicha tabla se presentan dos valores, el superior corresponde al coeficiente de correlación, y varía entre -1 y 1. Una correlación positiva implica que ambas variables varían en el mismo sentido, es decir, directamente; mientras que una correlación negativa implica que ambas variables varían en sentido contrario, es decir, inversamente. Valores de este coeficiente próximos a cero, consecuentemente, denotan variables linealmente independientes. La gran cantidad de casos dudosos se resuelve gracias al valor inferior: el p-valor correspondiente al coeficiente considerado. El criterio seguido es que un valor inferior a 0.05 indica que la existencia de correlación es significativa a un nivel de confianza del 95%. Una vez realizados estos análisis previos, ya estamos en condiciones de construir los métodos econométricos buscados. Los mismos se construirán por el método clásico de prueba y error, incorporando una a una las variables explicativas disponibles, considerando las restricciones que impone la correlación antes estudiada, y testando el modelo resultante en base a la significatividad estadística y a la bondad de ajuste. En resumen, la validación de los modelos y la detección de posibles errores de especificación, se realizará siguiendo una metodología estándar que recoge la diagnosis de parámetros y residuos. De este modo, para comprobar la significatividad individual

68

de las variables explicativas se utiliza el test de la t, y para determinar la significatividad conjunta se recurre al test de la F. La bondad del ajuste se determina en base a los valores del coeficiente de determinación y de la desviación típica de las variables explicativas y de la regresión. También se evalúa la existencia de multicolinealidad aproximada, mediante el uso de regresiones auxiliares (Martín et al., 1997). En cuanto al análisis de los residuos, se desarrollan distintas metodologías. La identificación de datos atípicos se efectúa utilizando una banda de confianza de ±3×error estándar. También se chequea el valor de la suma de los residuos al cuadrado, buscando que dicha suma residual no explicada sea lo más pequeña posible. La independencia de los residuos se comprueba recurriendo al correlograma Q-Statistics, y, por último, se determina si su normalidad se puede o no desechar en base a los resultados del test de Jarque-Bera. A fin de detectar la presencia de heteroscedasticidad, se ha recurrido a dos test estadísticos, el archiconocido test de White (no cross terms), y el test de Breusch-PaganGodfrey. En caso de existencia de heteroscedasticidad, se ha planteado la posibilidad de desarrollar métodos consistentes , como son la estimación consistente de White, o el método de Newey-West. Sin embargo, este último método, empleado con frecuencia en estudios científicos, suele reservarse para comprobaciones asociadas a series temporales. Hay que recordar que en esta Tesis los datos no proceden de una serie temporal, sino que se trata de datos de sección cruzada,

razón por la que dicha

extensión del análisis pierde gran parte de su valor. Con esta misma limitación, también se ha llevado a cabo el test de Durbin-Watson (Wooldridge, 2006).

3.4. Resultados 69

En este epígrafe se reúnen los resultados del análisis de la sostenibilidad de la industria forestal europea, análisis realizado en base al material y a la metodología previamente expuestos. Se divide el epígrafe en tres subapartados, a fin de hacer más comprensibles las distintas conclusiones obtenidas en las diferentes partes del estudio realizado. En el primer subapartado, se recogen los resultados de la normalización de los catorce indicadores utilizados. A continuación, se muestran los resultados del análisis multicriterio llevado a cabo en dos fases, primero sin la utilización de pesos preferenciales, y posteriormente con el uso de dichos pesos. Por último, se muestran los resultados de los modelos econométricos realizados, así como la interpretación que con los mismos se puede realizar de los resultados del modelo de programación por metas. 3.4.1. Resultados del Proceso de Normalización Conforme a la metodología anteriormente expuesta, el primer paso de este estudio consistirá en la normalización entre 0 y 1 de los distintos valores nacionales para los 14 indicadores utilizados. Tal como se indicó arriba, de esta manera es factible la agregación de indicadores con muy variadas unidades, dimensiones, y significados. Es preciso recordar que el tercer indicador es común para los tres sectores de la industria forestal, pues representa la disponibilidad de la materia prima esencial, con independencia de que se analicen actividades consideradas tradicionalmente de primera o de segunda transformación. En la Tabla 3.4 se recogen los valores normalizados de los indicadores utilizados en el análisis de la industria de la madera (división NACE 20). Llaman poderosamente la atención los valores óptimos alcanzados por Chipre para indicadores de innovación, lo que tal vez se explique por deficiencias en los datos de partida. También sorprenden los valores óptimos de Rumanía para indicadores relacionados con factores de capital.

70

Otros resultados más esperados son el óptimo de Alemania para la solicitud de patentes en el año 2004, de Francia para el indicador que presenta datos de eficiencia energética, o del Reino Unido para el valor añadido bruto por empleado. Por su parte, España presenta valores discretos excepto para la eficiencia energética y la generación de deshechos.

71

72

Tabla 3.4. Datos normalizados para los 17 países y los 14 indicadores. Industria de la 9 8 7 6 5 4 3 2 1 1 Rep. Checa 0.094 0.886 0.000 0.141 0.233 0.813 0.161 0.000 0.363 0.001 0.760 0.459 0.961 0.789 0.220 0.000 0.412 0.853 2 Alemania 0.702 0.553 0.608 0.227 0.151 0.838 0.357 0.480 0.539 3 Estonia 0.049 0.814 0.596 0.603 0.538 0.474 0.097 0.249 0.318 4 España 0.010 1.000 0.034 0.828 0.736 0.331 0.132 0.590 0.345 5 Francia 0.050 0.765 0.545 0.627 0.832 0.755 0.079 0.120 0.392 6 Italia 0.286 0.826 0.842 0.714 0.464 0.000 0.152 0.079 1.000 7 Chipre 1.000 0.305 0.902 0.145 0.097 0.949 0.601 0.757 0.000 8 Letonia 0.275 0.656 0.397 0.068 0.033 0.672 0.333 0.169 0.062 9 Lituania 0.000 0.697 1.000 0.124 0.087 0.540 0.317 0.082 0.136 10 Hungría 0.171 0.758 0.404 0.876 0.983 0.493 0.129 1.000 0.565 11 Austria 0.154 0.767 0.064 0.411 0.289 0.684 0.193 0.211 0.618 12 Portugal 0.132 0.000 0.584 0.000 0.000 1.000 1.000 0.290 0.175 13 Rumanía 0.014 0.085 0.485 0.144 0.080 0.802 0.277 0.536 0.034 14 Eslovaquia 0.155 0.753 0.477 1.000 0.896 0.662 0.125 0.930 0.432 15 Finlandia 0.115 0.833 0.014 0.870 0.930 0.579 0.161 0.570 0.581 16 Suecia 17 Reino Unido 0.026 0.814 0.629 0.955 1.000 0.209 0.007 0.489 0.324 Los valores ideales se muestran sombreados, y los anti-ideales, en cursiva Fuente : Elaboración propia

madera (NACE 20) 12 11 10 0.382 0.012 0.060 0.902 1.000 0.022 0.672 0.000 0.472 0.411 0.143 0.026 0.533 0.299 0.020 0.399 0.262 0.015 1.000 0.000 0.000 0.314 0.000 1.000 0.600 0.000 0.179 0.222 0.002 0.033 0.668 0.110 0.121 0.840 0.011 0.167 0.000 0.000 0.157 0.152 0.001 0.071 0.558 0.040 0.183 0.712 0.066 0.111 0.455 0.252 0.005

13 0.940 0.996 0.000 0.990 0.914 1.000 0.997 0.992 0.956 0.950 0.866 0.909 0.685 0.848 0.813 0.519 0.988

14 0.000 0.713 0.327 0.190 0.246 0.082 0.598 0.036 0.097 0.084 0.240 0.089 0.068 0.107 0.354 0.832 1.000

De forma análoga, en la Tabla 3.5 se muestran los valores normalizados correspondientes a la industria del papel (división NACE 21). En este caso, los valores ideales se concentran de forma clara en Finlandia. Dicho país ofrece valores ideales para indicadores tan dispares como el valor añadido expresado como porcentaje respecto del sector manufacturero total, las rentas del trabajo, el valor añadido bruto por empleado, la adquisición de tecnología incorporada, el impacto de la innovación, la competitividad exterior o la protección ambiental. También presentan buenos datos Hungría y Eslovaquia, con óptimos para la eficiencia energética o el grado de dependencia, en el caso del primer país; y para la intensidad en el uso del factor trabajo o la tasa de inversión, en el caso del segundo país. No obstante, ambos países presentan valores mucho más modestos para indicadores como la solicitud de patentes o la eficiencia energética. Por su parte, la menor sostenibilidad de Estonia en este sector de segunda transformación de la madera se diferencia claramente a lo que ocurre en los otros dos sectores de la industria forestal. En concreto, destaca negativamente el antiideal mostrando en tres indicadores: impacto de la innovación, solicitud de patentes, y generación de deshechos. Finalmente, queremos destacar los buenos datos que ofrece España para indicadores como la eficiencia energética o la generación de deshechos.

73

74

Tabla 3.5. Datos normalizados para los 17 países y los 14 indicadores. Industria del papel (NACE 21) 12 11 10 9 8 7 6 5 4 3 2 1 1 Rep. Checa 0.085 0.531 0.000 0.088 0.174 0.831 0.171 0.031 0.415 0.512 0.005 0.061 0.100 0.638 0.459 0.822 0.604 0.129 0.139 0.510 0.964 0.856 1.000 0.073 2 Alemania 0.056 0.577 0.608 0.141 0.091 0.590 0.739 0.005 0.826 0.000 0.000 0.049 3 Estonia 0.143 0.776 0.596 0.645 0.552 0.447 0.122 0.100 0.512 0.491 0.056 0.072 4 España 0.098 0.735 0.034 0.704 0.505 0.223 0.047 0.158 0.487 0.676 0.341 0.070 5 Francia 0.099 0.702 0.545 0.559 0.567 0.558 0.014 0.038 0.432 0.544 0.258 0.055 6 Italia 0.118 0.933 0.842 0.345 0.252 0.000 0.271 0.022 0.630 0.598 0.000 0.024 7 Chipre 0.003 0.783 0.902 0.054 0.032 0.654 0.895 0.021 0.000 0.128 0.000 0.049 8 Letonia 0.000 0.480 0.397 0.093 0.060 0.657 0.335 0.003 0.300 0.553 0.001 0.011 9 Lituania 0.054 1.000 1.000 0.128 0.082 0.420 0.343 0.034 0.252 0.631 0.004 0.029 10 Hungría 0.258 0.597 0.404 0.834 0.872 0.345 0.169 0.894 1.000 0.604 0.082 0.198 11 Austria 0.216 0.373 0.064 0.556 0.490 0.677 0.286 0.170 0.514 0.811 0.002 0.188 12 Portugal 0.014 0.097 0.584 0.000 0.000 0.879 0.567 0.000 0.265 0.445 0.001 0.000 13 Rumanía 0.179 0.000 0.485 0.153 0.162 1.000 1.000 0.540 0.181 0.745 0.000 0.131 14 Eslovaquia 1.000 0.643 0.477 1.000 1.000 0.581 0.011 1.000 0.652 1.000 0.068 1.000 15 Finlandia 0.549 0.451 0.014 0.714 0.919 0.446 0.110 0.572 0.911 0.887 0.108 0.460 16 Suecia 17 Reino Unido 0.102 0.796 0.629 0.738 0.557 0.247 0.000 0.094 0.436 0.518 0.248 0.030 Los valores ideales se muestran sombreados, y los anti-ideales, en cursiva Fuente : Elaboración propia

13 0.693 0.965 0.000 0.865 0.833 0.893 0.952 1.000 0.807 0.766 0.843 0.225 0.223 0.439 0.618 0.599 0.761

14 0.000 0.969 0.186 0.426 0.617 0.082 0.120 0.021 0.066 0.117 0.905 0.569 0.044 0.352 1.000 0.877 0.580

Finalmente, la Tabla 3.6 recoge los valores obtenidos al aplicar la metodología de normalización propuesta, a la industria del mueble y otras manufacturas (NACE 36). En este caso, vemos que Alemania ocupa un puesto preferencial, con valores ideales para cuatro indicadores, principalmente relacionados con la innovación. Dichos indicadores son el porcentaje de empresas innovadoras, el impacto de la innovación, y nuevamente la solicitud de patentes. También presentan un valor ideal las rentas del trabajo germanas. Francia vuelve a presentar para este sector un valor ideal en relación a la eficiencia energética, al igual que sucedía en la industria de la madera, mientras que presenta buenos datos para las rentas del trabajo y el valor añadido bruto por empleado. Su peor valor lo presenta en el indicador que hace referencia a la competitividad exterior. Por su parte, Italia presenta buenos números para la eficiencia energética, el valor añadido bruto por empleado, o la generación de deshechos. Conviene destacar que España comparte con Italia unos buenos datos acerca de la eficiencia energética y la generación de deshechos. Por último, conviene hacer hincapié en el valor ideal alcanzado por Estonia en el sector del mueble para el valor añadido expresado como porcentaje respecto del conjunto manufacturero, y para la competitividad exterior. Sin embargo, este país alcanza valores bastante discretos para buena parte de los indicadores, en especial para la generación de deshechos y para la solicitud de patentes.

75

76

Tabla 3.6. Datos normalizados para los 17 países y los 14 indicadores. Industria del mueble (NACE 36) 12 11 10 9 8 7 6 5 4 3 2 1 0,366 0,817 0,000 0,120 0,209 0,699 0,134 0,000 0,143 0,446 0,007 0,334 1 Rep. Checa 0,139 0,864 0,459 1,000 0,940 0,239 0,000 0,824 1,000 1,000 1,000 0,030 2 Alemania 1,000 0,230 0,608 0,184 0,107 0,489 0,416 0,499 0,531 0,800 0,002 1,000 3 Estonia 0,451 0,877 0,596 0,617 0,619 0,418 0,166 0,246 0,357 0,432 0,114 0,091 4 España 0,223 1,000 0,034 0,865 0,869 0,347 0,074 0,244 0,303 0,560 0,426 0,022 5 Francia 0,512 0,848 0,545 0,642 0,848 0,779 0,153 0,276 0,267 0,399 0,397 0,379 6 Italia 0,799 0,607 0,842 0,579 0,475 0,000 0,153 0,015 0,341 0,171 0,000 0,024 7 Chipre 0,819 0,012 0,902 0,069 0,070 0,550 0,498 0,338 0,044 0,000 0,000 0,440 8 Letonia 0,835 0,661 0,397 0,105 0,070 0,504 0,411 0,420 0,434 0,254 0,000 0,628 9 Lituania 0,000 0,689 1,000 0,108 0,097 0,443 0,403 0,029 0,075 0,081 0,005 0,151 10 Hungría 0,513 0,811 0,404 0,765 0,889 0,172 0,062 0,457 0,368 0,486 0,133 0,271 11 Austria 0,504 0,802 0,064 0,300 0,239 0,430 0,250 0,168 0,248 0,460 0,007 0,235 12 Portugal 0,544 0,000 0,584 0,000 0,000 0,695 1,000 0,396 0,000 0,082 0,000 0,526 13 Rumanía 0,214 0,673 0,485 0,176 0,147 1,000 0,250 1,000 0,278 0,772 0,000 0,307 14 Eslovaquia 0,093 0,833 0,477 0,878 0,947 0,247 0,037 0,238 0,526 0,734 0,048 0,030 15 Finlandia 0,323 0,983 0,014 0,664 0,781 0,025 0,027 0,289 0,748 0,838 0,097 0,145 16 Suecia 17 Reino Unido 0,409 0,776 0,629 0,819 1,000 0,365 0,017 0,520 0,469 0,610 0,288 0,000 Los valores ideales se muestran sombreados, y los anti-ideales, en cursiva Fuente : Elaboración propia

13 0,966 0,996 0,000 0,992 0,979 0,986 0,979 0,995 0,910 0,958 0,971 0,951 0,836 0,911 1,000 0,995 0,977

14 0,000 0,407 0,095 0,214 0,350 0,089 0,454 0,013 0,085 0,069 0,189 0,054 0,046 0,058 0,348 0,279 1,000

3.4.2. Resultados del Modelo de Programación por Metas Aprovechando la gran operatividad de la técnica multicriterio elegida, así como el desarrollo de programas informáticos ad hoc, a continuación se ofrecen los resultados del análisis de un problema complejo como es la sostenibilidad en el contexto de la industria forestal europea. Se han recogido los valores normalizados presentados anteriormente, así como la formulación y las restricciones mostradas en la metodología de este capítulo. Se consigue de esta manera una ordenación o ranking de los 17 países estudiados en base a su nivel de sostenibilidad, que es el objetivo buscado. Es preciso recordar que en una primera aproximación todos los indicadores están ponderados con el mismo peso, por defecto igual a 1, y que posteriormente ya se asignarán los pesos preferenciales obtenidos a partir del tratamiento de los resultados de la encuesta que se ha llevado a cabo. A continuación, se ofrecen los resultados para la primera alternativa de pesos iguales. En primer lugar, para cada sector integrante de la industria forestal se ofrece un análisis de los resultados obtenidos. Después, se presentan gráficamente los países con el sector más sostenible desde el punto de vista más eficiente, y también desde el punto de vista más equilibrado. Por último, se adjunta una tabla por cada sector, en la cual

los

distintos sectores nacionales se reconocen por el nombre del país de pertenencia y se ordenan de arriba abajo, de mayor a menor nivel de sostenibilidad. Se presentan 11 rankings por tabla, en función del valor decimal que tome el parámetro de control dentro del intervalo 0,1 . Como se aprecia en la Figura 3.2, Alemania ofrece la solución más eficiente para la sostenibilidad del sector de la madera. Se aprecia la existencia de coherencia con los indicadores para este país, recogidos en la Tabla 3.4, los cuales muestran valores muy 77

buenos en solicitud de patentes, generación de deshechos, impacto de la innovación, porcentaje de empresas innovadoras, y rentas de trabajo. No obstante sus cifras son las peores en tasa de inversión, y muy malas en cuanto al porcentaje que el sector representa dentro del total manufacturero nacional. Por otra parte, Suecia representa la solución más equilibrada.

Figura 3.2. Países con un sector de la madera más sostenible, sin pesos.

Fuente: Elaboración propia. Rojo: País más sostenible (solución más eficiente) Amarillo: País más sostenible (solución más equilibrada)

78

79

Tabla 3.7. Industria de la madera. Solución sin pesos λ=1 λ=0.9 λ=0.8 λ=0.7 λ=0.6 λ=0.5 λ=0.4 λ=0.3 λ=0.2 Alemania Alemania Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Alemania Alemania Alemania Alemania Alemania Alemania Austria Austria Austria Austria Austria Austria Austria Austria Austria Alemania Estonia Estonia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Chipre Chipre Chipre Chipre Chipre Chipre Chipre Chipre Chipre Francia Francia Francia Francia Francia Francia Francia Francia Francia Portugal Portugal Portugal Portugal Portugal Portugal Portugal Portugal Portugal Letonia Letonia Letonia Letonia Letonia Letonia Letonia Letonia Letonia Italia Italia Italia Italia Italia Italia Italia Italia Italia España España España España España España España España España Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría La columna encabezada por λ=0 recoge la solución más equilibrada, y la encabezada por λ=1, la más eficiente

λ=0.1 Suecia Austria Alemania Finlandia Estonia Reino Unido Francia Chipre Portugal Letonia Italia España Lituania Rumanía Eslovaquia Rep. Checa Hungría

λ=0 Suecia Austria Alemania Finlandia Estonia Reino Unido Francia Chipre Portugal Letonia España Italia Lituania Rumanía Eslovaquia Rep. Checa Hungría

En la Figura 3.3 se recoge la conocida primacía escandinava en la industria del papel. Sobre Finlandia ya se habló al comentar la Tabla 3.5, y también sobre los siete indicadores, correspondientes a ámbitos muy dispares, para los cuales este país ofrecía valores óptimos. En cuanto a Suecia, sin ofrecer valores óptimos en ningún indicador no presenta valores tan bajos como Finlandia en la solicitud de patentes, y, sobre todo, en la tasa de inversión.

Figura 3.3. Países con un sector del papel más sostenible, sin pesos.

Fuente: Elaboración propia. Rojo: País más sostenible (solución más eficiente) Amarillo: País más sostenible (solución más equilibrada)

80

81

λ=1 λ=0.9 λ=0.8 λ=0.7 λ=0.6 λ=0.5 λ=0.4 λ=0.3 λ=0.2 Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Finlandia Austria Austria Austria Austria Austria Austria Austria Austria Austria Alemania Alemania Alemania Alemania Alemania Alemania Alemania Alemania Alemania Portugal Portugal Portugal Portugal Portugal Portugal Portugal Portugal Francia Francia Francia Francia Francia Francia Francia Francia Francia Portugal Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido España España España España España España España España España Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Italia Italia Italia Italia Italia Italia Italia Italia Italia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Chipre Chipre Chipre Chipre Chipre Chipre Chipre Chipre Chipre Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría Letonia Letonia Letonia Letonia Letonia Letonia Letonia Letonia Letonia La columna encabezada por λ=0 recoge la solución más equilibrada, y la encabezada por λ=1, la más eficiente

Tabla 3.8. Industria del papel. Solución sin pesos

λ=0.1 Suecia Finlandia Austria Alemania Francia Portugal España Reino Unido Eslovaquia Italia Estonia Chipre Rep. Checa Lituania Rumanía Hungría Letonia

λ=0 Suecia Austria Alemania España Francia Italia Finlandia Hungría Portugal Reino Unido Estonia Eslovaquia Chipre Letonia Rumanía Rep. Checa Lituania

En la figura 3.4 aparece Alemania como el país con un sector del mueble más sostenible desde un punto de vista más eficiente. En consonancia con este resultado, en la Tabla 3.6 se puede ver cómo ese país presenta valores óptimos para cuatro indicadores ligados con la innovación, así como cifras muy buenas para eficiencia energética, valor añadido bruto por empleado, adquisición de tecnología incorporada, y generación de deshechos. Por su parte, Italia no recoge como Alemania el peor valor para la tasa de inversión.

Figura 3.4. Países con un sector del mueble más sostenible, sin pesos.

Fuente: Elaboración propia. Rojo: País más sostenible (solución más eficiente) Amarillo: País más sostenible (solución más equilibrada)

82

83

λ=0.2 λ=0.3 λ=0.4 λ=0.5 λ=0.6 λ=0.7 λ=0.8 λ=0.9 λ=1 Alemania Alemania Alemania Alemania Alemania Alemania Alemania Alemania Alemania Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Estonia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Austria Austria Austria Austria Austria Austria Austria Austria Austria Italia Italia Italia Italia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Italia Italia Italia Italia Italia España Francia Francia Francia Francia Francia Francia Francia Francia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Francia España España España España Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania España España España España Chipre Chipre Chipre Chipre Chipre Chipre Chipre Chipre Chipre Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumania Rumania Rumanía Portugal Portugal Portugal Portugal Portugal Portugal Portugal Portugal Portugal Letonia Letonia Letonia Letonia Letonia Letonia Letonia Letonia Letonia Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría La columna encabezada por λ=0 recoge la solución más equilibrada, y la encabezada por λ=1, la más eficiente

Tabla 3.9. Fabricación de muebles. Solución sin pesos

λ=0.1 Alemania Italia Reino Unido Austria Estonia España Suecia Finlandia Francia Lituania Chipre Eslovaquia Portugal Rumanía Letonia Rep. Checa Hungría

λ=0 Italia Austria España Alemania Reino Unido Estonia Suecia Finlandia Francia Lituania Chipre Eslovaquia Portugal Rumanía Letonia Rep. Checa Hungría

Como disponemos de información complementaria, proporcionada por la encuesta realizada, estamos en condiciones de mejorar los anteriores resultados, determinando los pesos preferenciales. Para ello, tal como se ha visto en la metodología, tras calcular para cada indicador la media geométrica de las preferencias expresadas por los expertos, se impone la condición de que la suma de esos pesos para los 14 indicadores sea igual a 1. Los resultados finales se muestran en la Tabla 3.10:

Tabla 3.10. Obtención de los pesos preferenciales para cada indicador Indicadores Media geométrica Media geométrica ajustada Valor añadido como porcentaje 0.080 0.105 respecto del sector manufacturero Eficiencia energética Grado de dependencia Rentas de trabajo Valor añadido bruto por empleado Intensidad en el uso del factor trabajo Tasa de inversión Adquisición de tecnología incorporada Empresas innovadoras Impacto de la innovación Patentes

0.086 0.044 0.034 0.071 0.037 0.049 0.033 0.053 0.052 0.035

0.113 0.057 0.045 0.093 0.049 0.064 0.043 0.069 0.069 0.046

Competitividad exterior (Índice de Balassa)

0.078

0.102

Deshechos 0.050 Protección ambiental 0.060 Suma 0.761 Fuente: Elaboración propia a partir de los datos de la encuesta

0.065 0.079 1.000

Podemos obtener, de este modo, los nuevos rankings incorporando pesos preferenciales en su elaboración, logrando de este modo una solución más realista en la que no todos los indicadores tienen la misma importancia, y también más coherente con la opinión de los conocedores del tema consultados.

84

En la Figura 3.5 se pueden apreciar los cambios que ha supuesto la introducción de los juicios de los expertos consultados en este análisis. Ahora tenemos a Estonia como país con la industria de la madera más sostenible tanto desde un punto de vista de mayor eficiencia como de mayor equilibrio. Alemania, que presentaba la solución más eficiente para este sector, ahora queda relegada a una tercera posición. Por su parte, Suecia, que ofrecía la solución más equilibrada, ocupa ahora la quinta plaza. Estos resultados pueden comprobarse en la Tabla 3.11.

Figura 3.5. Países con un sector de la madera más sostenible, con pesos.

Fuente: Elaboración propia. Naranja: País más sostenible (solución más eficiente y también más equilibrada)

85

86

Tabla 3.11. Industria de la madera. Solución con pesos λ=0.2 λ=0.3 λ=0.4 λ=0.5 λ=0.6 λ=0.7 λ=0.8 λ=0.9 λ=1 Estonia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Finlandia Finlandia Finlandia Alemania Alemania Alemania Alemania Alemania Alemania Austria Austria Austria Austria Austria Austria Austria Austria Austria Letonia Alemania Alemania Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Alemania Letonia Letonia Letonia Letonia Chipre Chipre Chipre Chipre Portugal Chipre Chipre Chipre Chipre Letonia Letonia Letonia Letonia Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Chipre Reino Unido Portugal Portugal Portugal Portugal Portugal Portugal Francia Francia Francia Francia Francia Francia Francia Francia Francia Portugal Portugal Italia Italia Italia Italia Italia Italia Italia Italia Italia Lituania España España España España España España España España España Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Eslovaquia Eslovaquia Eslovaquia Eslovaquia Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría La columna encabezada por λ=0 recoge la solución más equilibrada, y la encabezada por λ=1, la más eficiente

λ=0.1 Estonia Finlandia Suecia Austria Letonia Portugal Alemania Chipre Reino Unido Lituania Francia Italia España Rumanía Rep. Checa Eslovaquia Hungría

λ=0 Estonia Finlandia Letonia Austria Suecia Portugal Lituania Alemania Reino Unido Chipre Rumanía Italia España Rep. Checa Francia Eslovaquia Hungría

La Figura 3.6 nos muestra como para este sector la dominancia en temas de sostenibilidad, entendiendo ésta desde las dos interpretaciones aquí analizadas (más eficiente y más equilibrada) no sufre cambios al recurrir al juicio de expertos. Podemos, por tanto, aventurar una sostenibilidad consistente para este sector en ambos países.

Figura 3.6. Países con un sector del papel más sostenible, con pesos.

Fuente: Elaboración propia. Rojo: País más sostenible (solución más eficiente) Amarillo: País más sostenible (solución más equilibrada)

87

88

Tabla 3.12. Industria del papel. Solución con pesos λ=0.2 λ=0.3 λ=0.4 λ=0.5 λ=0.6 λ=0.7 λ=0.8 λ=0.9 λ=1 Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Austria Austria Austria Austria Austria Austria Austria Austria Austria Portugal Alemania Alemania Alemania Alemania Alemania Alemania Alemania Alemania Alemania Portugal Portugal Portugal Portugal Portugal Portugal Portugal Portugal Francia Francia Francia Francia Francia Francia Francia Francia Francia Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Eslovaquia Eslovaquia Eslovaquia España España España España España España España España España Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Reino Unido Reino Unido Reino Unido Italia Italia Italia Italia Italia Italia Italia Italia Italia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Rep. Checa Chipre Chipre Chipre Chipre Chipre Chipre Chipre Chipre Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Chipre Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Rumanía Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría Letonia Letonia Letonia Letonia Letonia Letonia Letonia Letonia Letonia La columna encabezada por λ=0 recoge la solución más equilibrada, y la encabezada por λ=1, la más eficiente

λ=0.1 Suecia Finlandia Austria Portugal Alemania Eslovaquia Francia España Reino Unido Italia Estonia Rep. Checa Chipre Hungría Rumanía Lituania Letonia

λ=0 Suecia Finlandia Austria Portugal Eslovaquia Alemania España Francia Rep. Checa Italia Estonia Reino Unido Hungría Chipre Rumanía Letonia Lituania

En la Figura 3.7 volvemos a observar cambios de la primacía en sostenibilidad para el sector del mueble. Ahora, la solución más eficiente la proporciona Estonia, mientras que la más eficiente recae en Austria. Sin embargo, la opinión de los expertos no ha introducidos cambios radicales en los rankings. Podemos comprobar en la Tabla 3.13 que Alemania se mantiene en una tercera plaza para la solución más eficiente, mientras que Italia se muestra segunda en cuanto a la solución más equilibrada.

Figura 3.7. Países con un sector del mueble más sostenible, con pesos.

Fuente: Elaboración propia. Rojo: País más sostenible (solución más eficiente) Amarillo: País más sostenible (solución más equilibrada)

89

90

Tabla 3.13. Fabricación de muebles. Solución con pesos λ=1 λ=0.9 λ=0.8 λ=0.7 λ=0.6 λ=0.5 λ=0.4 λ=0.3 λ=0.2 Estonia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Estonia Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Austria Austria Austria Alemania Alemania Alemania Alemania Austria Austria Reino Unido Italia Italia Austria Austria Austria Austria Alemania Alemania Italia Reino Unido Suecia Italia Italia Italia Italia Italia Italia Alemania Alemania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Lituania Alemania Suecia Suecia Suecia Suecia Suecia Suecia Suecia Suecia Reino Unido España España España España España España España España Eslovaquia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Finlandia Eslovaquia Portugal Chipre Chipre Chipre Chipre Chipre Chipre Chipre Portugal España Francia Francia Francia Francia Francia Francia Francia Finlandia Finlandia Rumanía Rumanía Rumanía Rumanía Eslovaquia Eslovaquia Eslovaquia Chipre Chipre Eslovaquia Eslovaquia Eslovaquia Eslovaquia Rumanía Portugal Portugal Francia Francia Portugal Portugal Portugal Portugal Portugal Rumanía Rumanía Rumanía Letonia Letonia Letonia Letonia Letonia Letonia Letonia Letonia Letonia Rumanía Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría Hungría La columna encabezada por λ=0 recoge la solución más equilibrada, y la encabezada por λ=1, la más eficiente

λ=0.1 Austria Estonia Italia Suecia Lituania Eslovaquia Portugal Alemania Reino Unido España Letonia Rep. Checa Chipre Finlandia Rumanía Francia Hungría

λ=0 Austria Italia Estonia Suecia Portugal Eslovaquia Lituania España Alemania Rep. Checa Letonia Reino Unido Rumanía Finlandia Chipre Francia Hungría

3.4.3. Resultados de los Modelos Econométricos Abordamos a continuación la segunda parte de este análisis, que como se indicó en la metodología, corresponde al desarrollo de modelos econométricos capaces de explicar los rankings anteriormente presentados. De este modo, siguiendo los pasos arriba apuntados, en primer lugar efectuamos un análisis de la dependencia lineal existente entre cada pareja de variables seleccionadas como potencialmente explicativas. Para ello, se utiliza el software STATGRAPHICS Plus. A partir de estos resultados pareados se construye la Matriz de Correlación de Pearson, la cual se adjunta en el Anejo 4 de esta Tesis Doctoral. En ella, se muestran coloreadas aquellas parejas de variables para las que, en base al coeficiente de Pearson, y a los valores correspondientes de la probabilidad (p-value), se ha demostrado la existencia de correlación. Procedemos a continuación a desarrollar dos modelos para cada sector industrial, relacionados con la solución más equilibrada y la solución más eficiente. Dichos modelos se han validado realizando el análisis de parámetros y residuos al que se hizo referencia en la metodología. Una vez realizada estas comprobaciones, estamos en condiciones de presentar los resultados, recordando que los acrónimos se pueden consultan en la Tabla 3, en la cual se recoge la lista de variables utilizadas en los modelos econométricos: En la Tabla 3.14 se recogen los dos modelos desarrollados para el sector de la madera. En dicha tabla se muestran los valores de los coeficientes para la constante y para las variables independientes de ambos modelos. Recuérdese que a través del valor de esos coeficientes se recoge la influencia de cada variable sobre la variable dependiente. También se muestran los respectivos p-values, los cuales nos informan sobre la significatividad individual de estos elementos. Además se recogen los valores de la R2,

91

la R2 ajustada, y la F de Snedecord, estadístico que nos proporciona información acerca de la significatividad conjunta del correspondiente modelo:

Tabla 3.14. Modelos econométricos para el sector de la madera (NACE 20) λ=0 λ=1 Variable Coeficiente Coeficiente C 3,2201 (0,0000) 1,5732 (0,0013) LPSFP

:

-0,0245 (0,0221)

LGIPC LCMPC

-0,0088 (0,0004) 0,0222 (0,0000)

-0,0699 (0,0651) 0,1299 (0,0025)

LMEPA

:

0,0445 (0,0896)

LPUBSF

-0,0128 (0,0001)

-0,0762 (0,0248)

LIDA Variable dependiente

-0,1425 (0,0007) LVD0

: LVD1

17

17

0,8827

0,7608

Nº observaciones R²

R² ajustado 0,8436 F 22,5762 VD0=(1-resultado del software LINGO)*10 VD1=(1-resultado del software LINGO)*10 ( ) prob. estadístico t

0,6521 6,9987

Vemos que ambas soluciones se interpretan de un modo diferente en base al grupo de variables explicativas seleccionadas, produciéndose modificaciones no sólo sobre la significatividad o no de una variable dada, sino también sobre la distinta influencia que una misma variable puede tener para una solución u otra. A continuación, se presentan las fórmulas desarrolladas de los dos modelos de la industria de la madera. En ellas hay que tener siempre presente que la letra L que antecede a las distintas variables hace referencia al uso de logaritmos neperianos: Para λ=0 LVDO = 3,2201 × C –0,0088 × LGIPC + 0,0222 × LCMPC – 0,0128 × LPUBSF

92

– 0,1425 × LIDA

(7)

Para λ=1 LVD1 = 1,5732 C – 0, 0245 LPSFP – 0, 0699 LGIPC + 0,1299 LCMPC + 0, 0445 LMEPA – 0, 0763 LPUBSF

(8)

Donde: LVD0: Logaritmo de la variable dependiente relativa a la solución más equilibrada LVD1: Logaritmo de la variable dependiente relativa a la solución más eficiente LGIPC: Logaritmo de las emisiones per cápita de gases de efecto invernadero LCMPC: Logaritmo del consumo de madera o productos derivados de la madera por año y habitante LPUBSF: Logaritmo del porcentaje de la superficie de bosque o maderable bajo propiedad pública LIDA: Logaritmo del Índice de Desempeño Ambiental LPSFP: Logaritmo del porcentaje de la superficie forestal protegida LMEPA: Logaritmo de la madera en pie aprovechable en el bosque

Repetimos este procedimiento para la industria del papel, encontrándonos con desemejanzas quizás no tan marcadas en la explicación de ambas soluciones. Llama la atención que en este sector industrial, la emisión de gases de efecto invernadero, no resulte significativa parta el nivel de sostenibilidad ni de la solución más eficiente, ni de la más equilibrada. Seguidamente a la tabla se muestran las fórmulas de los modelos analizados.

93

Tabla 3.15. Modelos econométricos para el sector del papel (NACE 21) λ=0 λ=1 Variable Coeficiente Coeficiente 2,2292 (0,0000) 0,9492 (0,0029) C LCMPC

0,0084 (0,0075)

0,0544 (0,0531)

LPUBSF

-0,0116 (0,0003)

-0,1333 (0,0001)

LTF

:

0,0590 (0,0008)

LDM

0,0118 (0,0578) LVD0

0,1978 (0,0016) LVD1

17 0,7294

17 0,9278

Variable dependiente Nº observaciones R²

R² ajustado 0,6670 F 11,6809 VD0=(1-resultado del software LINGO)*10 VD1=(1-resultado del software LINGO)*10 ( ) prob. estadístico t

0,9037 38,5528

Para λ=0 LVD0 = 2,2292 C + 0,0084 LCMPC – 0,0116 LPUBSF + 0,0118 LDM

(9)

Para λ=1 LVD1 = 0,9492 C + 0, 0544 LCMPC – 0,1333 LPUBSF + 0, 0590 LTF + 0,1978 LDM

(10)

Donde: LVD0: Logaritmo de la variable dependiente relativa a la solución más equilibrada LVD1: Logaritmo de la variable dependiente relativa a la solución más eficiente LCMPC: Logaritmo del consumo de madera o productos derivados de la madera por año y habitante LPUBSF: Logaritmo del porcentaje de la superficie de bosque o maderable bajo propiedad pública

94

LDM: Logaritmo de la diversificación de mercados para el sector de los productos de madera LTF: Logaritmo del tamaño medio de la empresa del sector nacional en base a la facturación Por último, en la Tabla 3.16 se recogen los correspondientes resultados para la industria del mueble. En este caso, comprobamos un mayor divergencia entre la solución más equilibrada y la más eficiente, siendo parcialmente explicadas por variables diferentes. Conviene resaltar que aparece una nueva variable (LEC), significativa para ambas soluciones, que recoge la influencia del entorno comercial para la sostenibilidad del sector del mueble. Como en los dos casos anteriores, las fórmulas de los modelos se presentan a continuación de la tabla:

Tabla 3.16. Modelos econométricos para el sector del mueble (NACE 36) λ=0 λ=1 Variable Coeficiente Coeficiente 2,5281 (0,0000) 5,1344 (0,0014) C LCMPC

0,0069 (0,0147)

0,1238 (0,0039)

LPUBSF LTF

-0,0099 (-2.85) :

-0,0986 (0,0199) 0,0540 (0,0056)

LTE

0,0056 (0,0182)

:

: LDM -0,0704 (0,0278) LEC Variable dependiente LVD0 Nº observaciones 17 R² 0,5515 R² ajustado 0,4019 F 3,6883 VD0=(1-resultado del software LINGO)*10 VD1=(1-resultado del software LINGO)*10 ( ) prob. estadístico t

Para λ=0 95

0,1247 (0,0880) -1,0404 (0,0084) LVD1 17 0,6713 0,5219 4,4941

LVD0 = 2,5281 C + 0,0069 LCMPC – 0,0099 LPUBSF + 0,0056 LTE – 0, 0704 LEC

(11)

Para λ=1 LVD1 = 5,1344 C + 0,1238

LCMPC – 0,0986 LPUBSF + 0,0540 LTF

+ 0,1247 LDM – 1, 0404 LEC

(12)

Donde: LVD0: Logaritmo de la variable dependiente relativa a la solución más equilibrada LVD1: Logaritmo de la variable dependiente relativa a la solución más eficiente LCMPC: Logaritmo del consumo de madera o productos derivados de la madera por año y habitante LPUBSF: Logaritmo del porcentaje de la superficie de bosque o maderable bajo propiedad pública LTE: Logaritmo del tamaño medio de la empresa del sector nacional en base al número de empleados LDM: Logaritmo de la diversificación de mercados para el sector de los productos de madera LTF: Logaritmo del tamaño medio de la empresa del sector nacional en base a la facturación LEC: Logaritmo del entorno comercial: regulación y seguridad Para ayudar a la interpretación de los anteriores resultados se han construido las Tablas 3.17 y 3.18, a fin de establecer una comparativa de tres elementos básicos: factores

96

explicativos, carácter de la solución para el nivel de sostenibilidad (más equilibrada o más eficiente), y sector integrante de la industria forestal. En concreto, la Tabla 3.17 recoge, de entre todas las variables independientes analizadas, aquellas que han demostrado ser significativas para explicar la solución más equilibrada obtenida a partir del método de programación por metas. De dicha tabla cabe destacar, en primer lugar, que existen dos variables especialmente importantes para la sostenibilidad de la industria forestal, por cuanto son significativas para los tres sectores que la integran. La primera variable es el consumo de madera o de productos derivados de la madera por habitante al año, cuyo coeficiente presenta signo positivo en las ecuaciones (7), (9) y (11), siendo por tanto favorecedora de la sostenibilidad. La segunda variable es el porcentaje de superficie de bosque o maderable (bosque o plantaciones) bajo propiedad pública, invariablemente con signo negativo

en las

ecuaciones (7), (9) y (11). Este resultado es consecuente con la mayor sensibilidad de los gestores públicos por preservar los múltiples bienes y servicios demandados por la sociedad que deparan los sistemas forestales, frente a la preferencia del propietario forestal privado, industrial o no, por los mercados de la madera y la utilización de la tierra con fines productivos (Herzele van A. y Gossum van P., 2009; Rodríguez-Vicente y Marey-Pérez, 2009). Por otra parte, el hecho de que el Índice de Desempeño Ambiental sea significativo para la sostenibilidad de la industria de la madera, presentando signo negativo, tal como se aprecia en la ecuación (7), parece una clara consecuencia del habitual conflicto entre esta actividad económica y la protección de ecosistemas y recursos naturales. También cabe destacar que las emisiones de gases de efecto invernadero no resultan significativas a la hora de explicar la sostenibilidad de la industria del papel, cuestionando una opinión muy generalizada. Por contra, en la sostenibilidad del papel destaca, con signo positivo en la ecuación (9), la diversificación

97

de mercados. Finalmente, señalar dos variables significativas para la industria del mueble, recogidas en la ecuación (11), las cuales resaltan dos aspectos cruciales para el sostenimiento de esa actividad económica. La primera es el tamaño medio de la empresas, como claro factor favorecedor de la sostenibilidad, y sin embargo limitante en muchos países, debido a las reducidas dimensiones de las empresas del sector. Y la segunda es el entorno comercial, con normativas que no favorecen la competitividad de los productos europeos.

Tabla 3.17. Resultados para la solución más equilibrada (λ=0) Variable Consumo de madera o de productos derivados de la madera por habitante al año

Madera

Papel

Mueble

X

X

X

X

X

X

X

:

:

X

:

:

Diversificación de mercados para el sector de los productos de madera

:

X

:

Tamaño medio de la empresa del sector nacional en base al número de empleados

:

:

X

:

:

X

Porcentaje de la superficie boscosa o maderable bajo propiedad pública Emisiones per cápita de gases de efecto invernadero de la industria manufacturera y la construcción nacionales Índice de Desempeño Ambiental

Entorno comercial Fuente : Elaboración propia

En el caso de la Tabla 3.18, correspondiente a la solución más eficiente, comprobamos que las variables relativas al consumo de madera o de productos derivados, y al porcentaje de la superficie de bosque o maderable bajo propiedad pública, siguen siendo significativas para los tres sectores de la industria forestal, pero ahora con mayor importancia, a tenor del mayor valor absoluto de sus respectivos coeficientes. Los signos presentados para la solución más equilibrada se mantienen, conservando por tanto estas variables el sentido ya indicado, como se puede observar en las ecuaciones (8), (10) y (12). Tal como se muestra en la ecuación (8), análogo resultado se obtiene

98

para las emisiones de gases de efecto invernadero, variable únicamente significativa para el sector de la madera, con una incidencia negativa más acusada. También significativas para este sector son las variables forestales que recogen el porcentaje de superficie forestal protegida, así como la madera en pie aprovechable en el bosque, con signos negativo y positivo respectivamente. Cabe indicar que estos signos son concordantes con su efecto sobre la disponibilidad de materia prima para la mencionada actividad económica. Las variables correspondientes al tamaño empresarial y a la diversificación de los mercados son ahora significativas tanto para el sector del papel como para el del mueble, como recogen las ecuaciones (10) y (12). Por último, en la ecuación (12) se muestra que el entorno comercial contribuye a explicar únicamente el nivel de sostenibilidad de la industria del mueble, presentando de nuevo una mayor importancia.

Tabla 3.18. Resultados para la solución más eficiente (λ=1) Variable Consumo de madera o de productos derivados de la madera por habitante al año

Madera

Papel

Mueble

X

X

X

X

X

X

X

:

:

X X

: :

: :

Tamaño medio de la empresa del sector nacional en base a la facturación

:

X

X

Diversificación de mercados para el sector de los productos de madera

:

X

X

:

:

X

Porcentaje de la superficie boscosa o maderable bajo propiedad pública Emisiones per cápita de gases de efecto invernadero de la industria manufacturera y la construcción nacionales Porcentaje de la superficie forestal protegida Madera en pie aprovechable en el bosque

Entorno comercial Fuente : Elaboración propia

3.5. Discusión El análisis de diferentes aspectos relativos a la industria forestal es un tema cada vez más presente en la literatura especializada (Nyrud y Baardsen, 2003; Lähtinen et al., 99

2008; Voces et al., 2010). En dicho contexto, esta Tesis Doctoral pretende extender el uso del método de programación por metas con variables binarias, desde el ámbito de la gestión forestal (Diaz-Balteiro y Romero, 2004a,b), hasta el de la transformación industrial de los principales productos obtenidos de los sistemas forestales. Como se ha demostrado, el procedimiento seguido permite analizar la sostenibilidad de la industria forestal europea, desagregada ésta en sus sectores constitutivos a nivel de división NACE (madera, papel y mueble). Además, se ha podido comprobar la extraordinaria versatilidad de esta metodología, pues nos permite realizar una comparación entre distintos tipos de soluciones, que van desde la más eficiente a la más equilibrada. En definitiva, esta formulación proporciona un buen compromiso entre dos formas muy diferenciadas de analizar la sostenibilidad, bien sea optimizando la eficiencia (mejor promedio), o bien la equidad (mejor balanceo) con respecto a las metas previamente definidas (Romero, 2001). Por otra parte, si lo que se buscara no fuese un ranking, sino un índice de sostenibilidad asociado a cada país, se podría construir de forma sencilla, simplemente modificando levemente las ecuaciones (4), (5) y (6) de la anterior metodología, tal y como se puede apreciar en Diaz-Balteiro y Romero (2004a). Finalmente, cabe indicar que este procedimiento se puede generalizar para otras actividades manufactureras, así como para niveles más desagregados, siempre que exista una información disponible al respecto. Por tanto, las posibles limitaciones de un estudio de esta índole no radican en una supuesta debilidad metodológica, sino en la fiabilidad de la información disponible (Romero, 1996, Voces et al., 2010). Esta información procede en su mayor parte de fuentes oficiales, mientras que en la segunda fase del estudio se ha extendido a un conjunto de fuentes más heterogéneas.

100

Los resultados obtenidos han mostrado variaciones según correspondan a un sector o a otro de la industria forestal, y según se utilicen o no pesos preferenciales en su cálculo. Por otra parte, de los resultados obtenidos destaca especialmente la posición de liderazgo de Estonia respecto a la sostenibilidad de su industria de la madera tanto en términos de eficiencia ( =1), como de igualdad ( =0). Liderazgo del que goza nuevamente este país para la industria del mueble, en términos de eficiencia ( =1). Aún cuando Estonia se ha incorporado recientemente a la UE27, la importancia estratégica que tiene la industria forestal en el país, puede ser total o parcialmente la explicación de ese resultado (Roolaht, 2007). De hecho, según un informe del año 2006 elaborado por Eurostat acerca de los países más especializados6 en las distintas actividades económicas no financieras, Estonia aparece como segundo país más especializado en el sector de la madera (NACE 20) y del mueble (NACE 36). También cabe indicar que Finlandia y Suecia ocupan el primer y el segundo lugar de especialización para la industria del papel (Eurostat, 2010). En cuanto a los resultados de los modelos econométricos, es interesante destacar que el porcentaje de superficie forestal certificada no resulta significativo a la hora de explicar el nivel de sostenibilidad, ni para la solución más equilibrada, ni tampoco para la más eficiente. En esta línea, conviene indicar que tal circunstancia no discrepa de los resultados aparentemente contradictorios alcanzados por anteriores estudios realizados sobre este tema. Así, algunos estudios apuntan a una menor competitividad internacional como resultado de la implantación de estándares de certificación forestal (Schwarzbauer y Rametsteiner, 2001; Eriksson et al., 2007), mientras que otros se decantan por la opción contraria (Owari et al., 2006).

6

En base al porcentaje del valor añadido de las actividades económicas no financieras.

101

Por último, a fin de testar la calidad de los resultados obtenidos, se ha realizado un análisis de sensibilidad de los mismos que nos permita determinar cómo se modifica la solución óptima al variar el nivel de aspiración de las metas. En este caso analizaremos cómo varían los rankings anteriormente expuestos sobre los tres sectores de la industria forestal, modificando para ello el nivel de aspiración entre 0,6 y 1 para las soluciones correspondientes a

=0 y a

=1.

Así, en la Tabla 3.19 se recogen los resultados del análisis de sensibilidad para el sector de la madera y para la solución más equilibrada, demostrándose que de los diecisiete países analizados en estas circunstancias, tan sólo cinco (Finlandia, Letonia, Reino Unido, Chipre y España) presentan algún cambio de posición al modificarse el nivel de aspiración. Además, dichos cambios de colocación no revisten singular importancia, pues no suponen mayor cuantía que una o dos posiciones, cumpliéndose que tenemos en puestos superiores, inferiores o intermedios los mismos grupos de países con independencia del nivel de aspiración.

Tabla 3.19. Industria de la madera. Análisis de sensibilidad para λ=0 y distintos niveles de aspiración 1 0,9 0,8 0,7 0,6 Estonia Estonia Estonia Estonia Estonia Letonia Letonia Letonia Finlandia Finlandia Finlandia Finlandia Finlandia Letonia Austria Austria Austria Austria Austria Letonia Suecia Suecia Suecia Suecia Suecia Portugal Portugal Portugal Portugal Portugal Lituania Lituania Lituania Lituania Lituania Alemania Alemania Alemania Alemania Alemania Chipre Chipre Chipre Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Chipre Chipre Rumanía Rumanía Rumanía Rumanía Rumanía Italia Rep. Checa España España España Rep. Checa Italia Italia Italia Rep. Checa España España Rep. Checa Rep. Checa Italia Francia Francia Francia Francia Francia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Hungría Hungría Hungría Hungría Hungría Fuente: Elaboración propia.

102

Repetimos la operación para el sector de la madera, pero ahora considerando la solución más eficiente, es decir, tomando un valor para el parámetro de control

igual a 1.

Comprobamos en la Tabla 3.20 que ahora son once los países que cambian sus posiciones (Alemania, Estonia, Austria, Finlandia, Chipre, Reino Unido, Letonia, España, Italia, Eslovaquia y República Checa). Por esta razón suponemos que la robustez de las soluciones obtenidas desde un punto de vista más eficiente es inferior al caso anterior. No obstante, al igual que ocurría con la solución más equilibrada, también ahora la magnitud de los cambios de ordenación es esencialmente de una o dos posiciones, dándose el caso de que únicamente Estonia experimenta un movimiento mayor (cuatro posiciones).

Tabla 3.20. Industria de la madera. Análisis de sensibilidad para λ=1 y distintos niveles de aspiración 1 0,9 0,8 0,7 0,6 Alemania Alemania Alemania Estonia Estonia Suecia Suecia Suecia Suecia Suecia Austria Austria Estonia Alemania Alemania Finlandia Finlandia Austria Austria Austria Estonia Estonia Finlandia Finlandia Finlandia Letonia Letonia Chipre Chipre Chipre Chipre Chipre Letonia Letonia Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Letonia Francia Francia Francia Francia Francia Portugal Portugal Portugal Portugal Portugal Italia Italia Italia Italia España España España España España Italia Lituania Lituania Lituania Lituania Lituania Rumanía Rumanía Rumanía Rumanía Rumanía Rep. Checa Rep. Checa Rep. Checa Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Rep. Checa Rep. Checa Hungría Hungría Hungría Hungría Hungría Fuente: Elaboración propia

A continuación, se muestran los resultados de un análisis de sensibilidad similar al anterior, realizado, en este caso, para el sector del papel. Así, en la Tabla 3.21 se 103

recogen los efectos sobre el ranking de países, al modificar el nivel de aspiración para valores entre 0,6 y 1. Cabe destacar, en primer lugar, la robustez de estos resultados, pues de los diecisiete países estudiados, únicamente Reino Unido y Estonia intercambian sus posiciones. El resto de países permanecen fijos con independencia del nivel de aspiración seleccionado.

Tabla 3.21. Industria del papel. Análisis de sensibilidad para λ=0 y distintos niveles de aspiración 1 0,9 0,8 0,7 0,6 Suecia Suecia Suecia Suecia Suecia Finlandia Finlandia Finlandia Finlandia Finlandia Austria Austria Austria Austria Austria Portugal Portugal Portugal Portugal Portugal Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia Alemania Alemania Alemania Alemania Alemania España España España España España Francia Francia Francia Francia Francia Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Italia Italia Italia Italia Italia Reino Unido Estonia Estonia Estonia Estonia Estonia Reino Unido Reino Unido Reino Unido Reino Unido Hungría Hungría Hungría Hungría Hungría Chipre Chipre Chipre Chipre Chipre Rumanía Rumanía Rumanía Rumanía Rumanía Letonia Letonia Letonia Letonia Letonia Lituania Lituania Lituania Lituania Lituania Fuente : Elaboración propia

En la Tabla 3.22 repetimos los cálculos para el sector del papel, eligiendo ahora un valor del parámetro de control igual a uno. De nuevo, modificamos el nivel de aspiración entre 0,6 y 1, y analizamos a continuación los cambios producidos en el ranking. En primer lugar, cabe indicar que las modificaciones observadas se acentúan con respecto a la solución más equilibrada, en especial en las posiciones medias y bajas. De hecho, se observan variaciones en la posición de nueve países, de los cuales tres modifican su ubicación en dos unidades (República Checa, Chipre y Eslovaquia), mientras que tan sólo un país (Hungría) alcanza las tres. Por el contrario, las seis 104

primeras posiciones (Finlandia, Suecia, Austria, Alemania, Portugal y Francia) no experimentan ningún cambio. Finalmente, Letonia permanece fija en la última posición de los diferentes rankings con independencia del valor que tome el nivel de aspiración.

Tabla 3.22. Industria del papel. Análisis de sensibilidad para λ=1 y distintos niveles de aspiración 1 0,9 0,8 0,7 0,6 Finlandia Finlandia Finlandia Finlandia Finlandia Suecia Suecia Suecia Suecia Suecia Austria Austria Austria Austria Austria Alemania Alemania Alemania Alemania Alemania Portugal Portugal Portugal Portugal Portugal Francia Francia Francia Francia Francia Eslovaquia Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Eslovaquia España España España España España Eslovaquia Eslovaquia Eslovaquia Italia Italia Italia Italia Italia Chipre Chipre Estonia Estonia Estonia Estonia Estonia Chipre Chipre Rep. Checa Hungría Rep. Checa Rep. Checa Rep. Checa Chipre Rep. Checa Hungría Lituania Lituania Lituania Lituania Lituania Rumanía Rumanía Rumanía Rumanía Rumanía Hungría Hungría Hungría Letonia Letonia Letonia Letonia Letonia Fuente : Elaboración propia

Acabamos estos análisis aplicándolos al sector del mueble y otras manufacturas. En la Tabla 3.23 observamos un comportamiento equiparable a los menos robustos encontrados en los anteriores sectores. Tenemos que seis países permanecen fijos en su posición con independencia del valor que tome el nivel de aspiración. Por otra parte, los once países restantes que si cambian su posición, lo hacen básicamente en una o dos unidades. No obstante, es preciso destacar los casos de España, que modifica tres espacios, y, sobre todo, la República Checa, que lo hace en cinco posiciones

105

Tabla 3.23. Industria del mueble. Análisis de sensibillidad para λ=0 y distintos niveles de aspiración 1 0,9 0,8 0,7 0,6 Italia Austria Austria Austria Austria Austria Italia Italia Italia Estonia Estonia Estonia Estonia Estonia Italia Suecia Portugal Portugal Suecia Suecia Portugal Suecia Suecia Portugal Portugal Lituania Lituania Eslovaquia Eslovaquia Rep. Checa Alemania Eslovaquia Lituania Lituania Eslovaquia Eslovaquia Alemania Alemania España Lituania Rep. Checa Rep Checa Rep. Checa Alemania España Letonia Letonia Letonia Rep. Checa Letonia Reino Unido Reino Unido España Letonia Alemania España España Reino Unido Reino Unido Reino Unido Finlandia Finlandia Finlandia Rumanía Rumanía Rumanía Rumanía Rumanía Finlandia Chipre Francia Francia Chipre Chipre Finlandia Chipre Chipre Francia Francia Francia Hungría Hungría Hungría Hungría Hungría Fuente : Elaboración propia

Finalmente, para la Tabla 3.24, en primer lugar hay que destacar que los cambios tienen lugar prácticamente en toda la tabla, y que únicamente las dos últimas filas, ocupadas por Hungría y la República Checa, permanecen inalterables con independencia de la variación en el nivel de aspiración. La primera posición es ocupada alternativamente por Estonia y Alemania. Como resumen final de los análisis de sensibilidad realizados podemos indicar que para los tres sectores de la industria forestal se observa mayor robustez en las soluciones más equilibradas que en las más eficientes. Además, el sector industrial que presenta mayor robustez es el del papel, circunstancia que se puede aplicar a sus soluciones más eficientes, pero de modo especial a las más equilibradas. En el caso del sector de la madera se repite la circunstancia apuntada arriba de mayor robustez de las soluciones más equilibradas, no obstante, tanto en este caso como para las soluciones más eficientes, debemos destacar que las alteraciones en los rankings son muy reducidas.

106

Finalmente, el sector que ofrece unos resultados menos robustos es el del mueble, probablemente debido a la heterogeneidad de las actividades económicas que engloba la división NACE 36.

Tabla 3.24. Industria del mueble. Análisis de sensibilidad para λ=1 y distintos niveles de aspiración 1 0,9 0,8 0,7 0,6 Alemania Alemania Estonia Estonia Estonia Estonia Estonia Alemania Reino Unido Reino Unido Reino Unido Reino Unido Reino Unido Alemania Austria Austria Austria Austria Austria Alemania Suecia Italia Italia Italia Lituania Italia Suecia Suecia Lituania Italia Finlandia Lituania Lituania Suecia Suecia Francia Finlandia Finlandia España España Lituania Francia Chipre Finlandia Chipre España España Francia Chipre Finlandia Chipre Chipre España Francia Francia Eslovaquia Eslovaquia Rumanía Rumanía Rumanía Rumanía Rumanía Eslovaquia Eslovaquia Portugal Letonia Portugal Portugal Portugal Eslovaquia Portugal Letonia Letonia Letonia Letonia Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa Hungría Hungría Hungría Hungría Hungría Fuente : Elaboración propia

107

4. CONCLUSIONES

Esta Tesis Doctoral se ha centrado en el estudio de dos aspectos esenciales para el presente, pero también para el futuro, de la industria forestal: la innovación y la sostenibilidad de la misma. Respecto a la innovación tecnológica de la industria forestal, su análisis pudo llevarse a cabo gracias al uso de un grupo de indicadores de amplia aceptación en este tipo de estudios, como se comprobó en la literatura consultada. Para la elaboración de dichos indicadores, se utilizaron todas las fuentes disponibles a nivel no sólo nacional sino también europeo, así como datos primarios procedentes de una encuesta, congregando de este modo, una elevada heterogeneidad en las fuentes (encuestas, censos, estudios de panel) y en los datos, Este inconveniente de partida es abordable, no obstante, gracias a la estandarización que proporciona el Manual Oslo en su tercera edición. En cuanto a los resultados del análisis, sin duda, la característica más reseñable es la debilidad y el atraso que presentan las actividades de innovación tecnológica en la industria forestal española respecto de la industria manufacturera total. Debilidad que se pone especialmente de manifiesto al comprobar la existencia de una apreciable brecha, sostenida a lo largo del tiempo, entre las actividades de I+D de la industria forestal y del conjunto del sector manufacturero. Es preciso indicar, no obstante, que las serias limitaciones observadas no constituyen una especial singularidad dentro del conjunto de los sectores tradicionales de la industria española y europea. Dado que estos sectores mantienen una notable importancia en las avanzadas economías europeas, no es posible descartar la existencia de actividades de innovación en ellos. Eso nos lleva a pensar que las estadísticas de innovación tecnológica, desarrolladas a partir de estadísticas de I+D, pueden resultar engañosas en el caso de pequeñas 108

empresas de bajo nivel tecnológico, como son mayoritariamente las de la industria forestal, las cuales a menudo no recurren a una I+D formal y sí a muchos mecanismos diferentes de elaboración, adaptación o imitación de conocimientos y habilidades. También se analizó la manera en que la estructura productiva de las empresas de la industria forestal condiciona la innovación que éstas realizan. En líneas generales se puede indicar que no se logró demostrar la existencia de vínculos entre eficiencia empresarial y desarrollo de actividades innovadoras; mientras que sí se probaron relaciones positivas con la existencia de sistemas de gestión ambiental y de calidad. En la segunda parte de esta Tesis Doctoral se ha demostrado que es posible extender la utilización del método de programación por metas con variables binarias desde el ámbito de la gestión forestal, al de la transformación industrial de los productos derivados del recurso por excelencia asociado a los sistemas forestales: la madera. Los resultados obtenidos indican que este procedimiento se puede extender también a otros sectores productivos, así como a otros niveles de desagregación. Esta posibilidad, sin embargo, se encuentra seriamente condicionada por la existencia de información fiable. Además, se ha podido comprobar la versatilidad de esa metodología, pues nos proporciona, en función de la forma de analizar la sostenibilidad, una solución más eficiente y otra más equilibrada, así como las soluciones de compromiso existentes entre ellas. Por otra parte, se ha considerado, de acuerdo con la bibliografía consultada, que la mejor forma de caracterizar la sostenibilidad es en términos relativos, razón por la que se han construido rankings de los distintos sectores analizados en base a su nivel de sostenibilidad. Los resultados muestran unos rankings europeos de sectores nacionales generalmente distintos en función de los pesos otorgados a cada indicador para los sectores de la madera y del mueble. Es decir, para esas actividades industriales la solución difiere

109

claramente si se otorga el mismo peso a cada indicador que si se pondera cada indicador con los pesos obtenidos a través de las opiniones de un conjunto de expertos. Por el contrario, en el sector del papel se ha observado una mayor estabilidad en los resultados con independencia de la asignación de pesos. Por último, se han desarrollado modelos econométricos con el fin de identificar los factores que determinan los diferentes niveles de sostenibilidad recogidos en los rankings. De los resultados obtenidos, cabe destacar que los factores de mayor importancia para explicar la sostenibilidad en los tres sectores que componen la industria forestal son el consumo de madera y productos derivados, así como el porcentaje de bosque o superficie maderable bajo propiedad pública. También que la importancia de los diferentes factores analizados depende del tipo de solución considerado, bien sea ésta la más eficiente o la más equilibrada. Otros factores a considerar para explicar la solución más eficiente de los sectores del papel y del mueble, son el tamaño medio de la empresa en base a la facturación, y la diversificación de mercados. Por último, resulta interesante que el porcentaje de superficie forestal certificada no haya resultado significativo para la sostenibilidad ni desde un punto de vista más eficiente ni más equilibrado.

110

BIBLIOGRAFÍA

ALFAYA V. y BLASCO J.L., 2002. La sostenibilidad y la empresa. VI Congreso Nacional del Medio Ambiente. Madrid, 25-29 de noviembre de 2002. ALFRANCA O., DIAZ-BALTEIRO L. y HERRUZO A.C., 2009. Technical innovation in Spain’s wood-based industry: the role of environmental and quality strategies. Forest Policy and Economics 11: 161-168. AMADEUS, 2009. Disponible en: https://amadeus.bvdep.com/ ANDRÉ F.J. y ROMERO C., 2008. Computing compromise solutions: On the connections between compromise programming and composite programming. Applied Mathematics and Computation 195: 1-10. ARBUSSÀ A., BIKFALVI A. y VALLS J., 2004. La I+D en las pymes: Intensidad y estrategia. Universia Business Review 1: 40-49. ARENAS M., PÉREZ B., RODRÍGUEZ M.V.

Y

BILBAO A., 2002. Aplicación de la

programación compromiso a la gestión de las listas de espera quirúrgicas de un hospital público. Estudios de Economía Aplicada, Vol. 20(2), pp. 317-330. ASHEIM, G.B., BUCHHOLZ W. y TUNGODDEN, B., 2001. Justifying Sustainability. Journal of Environmental Economics and Management 41: 252-268. AULÍ E., 2002. Integración de los factores ambientales en las estrategias empresariales. Boletín Económico del ICE 800, pp. 139-148. BARBA-ROMERO S., 1987. Panorámica actual de la decisión multicriterio discreta. Investigaciones Económicas (Segunda época), Vol. 9(2), pp. 279-308. 111

BEY C., 2001. Quo Vadis Industrial Ecology? Realigning the Discipline with its Roots. Greener Management International 34: 35-42. BHATTACHARYA M. y BLOCH H., 2004. Determinants of Innovation. Small Business Economics 22: 155-162. BUESA M., 2003. Ciencia y Tecnología en la España Democrática: La formación de un sistema nacional de innovación. Revista de Información Comercial Española 811: 235272. BULLARD S.H. y STRAKA T.J., 1986. Role of company sales in funding research and development by major U.S. paper companies. Forest Science 32(4): 936-943. CABALLERO R., 2001. La toma de decisiones multicriterio en los albores del siglo XXI. En GARCÍA-TUÑÓN A.M. (Coord.): Economía y Derecho ante el siglo XXI. Editorial Lex Nova, Valladolid, pp. 35-53. CALKER K.J.

VAN,

BERENTSEN P.B.M., ROMERO C., GIESEN G.W.J. y HUIRNE R.B.M.,

2006. Development and application of a multi-attribute sustainability function for Dutch dairy farming systems. Ecological Economics 57: 640-658. CALLENS I. y TYTECA D., 1999. Towards indicators of sustainable development for firms. A productive efficiency perspective. Ecological Economics 29: 41-53. COHEN B. y WINN M., 2007. Market imperfections, opportunity and sustainable entrepreneurship. Journal of Business Venturing 22: 29-49. CRESPELL P. y HANSEN E., 2008a. Work climate, innovativeness, and firm performance in the US forest sector: in search of a conceptual framework. Canadian Journal of Forest Research 38: 1703-1715. 112

CRESPELL P. y HANSEN E., 2008b. Managing for innovation: Insights into a successful company. Forest Products Journal 58(9): 6-17. CRESPELL P., KNOWLES C. y HANSEN, E., 2006. Innovativeness in North America softwood sawmilling Industry. Forest Science 52(5): 568-578. DIAZ BALTEIRO L., HERRUZO A.C., MARTÍNEZ M. y GONZÁLEZ-PACHÓN J., 2006. An analysis of productive efficiency and innovation activity using DEA: An application to Spain’s wood-based industry. Forest Policy and Economics 8: 762-773. DIAZ-BALTEIRO L. y ROMERO C., 2004a. In search of a natural systems sustainability index. Ecological Economics, 49: 401-405. DIAZ-BALTEIRO L. y ROMERO C., 2004b. Sustainability of forest management plans. A discrete goal programming approach. Journal of Environmental Management 71: 351359. DÍAZ BALTEIRO, L. y ROMERO, C., 2008. Producción de madera y sostenibilidad. En DÍAZ BALTEIRO L. (Dir.): Caracterización de la Industria Forestal en España: Aspectos Económicos y Ambientales. Monografías Fundación BBVA. Fundación BBVA, Madrid, pp. 285-304. DIRECCIÓN

GENERAL

DE

ADUANAS,

2008.

Disponible

en:

http://aduanas.camaras.org/ DORMANN J. y HOLLIDAY C., 2002. Innovation, Technology, Sustainability & Society. World Business Council for Sustainable Development, Geneva, Switzerland, 38 pp. ECHEVERRÍA J., 2008. El Manual de Oslo y la innovación social. ARBOR. Ciencia, Pensamiento y Cultura 184(732): 609-618. 113

EEA. European Environment Agency, 2005. The European environment‒State and outlook 2005, Copenhagen, Denmark, 92 pp. Disponible en: http://www.eea.europa.eu/publications/eea_report_2005_4 ERIKSSON O.L., SALLNÄS O. y STÅHL. G., 2007. Forest certification and Swedish wood supply. Forest Policy and Economics 9: 452-463. EUROPEAN COMMISSION, 2003. Third European Report on Science & Technology Indicators. Brussels. Belgium. EUROSTAT, 2010. European Statistics. Disponible en: http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/ FERNÁNDEZ F.R., CABALLERO R. y ROMERO C. (Coord.), 2004. La aventura de decidir: una aproximación científica mediante casos reales. Introducción. Universidad de Málaga (Red Temática de Decisiones Multicriterio), Málaga, pp. 12-25. FIKSEL J., 2006. Sustainability and resilience: toward a systems approach. Sustainability:

Science,

Practice

&

Policy

Vol.

2

(2).

Disponible

en:

http://ejournal.nbii.org FLOR M.L. y OLTRA M.J., 2004. Identification of innovating firms through technological innovation indicators: an application to the Spanish ceramic tile industry. Research Policy 33: 323-336. FONFRÍA A., 2004. La innovación tecnológica en los sectores tradicionales españoles. Economía Industrial 355-356: 37-46.

114

FORAY D. y GRÜBLER A., 1996. Technology and the Environment: An Overview. Technological Forecasting and Social Change 53: 3-13. FORMAN E. y PENIWATI K., 1998. Aggregating individual judgments and prorities with the Analytic Hierarchy Process. European Journal of Operation Research 108: 165169. FROSCH R.A. y GALLOPOULOS N.E., 1989. Strategies for Manufacturing. Scientific American 261(3): 144-152. FTP. FOREST-BASED SECTOR TECHNOLOGY PLATFORM, 2005. Vision 2030. Innovative and sustainable use of forest resources, Brussels, Belgium, 20 pp. FUNDACIÓN COTEC, 1998. Libro Blanco. El Sistema Español de Innovación. Diagnósticos y recomendaciones, Madrid. FUNDACIÓN COTEC, 2001. Indicadores de Innovación: Situación en España, Madrid. FUNDACIÓN COTEC, 2004. Libro Blanco. El Sistema Español de Innovación: Situación en 2004, Madrid. FUNDACIÓN COTEC, 2007. Libro Blanco. Las relaciones en el sistema español de innovación, Madrid. FUNDACIÓN ENTORNO, IESE y PRICEWATERHOUSECOOPERS, 2002. Código de gobierno para la empresa sostenible, Madrid. FUNDACIÓN SEPI, 2008. ESEE, Encuesta Sobre Estrategias Empresariales (1998-2006), Madrid.

115

GAL T. y HANNE T., 1999. Consequences of dropping nonessential objectives for the application of MCDM methods. European Journal of Operational Research 119: 373378. GASS S. I., 1986. A Process for Determining Priorities and Weights for Large-Scale Linear Goal Programmes. The Journal of the Operational Research Society 8: 779-785. GIMÉNEZ G., CASADESÚS M., DE CASTRO R. y ARBUSSÀ A., 2001. La adopción de SGMA por parte de la industria. El caso de Cataluña. XI Congreso Nacional de ACEDE. Zaragoza, 16-18 de septiembre de 2001. GODIN B., 2001. The emergence of Science and Tecgnology Indicators: Why did Governments supplement statistics with indicators? Project on the History and Sociology of S&T Statistics. Paper 8. GONZÁLEZ-PACHÓN J. y ROMERO C., 2004. A method for dealing with inconsistencies in pairwise comparisons. European Journal of Operational Research 158: 351-361. GRAY R. y BEBBINGTON J., 2007. Corporate sustainability: accountability or impossible dream? En ATKINSON G., DIETZ S. y NEUMAYER E. (Eds.): Handbook of Sustainable Development. Edward Elgar, Cheltenham, UK, pp. 376-391. GRILICHES Z., 1980. R&D and the Productivity Slowdown. American Economic Review 70(2): 343-348. GRILICHES Z., 1992. The Search for R&D Spillovers. Scandinavian Journal of Economics 94: S29-S47. GRUPP H., 1998. Foundations of the Economics of Innovation. Edward Elgar Publishing, Inc. Northampton, Massachusetts, EEUU. 116

GRUPP H. y MOGEE M. E., 2004. Indicators for national science and technology policy: how robust are composite indicators? Research Policy 33: 1373-1384. GUJARATI D.N., 2003. Basic Econometrics, 4ª Edición, Mc Graw-Hill Companies. 1002 pp. HAGE J. T., 1999. Organizational Innovation and organizational change. Annual Review of Sociology, Vol. 25, pp. 597-622. HAILS C., LOH J. y GOLDFINGER S., 2006. Living Planet Report 2006. Disponible en: http://assets.panda.org/downloads/living_planet_report.pdf HAMMETT A.L. y YOUNGS R.L., 2002. Innovative Forest products and processes: Meeting growing demand. J. Forest. 100(4): 6-11. HAN X., WEN Y. y KANT S., 2009. The global competitiveness of the Chinese wooden furniture industry. Forest Policy and Economics 11: 561-569. HANSEN E., 2006. The state of innovation and new product development in the North American lumber and panel industry. Wood and Fiber Science 38: 326-333. HART S., ARNOLD M. y DAY R., 2000. The business of sustainable forestry: Meshing operations with strategic purpose. Interfaces 30: 234-254. HEIDENREICH M., 2009. Innovation patterns and location of European low- and mediumtechnology industries. Research Policy 38: 483-494. HENRY J.F. y JOURNEAULT M., 2008. Environment performance indicators: An empirical study of Canadian manufacturing firms. Journal of Environmental Management 87: 165-176.

117

HERNANSANZ C. y RUBIO A., 2005. El sector del mueble en España: perspectivas de demanda y oferta. Situación Consumo (segundo semestre 2005), Servicio de Estudios Económicos

BBVA,

Madrid,

España,

pp.

22-28.

Disponible

en:

http://serviciodeestudios.bbva.com HERRUZO A.C., MARTÍNEZ M. y RIVAS R., 2004. Flujos tecnológicos intersectoriales en el sector forestal. Cuadernos de la Sociedad Española de Ciencias Forestales 18, pp. 109-114. HERZELE

VAN

A. y GOSSUM

VAN

P., 2009. Owner-specific factors associated with

conversion activity in secondary pine plantations. Forest Policy and Economics 11: 230-236. HIGMAN, S., MAYERS, J., BASS, S., JUDD, N. y NUSSBAUM, R., 2005.

The

SustainableForestry Handbook 2nd Ed., Earthscan, London. HIRSCH-KREINSEN H., 2008. “Low-Technology”. A forgotten sector in innovation policy. Journal of Technology, Management & Innovation. Vol. 3-3, pp. 11-20. HIRSCH-KREINSEN H., JACOBSON D., LAESTADIUS S. y SMITH K., 2005. Low and Medium Technology Industries in the Knowledge Economy: The Analytical Issues. En HIRSCH-KREINSEN H., JACOBSON D.

Y

LAESTADIUS S. (Eds.): Low-tech Innovation in

the Knowledge Economy. Peter Lang GmbH, Frankfurt am Main, pp. 11-30. HOFF K., FISHER N., MILLER S. y WEBB A., 1997. Sources of competitiveness for secondary wood products firms: A review of literature and research issues. Forest Products Journal 47 (2): 31-37.

118

HOLLANDERS H. y ARUNDEL A., 2006. Global Innovation Scoreboard (GIS) Report. MERIT (Maastricht Economic and social Research and training centre on Innovation and Technology). Maastricht, Holanda. HOVGRAARD A. y HANSEN E., 2004. Innovativeness in the forest products industry. Forest Products Journal 54: 26-33. HUERGO E. y JAUMANDREU J., 2002. How does probability of innovation change with firm age? Small Business Economics 22: 193-207. IGNIZIO J.P., 1978. A review of Goal Programming: A tool for multiobjective analysis. The Journal of the Operational Research Society, Vol. 29(11): 1109-1119. IGNIZIO J.P. y ROMERO C., 2003. Goal Programming. En BIDGOLI H. (Ed.): Encyclopedia of Information Systems, Vol. 2. Academic Press, San Diego, CA, pp. 489–500.

INE,

2008.

Instituto

Nacional

de

Estadística.

Disponible

en:

http://www.ine.es/inebase/index.html IZ P.H., 1991. Group Decision Support and Multiple Criteria Optimization. Information & Quantitative Sciences Department. University of Baltimore. Baltimore, Maryland, 21201-5779. JAFFE A.B. y TRAJTENBERG M., 2002. Patents, Citations, and Innovations. The MIT Press. Massachusetts Institute of Technology. Cambridge, Massachusetts, USA. JOHNSON A. y WALCK D., 2004. Certified Success: Integrating Sustainability into Corporate Management Systems. Journal of Forestry 102: 32-39.

119

JONES C. y WILLIAMS J., 1998. Measuring the social return to R&D. Quarterly Journal of Economics 113: 119-135. KEIJZERS G., 2002. The transition to the sustainable enterprise. Journal of Cleaner Production 10: 349-359. KNOWLES C., HANSEN E. y SHOOK S.R., 2008. Assessing the innovativeness in the North American softwood sawmilling industry using three methods. Canadian Journal of Forest Research 38: 363-375.

KRAJNC D. y GLAVIČ P., 2005. How to compare companies on relevant dimensions of sustainability. Ecological Economics 55: 551-563. KUBECZKO K. y RAMETSTEINER E., 2002. Innovation and entrepreneurship a new topic for forest related research. EFI-Innforce-Discussion paper I. IFSPE-Discussion paper. Institute for Forest Sector Policy and Economics, University of Agricultural Sciences, Vienna, 29 pp. LAMBERTON G., 2005. Sustainability accounting ‒ a brief history and conceptual framework. Accounting Forum 29: 7-26. LANGFORD R., 2008. Environmental performance indicators-key features of some recent proposals. En SCHALTEGGER S., BENNETT M., BURRITT R.L. y JASCH C. (Eds.): Environmental management accounting for cleaner production, Springer, Dordrecht, The Netherlands, pp. 339-352. LÄHTINEN K., HAARA A., LESKINEN P. y TOPPINEN A., 2008. Assessing the relative importance of tangible and intangible resources: Empirical results from the forest industry. Forest Science 54(6): 617-616. 120

LINDO SYSTEMS, 2007. LINGO v. 10.0 Chicago. MAIRESSE J. y MOHNEN P., 2002. Accounting for innovation and measuring innovativeness: An illustrative framework and an application. American Economic Review 92: 226-230. MANSFIELD E., 1980. Basic Research and productivity increase in manufacturing, American Economic Review 70: 863-873. MARTÍN G., LABEAGA J.M. y MOCHÓN F., 1997. Introducción a la Econometría. Pearson Educación, Madrid. 322 pp. MARTINEZ NÚÑEZ M., 2006. Aplicación de métodos no paramétricos para el análisis de la eficiencia en la industria forestal española. Tesis Doctoral, Universidad Politécnica de Madrid. MARTÍNEZ NÚÑEZ M. y DÍAZ BALTEIRO L., 2007. La industria forestal en España. Aspectos productivos, organizativos y medioambientales. Investigación Agraria: Sistemas y Recursos Forestales 16(2): 182-196. MAXWELL D. y VORST

VAN DER

R., 2003. Developing sustainable products and

services. Journal of Cleaner Production 11: 883-895. MENDOZA G.A. y PRABHU. R., 2000a. Development of a methodology for selecting criteria and indicators of sustainable forest management: A case study on participatory assessment. Journal of Environmental Management 26: 659-673. MENDOZA G.A. y PRABHU. R., 2000b. Multiple criteria decision making approaches to assessing forest sustainability using criteria and indicators: a case study. Forest Ecology and Management 131:107-126. 121

MIKKILÄ M. y TOPPINEN A., 2008. Corporate responsibility reporting 628 by large pulp and paper companies. Forest Policy Econ. 10: 500-506. MORENO-JIMÉNEZ J.M., AGUARÓN J., CANO F. y ESCOBAR M.T., 1998. Validez, robustez y estabilidad en decisión multicriterio. Análisis de sensibilidad en el Proceso Analítico Jerárquico. Revista de la Real Academia de Ciencias Exactas, Físicas y Naturales (España), Vol. 92(4), pp. 387-397. MUNIER N., 2005. Introduction to Sustainability. Road to a Better Future, Springer, Dordrecht. MUNN I.A., HODGES D.G. y TRUITT T., 1998. Determinants of research and development expenditures in the forest product industry. Forest and Wildlife Research Centre, Mississippi State University, USA, pp. 83-87. NARDO M., SAISANA M., SALTELLI A., y TARANTOLA S., 2005. Handbook on constructing composite indicators: methodology and user guide. OECD Statistics Working Paper. Paris, France, 108 pp. NIDUMOLU R., PRAHALAD C.K. y RANGASWAMI M.R., 2009. Why Sustainability is now the Key Driver of innovation? Harvard Business Review Vol. 87(9), pp. 56-64. NYRUD A.Q. y BAARDSEN S., 2003. Production efficiency and productivity growth in Norwegian sawmilling. Forest Science 49: 89–97. OCDE, 2002. Propuesta de Norma Práctica para Encuestas de Investigación y Desarrollo Experimental. París, Francia. Edición española: Fundación Española de Ciencia y Tecnología (FECYT). Madrid, España.

122

OECD, 1997. OECD Proposed Guidelines for Collecting and

Interpreting

Technological Innovation Data, Oslo Manual 2nd ed. Paris, France. 92 pp. OECD, 2005. Guidelines for Collecting and Interpreting Innovation Data, Oslo Manual 3rd ed.. 162 pp. OECD, 2007. OECD Science, Technology and Industry Scoreboard 2007. Annex 1. Classification of Manufacturing industries based on Technology. Paris, France. 228 pp. OJALA J., LAMBERG J.-A., AHOLA A. y MELANDER A., 2006. The ephemera of success: strategy, structure and performance in the forestry industries. En LAMBERG J.-A., NÄSI J., OJALA J. y SAJASALO P. (Eds.): The evolution of competitive strategies in global forestry industries. Springer, Dordrecht, The Netherlands, pp. 257-286. OLSTHOORN X., TYTECA D., WEHRMEYER W. y WAGNER M., 2001. Environmental indicators for business: a review of the literature and standardization methods. Journal of Cleaner Production 9: 453-463. ORGILÉS C. y SALAS F., 2001. Estudios de prospectiva sobre los sectores tradicionales. Megatendencias tecnológicas. Economía Industrial 342: 65-72. O´ROURKE D., CONNELLY LL. y KOSHLAND C., 1996. Industrial ecology: a critical review. International Journal of Environment and Pollution, Vol. 6(2-3), pp. 89-112. OWARI T., JUSLIN H., RUMMUKAINEN A. y Yoshimura T., 2006. Strategies, Functions and benefits of forest certification in wood products marketing: Perspectives of Finnish suppliers. Forest Policy and Economics 9: 380-391.

123

PAECH

N.,

2007.

Directional

certainty

in

sustainability-oriented

innovation

management. En: LEHMANN-WAFFENSCHMIDT M. (Ed.): Innovations towards sustainability. Conditions and consequences. Physica-Verlag, Heidelberg, pp. 121-139. PARRIS T.M. y KATES R.W., 2003. Characterizing and measuring sustainable development. Annual Review of Environment and Resources, Vol. 28, pp. 559-586. PÄTÄRI S., PUUMALAINEN K., JANTUNEN A. y SANDSTRÖM J., 2010. The interface of the energy and forest sectors-Potential players in the bioenergy business. International Journal of Production Economics (En prensa). PAVITT K., 1984. Sectoral patterns of technical change: Towards a taxonomy and a theory. Research Policy 13 (6): 343-373. PINTER L., HARDI P. y BARTELMUS P., 2005. Sustainable Development Indicators. Proposals for a way forward. United Nations Division for Sustainable Development (UNDSD). New York. RAMETSTEINER E. y WEISS G., 2006. Innovation and innovation policy in forestry: Linking innovation process with systems models. Forest Policy and Economics 8(7): 691-703. RENNINGS K., 2000. Redefining innovation ‒ eco-innovation research and the contribution from ecological economics. Ecological Economics 32: 319-332. RODRÍGUEZ-VICENTE V. y MAREY-PÉREZ M.F., 2009. Land-use and land-base patterns in non-industrial private forests: Factors affecting forest management in Northern Spain. Forest Policy and Economics 11: 475-490.

124

ROMERO C., 1981. El enfoque multiobjetivo en los modelos matemáticos de planificación de cultivos. Revista de Economía Política 89: 179-204. ROMERO C., 1993. Teoría de la decisión multicriterio: Conceptos, técnicas y aplicaciones. Alianza Editorial, Madrid, 195 pp. ROMERO C., 1996. Análisis de las decisiones multicriterio. Isdefe. Publicaciones de Ingeniería de Sistemas 14, Madrid, 113 pp. ROMERO C., 2001. Extended lexicographic goal programming: A unifying approach. Omega-International Journal of Management Science 29: 63-71. ROMERO C., 2004. A general structure of achievement function for a goal programming model. European Journal of Operational Research 153: 675-686. ROMERO C. y REHMAN T., 1986. La programación multiobjetivo y la planificación agraria: algunas consideraciones teóricas. Agricultura y Sociedad 40: 9-35. ROOLAHT T., 2007. The interconnections of regional and domestic cluster development processes. Journal of East-West Business 13: 167-189. SAATY T., 1980. The Analytic Hierarchy Process: Planning, Priority Setting, and Resource Allocation. McGraw-Hill, New York. SAATY T., 1990. How to make a decision: The Analytic Hierarchy Process. European Journal Operational Research 48: 9-26. SANCHO R., 2002. Indicadores de los Sistemas de Ciencia, Tecnología e Innovación. Economía Industrial 343: 97-109.

125

SANDVEN T., SMITH K. y KALOUDIS A., 2005. Structural change, growth and innovation: the roles of medium and low tech industries, 1980-2000. En HIRSCH-KREINSEN H., JACOBSON D. y LAESTADIUS S. (Eds.): Low-tech Innovation in the Knowledge Economy. Peter Lang GmbH, Frankfurt am Main, pp. 31-59. SANTAMARÍA LL, NIETO M.J. y BARGE-GIL A., 2009. Beyond formal R&D: Taking advantage of other sources of innovation in low-and medium-technology industries. Research Policy 38: 507-517. SARTORIUS C., 2006. Second-order sustainability ‒ conditions for the development of sustainable innovations in a dynamic environment. Ecological Economics 58: 268-286. SCHWARZBAUER P. y RAMETSTEINER E., 2001. The impact of SFM-certification on forest product markets in Western European analysis using a forest sector simulation model. Forest Policy and Economics 2: 241-256.

STERLACCHINI A., 1999. Do innovative activities matter to small firms in non-R&Dintensive industries? An application to export performance. Research Policy 28: 819832. SURÍS J.Mª, 2005. Persistente debilidad de la I+D. En: E. Genescá (coord.). La industria en España: Claves para competir en un mundo global, Editorial Ariel, Barcelona, España, pp. 151-180. TAMIZ M., JONES D.F. y ROMERO C., 1998. Goal Programming for Decision Making: An Overview of the Current State-of-the-Art. European Journal of Operation Research 111: 569-581.

126

TOMBERLIN D., BUONGIORNO J. y BROOKS D., 1998. Trade, forestry, and the environment: A review. Journal of Forest Economics 4(3): 177-206. TOPPINEN A. y KUULUVAINEN J., 2010. Forest sector modeling in Europe the state of the art and future research directions. Forest Policy Economics 12: 2-8. UN. UNITED NATIONS, 2002. Plan of Implementation of the World Summit on Sustainable Development, Johannesburg. UNCED. THE UNITED NATIONS CONFERENCE

ON

ENVIRONMENT

AND

DEVELOPMENT,

EARTH SUMMIT, 1992. Río Declaration on Environment and Development. Chapter 40: Information for decision-making. URRACA A., 1998. I+D y recursos alternativos a la innovación en la industria española. Economía Industrial 319: 91-103. VÄLIMÄKI H., NISKANEN A., TERVONEN K. y LAURILA I., 2004. Indicators of Innovativeness and Enterprise Competitiveness in the Wood Products Industry in Finland. Scandinavian Journal of Forest Research 19(5): 90-96. VAONA A. y PIANTA M., 2008. Firm size and innovation in European manufacturing. Small Business Economics 30: 283-299. VOLLENBROEK K., 2002. Sustainable development and the challenge of innovation. Journal of Clener Production 10: 215-223. VOCES R., HERRUZO A.C. y DÍAZ BALTEIRO L., 2008a. La innovación en la industria forestal española. En DÍAZ BALTEIRO L. (Dir.): Caracterización de la Industria Forestal en España: Aspectos Económicos y Ambientales. Monografías Fundación BBVA. Fundación BBVA, Madrid, pp. 187-218. 127

VOCES R., HERRUZO A.C. y DÍAZ BALTEIRO L., 2008b. Caracterización de la innovación tecnológica en la industria forestal española. Revista de Investigación Agraria. Sistemas y Recursos Forestales 17(3): 282-296. VOCES R., DIAZ-BALTEIRO L. y ROMERO C., 2010. In search of a European paper industry ranking in terms of sustainability by using Binary Goal Programming. En JONES D., TAMIZ M. y RIES J. (Eds.): New Developments in Multiple Objective and Goal Programming. Lecture Notes in Economics and Mathematical Systems, Vol. 638, pp. 141-149. WAGNER M., 2005. How to reconcile environmental and economic performance to improve corporate sustainability: corporate environmental strategies in the European paper industry. Journal of Environmental Management 76: 105-118. WCED. WORLD COMMISSION

ON

ENVIRONMENT

AND

DEVELOPMENT, 1987. Our

Common Future. Oxford University Press, Oxford. WEIL D. N., 2006. Crecimiento Económico. Pearson Educación, S. A., Madrid. WEST, C.D. y SINCLAIR, S.A., 1992. A Measure of Innovativeness Sample of Firms in the Wood Household Furniture Industry. Forest Science 38(3): 509-524. WOOLDRIDGE J.M., 2006. Introductory Econometrics. A Modern Approach, 3ª Edición. Thomson South-Western. Mason, OH. U.S.A., 890 pp.

128

ANEJO 1

129

130

10.9 35.9 6.3 14.1

3.9 9.1

47.4 16.6 36.0

70.7 13.0 16.4 5.2 29.9

15.0 83.0 1.9

1.1

34.3

5.1

7.8

0.5

13.7

0.5 12.7 8.4

26.3

Papel

22.5 74.2 3.3

Fuente : Estadística de I+D1 , ESEE2 , EIT3 . Intensidad de innovación: (Gasto en actividades innovadoras/Cifra de negocios)×100

Empresas que realizan "formas menores de innovación" (%) Información técnica Control de calidad Asimilación tecnología importada Diseño

2

Gasto total en actividades innovadoras (%) Empresas de menos de 250 empleados I+D Tecnología incorporada Otros gastos Empresas de 250 o más empleados I+D Tecnología incorporada Otros gastos

3

0.7

26.8

Intensidad de innovación (%)3

16.3

3.9

0.3

8.4

Empresas con actividades innovadoras (%)3

2

1

0.1 3.6 6.2

15.1

Madera

Gasto interno total en I+D cubierto con fondos de las AAPP (%)1

Empresas que reciben recursos públicos para la I+D (%)

Trabajadores dedicados a actividades de I+D, (%total de trabajadores)

Empresas con I+D (interna o externa) (%)

3

Gastos corrientes en I+D (millones de €) destinados a: Investigación fundamental Investigación aplicada Desarrollo tecnológico

1

Gasto interno total en I+D (millones de €)

1

Indicadores de input de la innovación en la industria forestal (2006).

2.8 23.6

6.6 22.6

73.9 18.9 7.2

35.9 53.1 11.1

0.8

29.4

5.9

2.8

0.6

8.9

0.4 8.6 12.0

22.7

Mueble

9.9 26.2

18.0 39.3

60.8 20.5 18.7

41.9 46.1 12.1

1.3

33.5

11.9

12.2

2.2

20.5

55.4 1200.5 1536.0

3309.4

Total industria manufacturera

ANEJO 2

131

132

EFI

EFI

(1) VD0=(1−resultado del software LINGO)×10 (2) VD1=(1−resultado del software LINGO)×10

EFI

Incremento neto anual del bosque

INAB

PUBSF Porcentaje de la superficie de bosque o maderable bajo propiedad pública

Madera en pie aprovechable en el bosque

MEPA

EFI

EFI

Madera en pie total en el bosque

MEPT

EFI

Yale University

EFI

Porcentaje de bosques y otras superficies maderables que son gestionados

PSFG

Porcentaje de la superficie de bosque o maderable bajo propiedad privada

Porcentaje de superficie forestal certificada respecto de la superficie forestal total

PSFC

UNECE Yale University

PRISF

Superficie forestal certificada (PEFC + FSC)

SFC

UNECE

Elaboración propia

Elaboración propia

Fuente

INABH Incremento neto anual del bosque por ha

Porcentaje de superficie forestal protegida respecto de la superficie forestal total

PSFP

Variables forestales

Porcentaje de superficie forestal respecto de la superficie total

estudio mediante la expresión(2)

estudio mediante la expresión(1) Solución más eficiente (λ=1) del ejercicio de programación por metas, ajustada para este

Variable dependiente Solución más equilibrada (λ=0) del ejercicio de programación por metas, ajustada para este

Definición

PSF

VD1

VD0

Nombre

2003 2003

3

%

%

1000 m /ha

3

1000 m

1000 m

2003

2003

2003

2003 3

2003 3

1000 m

%

2006

2006 %

2005

%

2005

2004

2004

Año

103 ha

%

decimal

decimal

Unidades

133

2004 2003 2003 2003

% decimal decimal decimal

Living Planet Report 2006 Living Planet Report 2006 Living Planet Report 2006

Huella ecológica forestal

Biocapacidad total

HEF

BT

u.v.d.(3)

1000 € AMADEUS AMADEUS AMADEUS

Tamaño medio de la empresa del sector nacional en base a la facturación

Porcentaje de empresas del sector correspondiente al país (respecto de los 17 países estudiados)

Porcentaje de la facturación del sector correspondiente al país (respecto de los 17 países estudiados)

TE

TF

PNEMP

PFACT

(3) u.v.d.: último valor disponible

u.v.d.

nº empleados AMADEUS

Variables microeconómicas Tamaño medio de la empresa del sector nacional en base al número de empleados

%

%

2003 decimal

Living Planet Report 2006

Reserva o déficit ecológico

DE

(3)

u.v.d.

(3)

u.v.d.

(3)

2003 decimal

Living Planet Report 2006

Biocapacidad forestal

BF

HET

PEREN

GIPC Eurostat

Año

2004

Unidades 106 Tm CO 2 /106 hab.

Fuente

Eurostat

Definición

Variables ambientales Emisiones per capita de gases de efecto invernadero de la industria manufacturera y de la construcción nacionales Contribución de las energías renovables al consumo total de electricidad del país en el año 2004 Huella ecológica total

Nombre

134

2004

Eurostat

Gasto en consumo final de los hogares

Producto interior bruto a precios de mercado expresado como capacidad de poder de compra (PPS) por habitante

Porcentaje de variación del PIB per cápita respecto del período previo

GCHPC

PPC

TCPIBPC

DP

2004 2004 2004

entero (0,1) entero (0,1) entero (0,1)

International Trade Centre web oficial de la UE web oficial de la UE web oficial de la UE

Índice de Desempeño Comercial (Trade Performance Index) para el sector de los productos de madera

Dummy=1, si el país pertenecía a la CEE antes de 1986

Dummy=1, si el país se incorporó a la UE en el período 1986-1995

Dummy=1, si el país se incorporó a la UE en 2004

Índice de Desarrollo Humano Índice de Desempeño Ambiental (Environmental Performance Index) Vitalidad ambiental Índice de Sostenibilidad Ambiental (Environmental Sustainability Index)

IDC

I1

I2

I3

IDH IDA VA ISA

PNUD Yale University Yale University Yale University

2004

nº de mercados equivalentes

International Trade Centre

Diversificación de mercados para el sector de los productos de madera

DM

Índices

2004

International Trade Centre

Diversificación de productos para el sector de los productos de madera

decimal decimal decimal decimal

2005 2008 2008 2005

2004

2004 % nº de productos equivalentes

Eurostat

ranking

2004 PPS/habitante

10 €/habitante

2004

2008 decimal

World Economic Forum Eurostat

Índice de Competitividad (Growth Competitiveness Index)

GCI

3

2008

EC

decimal

Consumo de madera o de productos derivados de la madera por habitante al año

CMPC World Economic Forum

2005

Año

Índice de Accesibilidad Comercial (Enabling Trade Index)

3

Unidades

IAC

UNECE

Fuente

World Economic Forum

Variables macroeconómicas

Entorno comercial: regulación y seguridad

Definición

m /hab./año decimal

Nombre

ANEJO 3

135

Mi nombre es Roberto Voces, y estoy realizando mi tesis doctoral sobre aspectos relacionados con la innovación y sostenibilidad de la industria forestal (sectores de madera, papel y mueble, es decir, CNAE 20, 21 y 361). En esta línea, pido su colaboración para responder a una serie de cuestiones relativas a la sostenibilidad de estas industrias a nivel europeo en aquellos países de la UE para los que se dispone de una información comparable (en concreto, 17 países). Esta encuesta está orientada hacia investigadores y agentes relacionados con los temas aquí analizados, utilizando, por tanto, su opinión como un juicio de experto. Obviamente, se garantiza el anonimato de la misma, ya que se persigue obtener unos valores agregados. Por último, agradezco mucho su colaboración y el tiempo dedicado a responder a estas cuestiones. El objetivo básico se trata de caracterizar, de forma comparada, la sostenibilidad de estas industrias a nivel europeo. Para tal fin se han definido los diferentes aspectos de la sostenibilidad (económico, ambiental y social), siempre en función de la información disponible, a través de un conjunto de indicadores. Se solicita su colaboración para responder a tres cuestiones relativas a estos indicadores, que se definen a continuación: 1. Valor añadido: Porcentaje del valor añadido del sector respecto del valor añadido de la industria manufacturera total. 2. Eficiencia energética: Cantidad de energía que debe adquirir el sector para generar una unidad adicional de producto. 3. Grado de dependencia: Cociente entre las importaciones y el consumo aparente (producción nacional + importaciones – exportaciones) de la materia prima utilizada en estos sectores. 4. Rentas de trabajo: Indicador social del tipo “cuanto más, mejor”, obtenido a través del salario medio ponderado con la renta per cápita de cada país, a efectos de hacer posible su comparabilidad. 5. Valor añadido bruto por empleado: Cociente entre el valor añadido bruto y el número de empleados del sector. 136

6. Intensidad en el uso del factor trabajo: Indicador indirecto del grado de desarrollo tecnológico del sector. Indicador del tipo “cuanto menos, mejor”, se obtiene mediante el porcentaje de los costes laborales respecto del valor de la producción del sector. 7. Inversión: Cociente entre la inversión total en el sector y su valor añadido. 8. Adquisición de tecnología incorporada: Cociente entre la inversión bruta en maquinaria y equipo y el número de empresas de cada sector estudiado. 9. Empresas innovadoras: Porcentaje del número de empresas que realizan actividades innovadoras respecto del total de empresas del sector. 10. Impacto de la innovación: Porcentaje de la cifra de negocios de las empresas que realizan innovaciones respecto de la cifra de negocios total del sector. 11. Patentes: Solicitudes de patentes a la Oficina Europea de Patentes. 12. Competitividad exterior: Ventaja competitiva de los productos del sector en los mercados internacionales respecto del total de productos exportados por el país (Ventaja Comparativa Revelada, Índice de Balassa). 13. Residuos: Cantidad total de residuos generados (en millones de toneladas), dividida entre el valor añadido sectorial (en millones de €). 14. Protección ambiental: Cociente entre los gastos corrientes totales en protección ambiental y el número de empleados.

Sobre dichos indicadores, se apuntan las siguientes cuestiones:

I.

1 2 3 4 5 6 7 8 9 10 11 12 13 14

¿Podría ordenar los 14 indicadores atendiendo a su importancia como factores que caracterizan a la sostenibilidad? Para ello debería asignar valores entre 1 (más importante) y 14 (menos importante). indicador Valor añadido Eficiencia energética Grado de dependencia Condiciones salariales Valor añadido bruto por empleado Intensidad en el uso de del factor trabajo Inversión Adquisición de tecnología incorporada Empresas innovadoras Impacto de la innovación Patentes Competitividad exterior Residuos Protección ambiental

137

Posición

II.

¿Podría comparar los indicadores primero (valor añadido) y último (protección ambiental) con el resto de indicadores, asignando valores v1,x y V14,x en base a la siguiente escala?:

Cuando el indicador 1,

V1,x

comparado con el x, presenta

vale

Explicación

una

1

Importancia igual

3

Importancia moderada

5

Importancia fuerte

7

Importancia muy fuerte

9

Importancia extrema

2, 4, 6, 8

Valores intermedios entre dos juicios adyacentes

Los dos indicadores tienen igual importancia El primer indicador es moderadamente más importante que el otro La importancia del primer indicador es más fuerte que la del otro La importancia del primer indicador es mucho más fuerte que la del otro La importancia del primer indicador es extremadamente más fuerte que la del otro Valores que se usan como compromiso entre dos juicios

EJEMPLO: V1,

V1,

V1,

V1,

V1,

V1,

V1,

V1,

V1,

V1,1

V1,1

V1,1

V1,1

V1,1

1

2

3

4

5

6

7

8

9

0

1

2

3

4

1

1/5 4

7

1

6

1/9 7

5

2

…

…

…

…

Es decir: el valor añadido es igual de importante que sí mismo; fuertemente menos importante que la eficiencia energética; entre moderada y fuertemente más importante que el grado de dependencia; muy fuertemente más importante que el salario medio; igualmente importante que el valor añadido bruto por empleado; entre fuerte y muy fuertemente más importante que la intensidad en el uso del factor trabajo; extremadamente menos importante que la inversión; muy fuertemente más importante que la adquisición de tecnología incorporada; fuertemente más importante

138

que la existencia de empresas innovadoras; entre igual y moderadamente más importante que el impacto de la innovación; etc.

Por favor, rellene las dos siguientes tablas, comparando los indicadores primero (valor añadido) y último (protección ambiental) con el resto, siguiendo el orden mostrado en la pregunta anterior, y que se presenta nuevamente en esta hoja:

V1,

V1,

V1,

V1,

V1,

V1,

V1,

V1,

V1,

V1,1

V1,1

V1,1

V1,1

V1,1

1

2

3

4

5

6

7

8

9

0

1

2

3

4

V14,1

V14,1

V14,1

V14,1

V14,1

0

1

2

3

4

1

V14,1

V14,2

V14,3

V14,4

V14,5

V14,6

V14,7

V14,8

V14,9

1

1 2 3 4 5 6 7 8 9 10 11 12 13 14

Valor añadido Eficiencia energética Grado de dependencia Rentas de trabajo Valor añadido bruto por empleado Intensidad en el uso de del factor trabajo Inversión Adquisición de tecnología incorporada Empresas innovadoras Impacto de la innovación Patentes Competitividad exterior Residuos Protección ambiental

139

Reitero mi agradecimiento por su colaboración

Fdo. Roberto Voces González

140

ANEJO 4

141

142

-0.1699 (0.5143) 0.3291 (0.1971) 0.4335 (0.0822) 0.5604 (0.0193) 0.5453 (0.0236)

-0.1247 35 (0.6335) 0.1669 36 (0.5219) 0.5770 37 (0.0153) 0.6992 38 (0.0018) 0.6676 39 (0.0034)

-0.4069 (0.1050) 0.4986 (0.0416) 0.5555 (0.0206) 0.6429 (0.0054) 0.5449 (0.0237)

-0.1741 (0.5038) -0.2192 (0.3980) -0.1537 (0.5558) 0.0135 (0.9590) 0.2150 (0.4072)

-0.4173 33 (0.0956) 0.6090 34 (0.0095)

-0.1488 29 (0.5688) -0.1797 30 (0.4902) 0.0966 31 (0.7123) 0.5433 32 (0.0242)

-0.1480 19 (0.5709) 0.3404 20 (0.1812) -0.3766 21 (0.1362) 0.2008 22 (0.4397) 0.8232 23 (0.0000) 0.4338 24 (0.0819) 0.4331 25 (0.0604) 0.5461 26 (0.0233) 0.0309 27 (0.9064) 0.1316 28 (0.6146)

-0.1265 9 (0.6284) 0.1905 10 (0.4639) -0.1905 11 (0.4639) 0.0438 12 (0.8673) 0.5809 13 (0.0145) 0.4873 14 (0.0472) 0.7805 15 (0.0002) 0.8762 16 (0.0000) 0.9034 17 (0.0000) 0.7834 18 (0.0002)

0.0336 2 (0.8982) 0.7161 3 (0.0012) 0.4710 4 (0.0563) 0.044 5 (0.8655) 0.3451 6 (0.1749) 0.3238 7 (0.2049) 0.3817 8 (0.1305)

1

2 3 4 0.0336 0.7161 0.4710 (0.8982) (0.0012) (0.0563) 0.0121 0.1767 (0.9634) (0.4974) 0.0121 0.6571 (0.9634) (0.0042) 0.1767 0.6571 (0.4974) (0.0042) 0.3677 0.2122 0.5708 (0.1464) (0.4136) (0.0167) 0.3282 0.6745 0.4302 (0.1984) (0.0030) (0.0848) 0.3480 0.6735 0.4629 (0.1711) (0.0030) (0.0613) 0.2610 0.7458 0.4542 (0.3116) (0.0006) (0.0670) 0.4899 -0.0676 0.4871 (0.0459) (0.7965) (0.0473) -0.2982 0.3280 0.0955 (0.2450) (0.1987) (0.7155) 0.2982 -0.3280 -0.0955 (0.2450) (0.1987) (0.7155) -0.1534 0.2251 0.3645 (0.5565) (0.3850) (1503) 0.1553 0.3906 0.4529 (0.5518) (0.1211) (0.0679) -0.2667 0.6217 0.3391 (0.3007) (0.0077) (0.1830) -0.1351 0.8769 0.5242 (0.6051) (0.0000) (0.0308) -0.1214 0.8232 0.5753 (0.6426) (0.0000) (0.0157) -0.1016 0.8610 0.5704 (0.6979) (0.0000) (0.0168) -0.0070 0.6526 0.5047 (0.9788) (0.0045) (0.0388) 0.3135 0.0602 0.3198 (0.2204) (0.8185) (0.2108) -0.1682 0.6893 0.6798 (0.5188) (0.0022) (0.0027) 0.2534 -0.1244 -0.3128 (0.3265) (0.6397) (0.2215) 0.0222 0.6056 0.2646 (0.9325) (0.0100) (0.3047) -0.0462 0.6129 0.4631 (0.8602) (0.0089) (0.0612) 0.1000 0.6526 0.5346 (0.7026) (0.0045) (0.0271) 0.0604 0.6930 0.5635 (0.8180) (0.0020) (0.0185) -0.0949 0.7504 0.5159 (0.7171) (0.0005) (0.0340) -0.1382 0.4544 0.2982 (0.5970) (0.0669) (0.2450) -0.1245 0.5158 0.3929 (0.6340) (0.0340) (0.1187) 0.1645 -0.4044 -0.2136 (0.5280) (0.1074) (0.4105) 0.1349 0.0234 -0.0464 (0.6057) (0.9290) (0.8597) 0.6280 0.3943 0.1184 (0.0069) (0.1173) (0.6509) 0.4372 0.4045 0.5398 (0.0793) (0.1073) (0.0253) 0.0001 -0.0333 -0.0138 (0.9997) (0.8990) (0.9581) -0.0227 0.5266 0.2797 (0.9310) (0.0299) (0.2769)

1

6 0.3451 (0.1749) 0.3282 (0.1984) 0.6745 (0.0030) 0.4302 (0.0848) 0.3005 (0.2412)

-0.0237 (0.9281) -0.0354 (0.8928) 0.0833 (0.7507) 0.2757 (0.2842) 0.4409 (0.0765)

-0.6012 (0.0107) 0.5082 (0.0373) 0.3593 (0.1567) 0.4457 (0.0730) 0.4477 (0.0716)

0.9906 (0.0000) 0.9779 (0.0000) 0.2603 (0.3130) -0.2982 0.2622 (0.2450) (0.3093) 0.2641 -0.2622 (0.3057) (0.3093) 0.0796 0.052 (0.7613) (0.8484) 0.2749 0.3153 (0.2285 (0.2177) 5) 0.3364 -0.2106 (0.4173) (0.1867) 0.0062 0.4431 (0.9811) (0.0749) 0.1836 0.3643 (0.4807) (0.1506) 0.1419 0.3756 (0.5869) (0.1374) 0.3235 0.2575 (0.2053) (0.3183) 0.4179 -0.2469 (0.0951) (0.3395) 0.1478 0.2756 (0.5714) (0.2844) 0.0048 0.2455 (0.9855) (0.3422) 0.0950 0.7164 (0.7168) (0.0012) 0.0440 0.2528 (0.8669) (0.3276) -0.0392 0.4357 (0.8814) (0.0804) 0.0651 0.5954 (0.8039) (0.0117) -0.1118 0.4273 (0.6694) (0.0871) -0.0257 0.5229 (0.9221) (0.0313) 0.0274 0.5341 (0.9169) (0.0272) 0.2504 -0.4848 (0.3323) (0.0485) 0.1634 0.5228 (0.5309) (0.0313) 0.3772 0.5700 (0.1356) (0.0169) 0.4392 0.4523 (0.0778) (0.0683) 0.1518 0.4563 (0.5609) (0.0656) -0.2059 0.1900 (0.4280) (0.4652)

0.3005 (0.2412) 0.2745 (0.2863) 0.2143 (0.4088) 0.5273 (0.0296)

5 0.0444 (0.8655) 0.3677 (0.1464) 0.2122 (0.4136) 0.5708 (0.0167)

-0.5690 (0.0171) 0.4870 (0.0474) 0.3502 (0.1682) 0.4370 (0.0795) 0.4383 (0.0784)

-0.4634 (0.0610) 0.4913 (0.0452) 0.5681 (0.0174) 0.4504 (0.0696) 0.4359 (0.0803) 0.1746 (0.5028)

-0.2275 (0.3798) 0.2992 (0.2433) 0.2325 (0.3691) 0.6951 (0.0020) 0.2555 (0.3223) 0.4719 (0.0558) 0.6121 (0.0090) 0.4552 (0.0664) 0.5056 (0.0384) 0.5190 (0.0328)

-0.2309 (0.3725) 0.0570 (0.8281) 0.2839 (0.2695) 0.3531 (0.1644) 0.4405 (0.0768) 0.3665 (0.1479) 0.3730 (0.1403) 0.2516 (0.3299)

0.9816 (0.0000) 0.3138 (0.2200) 0.2309 (0.3725)

7 0.3238 (0.2049) 0.3480 (0.1711) 0.6735 (0.0030) 0.4629 (0.0613) 0.2745 (0.2863) 0.9906 (0.0000)

-0.0676 (0.7965) 0.4871 (0.0473) 0.5273 (0.0296) 0.2603 (0.3130) 0.3138 (0.2200) 0.3138 (0.4165)

9 -0.1265 (0.6284) 0.4899 (0.0459)

0.2109 (0.4165) 0.3427 -0.2390 (0.1782) (0.3555) -0.3427 0.2390 (0.1782) (0.3555) 0.0903 0.1513 (0.7305) (0.5620) 0.2838 0.0510 (0.2696) (0.8459) 0.4464 -0.1624 (0.0725) (0.5334) 0.5148 -0.2054 (0.0345) (0.4290) 0.4246 -0.1419 (0.0893) (0.5871) 0.4346 -0.1703 (0.0813) (0.5134) 0.2725 -0.0843 (0.2899) (0.7478) -0.1951 0.2010 (0.4531) (0.4392) 0.3526 -0.0253 (0.1651) (0.9232) 0.2572 -0.0248 (0.3190) (0.9246) 0.7787 -0.0505 (0.0002) (0.8473) 0.2791 -0.1083 (0.2780) (0.6791) 0.5401 0.2512 (0.0252) (0.3308) 0.6833 0.1817 (0.0025) (0.4851) 0.5548 -0.0360 (0.0208) (0.8908) 0.5670 -0.0590 (0.0176) (0.8222) 0.5848 -0.0046 (0.0137) (0.9861) -0.5356 0.1123 (0.0267) (0.6678) 0.5053 0.2091 (0.0385) (0.4205) 0.5315 0.2476 (0.0281) (0.3380) 0.4464 0.6082 (0.0725) (0.0096) 0.4128 0.2496 (0.0996) (0.3339) 0.2899 -0.2370 (0.2590) (0.3598) -0.6165 -0.0081 (0.0084) (0.9754) 0.5795 -0.0772 (0.0148) (0.7684) 0.4243 0.0125 (0.0896) (0.9620) 0.4763 0.0715 (0.0533) (0.7850) 0.4696 0.3711 (0.0572) (0.1426)

8 0.3817 (0.1305) 0.2610 (0.3116) 0.7458 (0.0006) 0.4542 (0.0670) 0.2143 (0.4088) 0.9779 (0.0000) 0.9816 (0.0000)

-0.2661 (0.3020) -0.4002 (0.1115) -0.3171 (0.2150) -0.2642 (0.3055) -0.0729 (0.7809) -0.1169 (0.6551) 0.0757 (0.7727) 0.0398 (0.8794)

-0.3565 (0.1601) -0.0861 (0.7425) -0.4516 (0.0688) -0.0211 (0.9358) -0.5675 (0.0175) -0.5854 (0.0136) -0.5263 (0.0300) -0.7226 (0.0010) -0.7108 (0.0014) -0.7558 0.7558 (0.0004) (0.0004) 0.2029 -0.2029 (0.4347) (0.4347) -0.2741 0.2741 (0.2870) (0.2870) -0.0119 0.0119 (0.9640) (0.9640) 0.2009 -0.2009 (0.4395) (0.4395) 0.6879 -0.6879 (0.0023) (0.0023) -0.5895 0.5895 (0.0128) (0.0128) 0.7785 -0.7785 (0.0002) (0.0002) 0.5970 -0.5970 (0.0114) (0.0114) 0.3995 -0.3995 (0.1122) (0.1122) 0.1313 -0.1313 (0.6155) (0.6155)

-0.0757 (0.7727) -0.0398 (0.8794) 0.3565 (0.1601) 0.0861 (0.7425) 0.4516 (0.0688) 0.0211 (0.9358) 0.5675 (0.0175) 0.5854 (0.0136) 0.5263 (0.0300) 0.7226 (0.0010) 0.7108 (0.0014)

-1.0000 (0.0000) 0.2661 (0.3020) 0.4002 (0.1115) 0.3171 (0.2150) 0.2642 (0.3055) 0.0729 (0.7809) 0.1169 (0.6551)

(0.2177) 0.2839 (0.2695) 0.2838 (0.2696) 0.0510 (0.8459) 0.4002 (0.1115)

13 0.5809 (0.0145) 0.1553 (0.5518) 0.3906 (0.1211) 0.4529 (0.0679) 0.2749 (0.2285 5) 0.3153

-0.1085 (0.6785) -0.2440 (0.3453) -0.1640 (0.5294)

-0.1119 (0.6691) 0.3932 (0.1184)

-0.0513 (0.8451) 0.2515 (0.3302)

-0.2365 (0.3607) 0.0209 (0.9366)

-0.2263 (0.3825) 0.1839 (0.4799)

-0.0692 (0.7919) 0.3678 (0.1464) 0.2342 (0.3657) 0.1548 (0.5531) 0.2803 (0.2758) 0.4034 (0.1083)

-0.0986 (0.7066) 0.1944 (0.4547)

-0.4095 (0.1026) 0.1693 (0.5160) 0.3989 (0.1127) 0.6448 (0.0052) 0.4781 (0.0522)

-0.2647 (0.3046) 0.6066 (0.0098)

-0.1393 (0.5939) -0.1982 (0.4457) -0.0926 (0.7236) 0.3930 (0.1187)

-0.0760 (0.7719) 0.0156 (0.9526) 0.3588 (0.1573) 0.2466 (0.3400) 0.2384 (0.3568) 0.2146 (0.4083) 0.1679 (0.5195) 0.1963 (0.4503)

-0.2661 -0.4002 (0.3020) (0.1115) 0.0297 (0.9098) 0.0297 (0.9098) 0.2249 -0.0563 (0.3856) (0.8300) 0.2295 0.2991 (0.3756) (0.2435) -0.0398 0.4550 (0.8793) (0.0665) 0.0478 0.4702 (0.8553) (0.0568) -0.1616 0.5645 (0.5356) (0.0182) 0.0077 -0.0792 (0.9766) (0.7626) 0.4218 0.2088 (0.0917) (0.4213)

10 11 12 0.1905 -0.1905 0.0438 (0.4639) (0.4639) (0.8673) -0.2982 0.2982 -0.1534 (0.2450) (0.2450) (0.5565) 0.3280 -0.3280 0.2251 (0.1987) (0.1987) (0.3850) 0.0955 -0.0955 0.3645 (0.7155) (0.7155) (1503) -0.2982 0.2641 0.0796 (0.2450) (0.3057) (0.7613) 0.2622 -0.2622 0.052 (0.3093) (0.3093) (0.8484) 0.2309 -0.2309 0.0570 (0.3725) (0.3725) (0.8281) 0.2309 -0.3427 0.0903 (0.1782) (0.1782) (0.7305) -0.2390 0.2390 0.1513 (0.3555) (0.3555) (0.5620) -1.0000 0.2661 (0.0000) (0.3020)

-0.3215 (0.2082) 0.6562 (0.0042) 0.5038 (0.0392) 0.3623 (0.1529) 0.3876 (0.1242)

-0.5394 (0.0254) 0.2246 (0.3862) 0.0660 (0.8012) 0.2847 (0.2681) 0.1178 (0.6526) 0.4615 (0.0622)

-0.0007 (0.9977) 0.5860 (0.0134) 0.6559 (0.0043) 0.6559 (0.0043) 0.7608 (0.0004) 0.8484 (0.0000) 0.5572 (0.0201) 0.6276 (0.0070)

-0.2942 (0.2517) 0.4926 (0.0445) 0.5406 (0.0251) 0.5624 (0.0188) 0.4981 (0.0419)

-0.1606 (0.5380) 0.5790 (0.0149)

-0.3967 (0.1149) -0.0582 (0.8245) 0.2162 (0.4047) 0.3586 (0.1576)

-0.2132 (0.4112) 0.4629 (0.0613) 0.8263 (0.0000) 0.5970 (0.0114) 0.6901 (0.0022) 0.8122 (0.0001) 0.4220 (0.0915) 0.5143 (0.0347)

-0.3684 (0.1457) 0.2643 (0.3053) 0.8252 (0.0000) 0.4397 (0.0774) 0.4577 (0.064) 0.6204 (0.0079) 0.0992 (0.7049) 0.1725 (0.5080)

-0.4303 (0.0847) -0.0078 (0.9763) 0.6307 (0.0066) 0.1606 (0.5381) 0.1191 (0.6490) 0.2665 (0.3011)

0.5940 (0.0119) 0.7660 (0.0003) 0.6636 (0.0037)

-0.0513 (0.8450) 0.1391 (0.5944)

-0.3328 (0.1918) 0.4227 (0.0910)

-0.0786 (0.7644) 0.0214 (0.9351) 0.0548 (0.8346) 0.1156 (0.6586) 0.1188 (0.6497) 0.1595 (0.5408) 0.0913 (0.7275) 0.0437 (0.8677) 0.2393 (0.3549)

-0.2268 (0.3814) -0.0246 (0.9255) 0.0838 (0.7491) -0.3558 -0.4520 0.1933 (0.1610) (0.0685) (0.4574) 0.4888 0.2625 -0.2135 (0.0465) (0.3087) (0.4106) -0.1017 0.1035 0.1249 (0.6978) (0.6926) (0.6330) 0.1753 -0.1707 0.0183 (0.5009) (0.5124) (0.9444) 0.4428 0.2768 0.5660 (0.0179) (0.0751) (0.2822) 0.7243 0.7174 0.2570 (0.0010) (0.0012) (0.3194) 0.6245 0.5840 0.2532 (0.0074) (0.0138) (0.3268)

-0.2176 (0.4016) -0.1762 (0.4986) -0.0315 -0.0847 0.2379 (0.9046) (0.7464) (0.3578) -0.2750 -0.2840 -0.4383 (0.2854) (0.2694) (0.0784) 0.1846 0.2067 0.1838 (0.4780) (0.4260) (0.4801) 0.4269 0.4212 0.3577 (0.0874) (0.0922) (0.1587)

-0.3657 (0.1489) 0.2470 (0.3391) 0.8194 (0.0001) 0.3717 (0.1418) 0.4304 (0.0846) 0.5935 (0.0120) 0.0565 (0.8296) 0.1220 (0.6409)

-0.3212 (0.2087) 0.5395 (0.0254) 0.4630 (0.0613) 0.4248 (0.0892) 0.2335 (0.3670)

-0.4068 (0.1051) -0.0980 (0.7083) 0.0966 (0.7122) 0.1102 (0.6737) 0.1695 (0.5155) 0.3149 (0.2183)

-0.1814 (0.4859) 0.4955 (0.0431) 0.4644 (0.0604) 0.6471 (0.0050) 0.6213 (0.0078) 0.6700 (0.0033) 0.6037 (0.0103) 0.6042 (0.0102)

14 15 16 17 18 19 20 0.4873 0.7805 0.8762 0.9034 0.7834 -0.1480 0.3404 (0.0472) (0.0002) (0.0000) (0.0000) (0.0002) (0.5709) (0.1812) -0.2667 -0.1351 -0.1214 -0.1016 -0.0070 0.3135 -0.1682 (0.3007) (0.6051) (0.6426) (0.6979) (0.9788) (0.2204) (0.5188) 0.6217 0.8769 0.8232 0.8610 0.6526 0.0602 0.6893 (0.0077) (0.0000) (0.0000) (0.0000) (0.0045) (0.8185) (0.0022) 0.3391 0.5242 0.5753 0.5704 0.5047 0.3198 0.6798 (0.1830) (0.0308) (0.0157) (0.0168) (0.0388) (0.2108) (0.0027) -0.2106 0.0062 0.1836 0.1419 0.3235 0.4179 0.1478 (0.4173) (0.9811) (0.4807) (0.5869) (0.2053) (0.0951) (0.5714) 0.3364 0.4431 0.3643 0.3756 0.2575 -0.2469 0.2756 (0.1867) (0.0749) (0.1506) (0.1374) (0.3183) (0.3395) (0.2844) 0.3531 0.4405 0.3665 0.3730 0.2516 -0.2275 0.2992 (0.1644) (0.0768) (0.1479) (0.1403) (0.3299) (0.3798) (0.2433) 0.4464 0.5148 0.4246 0.4346 0.2725 -0.1951 0.3526 (0.0725) (0.0345) (0.0893) (0.0813) (0.2899) (0.4531) (0.1651) -0.1624 -0.2054 -0.1419 -0.1703 -0.0843 0.2010 -0.0253 (0.5334) (0.4290) (0.5871) (0.5134) (0.7478) (0.4392) (0.9232) 0.3171 0.2642 0.0729 0.1169 -0.0757 -0.0398 0.3565 (0.2150) (0.3055) (0.7809) (0.6551) (0.7727) (0.8794) (0.1601) -0.3171 -0.2642 -0.0729 -0.1169 0.0757 0.0398 -0.3565 (0.2150) (0.3055) (0.7809) (0.6551) (0.7727) (0.8794) (0.1601) 0.2249 0.2295 -0.0398 0.0478 -0.1616 0.0077 0.4218 (0.3856) (0.3756) (0.8793) (0.8553) (0.5356) (0.9766) (0.0917) -0.0563 0.2991 0.4550 0.4702 0.5645 -0.0792 0.2088 (0.8300) (0.2435) (0.0665) (0.0568) (0.0182) (0.7626) (0.4213) 0.8279 0.5387 0.5589 0.1247 0.0406 0.5433 (0.0000) (0.0257) (0.0197) (0.6335) (0.8772) (0.0242) 0.8279 0.8241 0.8756 0.5486 0.0000 0.6463 (0.0000) (0.0000) (0.0000) (0.0226 (0.9999 (0.0051) 0.5387 0.8241 0.9867 0.9031 0.1718 0.5071 (0.0257) (0.0000) (0.0000) (0.0000) (0.5096) (0.0378) 0.5589 0.8756 0.9867 0.8771 0.1076 0.5482 (0.0197) (0.0000) (0.0000) (0.0000) (0.6810) (0.0227) 0.1247 0.5486 0.9031 0.8771 0.1817 0.3202 (0.6335) (0.0226) (0.0000) (0.0000) (0.4852) (0.2103) 0.0406 0.0000 0.1718 0.1076 0.1817 0.4395 (0.8772) (0.9999) (0.5096) (0.6810) (0.4852) (0.0775) 0.5433 0.6463 0.5071 0.5482 0.3202 0.4395 (0.0242) (0.0051) (0.0378) (0.0227) (0.2103) (0.0775)

-0.3241 (0.2044) -0.2696 (0.2953) -0.0124 (0.9624)

-0.6562 (0.0042) 0.2021 (0.4367)

-0.1120 (0.6686) 0.5442 (0.0239) 0.3613 (0.1542) 0.0909 (0.7286) 0.4426 (0.0752) 0.0592 (0.8214)

-0.0565 (0.8294) 0.2872 (0.2637) 0.1957 (0.4517)

-0.3986 (0.1131) -0.1100 (0.6743) 0.0353 (0.8931)

0.4795 (0.0514)

-0.0861 (0.7425) -0.0986 (0.7066) -0.0760 (0.7719) -0.0007 (0.9977) -0.2132 (0.4112) -0.3657 (0.1489) -0.3684 (0.1457) -0.0786 (0.7644) -0.0786 (0.7644) -0.1814 (0.4859)

-0.0248 (0.9246) 0.0861 (0.7425)

-0.1244 (0.6397) -0.3128 (0.2215) 0.0048 (0.9855) 0.2455 (0.3422) 0.2325 (0.3691) 0.2572 (0.3190)

21 -0.3766 (0.1362) 0.2534 (0.3265)

-0.7042 (0.0016) 0.7598 (0.0004) 0.3634 (0.1516) 0.2605 (0.3126) 0.3396 (0.1824)

-0.6507 (0.0047) 0.6993 (0.0018) 0.4091 (0.1030) 0.2801 (0.2762) 0.6109 (0.0092) 0.2831 (0.2708)

0.1766 (0.4977) 0.4976 (0.0421) 0.6714 (0.0032) 0.5696 (0.0170) 0.7307 (0.0009) 0.7129 (0.0013)

-0.4516 (0.0688) 0.1944 (0.4547) 0.0156 (0.9526) 0.5860 (0.0134) 0.4629 (0.0613) 0.2470 (0.3391) 0.2643 (0.3053) 0.0214 (0.9351) 0.0214 (0.9351) 0.4955 (0.0431) 0.4795 (0.0514)

-0.0505 (0.8473) 0.4516 (0.0688)

22 0.2008 (0.4397) 0.0222 (0.9325) 0.6056 (0.0100) 0.2646 (0.3047) 0.0950 (0.7168) 0.7164 (0.0012) 0.6951 (0.0020) 0.7787 (0.0002)

-0.0008 (0.9976) 0.2203 (0.3956) 0.6021 (0.0105) 0.6481 (0.0049) 0.5599 (0.0194)

-0.2254 (0.3844) 0.3569 (0.1596)

-0.1459 (0.5764) -0.2025 (0.4357) 0.0829 (0.7516) 0.3903 (0.1214)

0.3970 (0.1146) 0.5236 (0.0310) 0.6484 (0.0049) 0.1635 (0.5306) 0.2476 (0.3379)

-0.0211 (0.9358) -0.0692 (0.7919) 0.3588 (0.1573) 0.6559 (0.0043) 0.8263 (0.0000) 0.8194 (0.0001) 0.8252 (0.0000) 0.0548 (0.8346) 0.0548 (0.8346) 0.4644 (0.0604) -0.3986 (0.1131) 0.1766 (0.4977)

-0.4244 (0.0896) 0.6259 (0.0072) 0.6116 (0.0091) 0.4560 (0.0658) 0.4272 (0.0872)

-0.5980 (0.0112) 0.0906 (0.7294) 0.1913 (0.4620) 0.4215 (0.0920) 0.1054 (0.6871) 0.5836 (0.0139)

0.8499 (0.0000) 0.8220 (0.0001) 0.5889 (0.0129) 0.6554 (0.0043)

-0.5675 (0.0175) 0.3678 (0.1464) 0.2466 (0.3400) 0.6559 (0.0043) 0.5970 (0.0114) 0.3717 (0.1418) 0.4397 (0.0774) 0.1156 (0.6586) 0.1156 (0.6586) 0.6471 (0.0050) -0.1100 (0.6743) 0.4976 (0.0421) 0.3970 (0.1146)

-0.5378 (0.0260) 0.8280 (0.0000) 0.7402 (0.0007) 0.5871 (0.0132) 0.5228 (0.0313)

-0.7133 (0.0013) 0.2955 (0.2496) 0.2041 (0.4319) 0.4531 (0.0678) 0.3155 (0.2174) 0.5479 (0.0228)

0.9317 (0.0000) 0.7888 (0.0002) 0.8482 (0.0000)

-0.5854 (0.0136) 0.2342 (0.3657) 0.2384 (0.3568) 0.7608 (0.0004) 0.6901 (0.0022) 0.4304 (0.0846) 0.4577 (0.064) 0.1188 (0.6497) 0.1188 (0.6497) 0.6213 (0.0078) 0.0353 (0.8931) 0.6714 (0.0032) 0.5236 (0.0310) 0.8499 (0.0000)

23 24 25 0.8232 0.4338 0.4331 (0.0000) (0.0819) (0.0604) -0.0462 0.1000 0.0604 (0.8602) (0.7026) (0.8180) 0.6129 0.6526 0.6930 (0.0089) (0.0045) (0.0020) 0.4631 0.5346 0.5635 (0.0612) (0.0271) (0.0185) 0.0440 -0.0392 0.0651 (0.8669) (0.8814) (0.8039) 0.2528 0.4357 0.5954 (0.3276) (0.0804) (0.0117) 0.2555 0.4719 0.6121 (0.3223) (0.0558) (0.0090) 0.2791 0.5401 0.6833 (0.2780) (0.0252) (0.0025) -0.1083 0.2512 0.1817 (0.6791) (0.3308) (0.4851) 0.0211 0.5675 0.5854 (0.9358) (0.0175) (0.0136)

-0.4259 (0.0883) 0.7150 (0.0013) 0.7258 (0.0010) 0.6043 (0.0102) 0.4924 (0.0446)

-0.6233 (0.0075) 0.0490 (0.8518) 0.1249 (0.6330) 0.3590 (0.1571) 0.0870 (0.7399) 0.6283 (0.0069)

-0.8634 (0.0000) 0.4479 (0.0714) 0.0202 (0.9388) 0.1180 (0.6520) 0.5028 (0.0397) 0.4668 (0.0589)

-0.1600 (0.5397) 0.1241 (0.6352)

-0.0522 (0.8423) -0.4441 (0.0742) 0.5340 (0.0272) 0.0042 (0.9873)

-0.4694 (0.0573) -0.4694 (0.0573) 0.088 0.2100 (0.7347) (0.4185) -0.0447 0.2151 (0.8646) (0.4071) -0.4512 0.6621 (0.0691) (0.0038) -0.5005 (0.0407) -0.7258 -0.6589 0.6147 (0.0010) (0.0040) (0.0086) 0.9325 0.9703 -0.8894 (0.0000) (0.0000) (0.0000) 0.4809 0.5051 -0.4542 (0.0507) (0.0386) (0.0670) 0.2966 0.3023 0.2243 (0.2477) (0.2383) (03868) 0.1095 0.1606 -0.0757 (0.6756) (0.5382) (0.7727)

-0.8493 (0.0000) 0.4207 (0.0714) 0.0675 (0.7970) 0.0465 (0.8593) 0.6153 (0.0086) 0.3908 (0.0589)

26 27 28 29 30 0.5461 0.0309 0.1316 -0.1488 -0.1797 (0.0233) (0.9064) (0.6146) (0.5688) (0.4902) -0.0949 -0.1382 -0.1245 0.1645 0.1349 (0.7171) (0.5970) (0.6340) (0.5280) (0.6057) 0.7504 0.4544 0.5158 -0.4044 0.0234 (0.0005) (0.0669) (0.0340) (0.1074) (0.9290) 0.5159 0.2982 0.3929 -0.2136 -0.0464 (0.0340) (0.2450) (0.1187) (0.4105) (0.8597) -0.1118 -0.0257 0.0274 0.2504 0.1634 (0.6694) (0.9221) (0.9169) (0.3323) (0.5309) 0.4273 0.5229 0.5341 -0.4848 0.5228 (0.0871) (0.0313) (0.0272) (0.0485) (0.0313) 0.4552 0.5056 0.5190 -0.4634 0.4913 (0.0664) (0.0384) (0.0328) (0.0610) (0.0452) 0.5548 0.5670 0.5848 -0.5356 0.5053 (0.0208) (0.0176) (0.0137) (0.0267) (0.0385) -0.0360 -0.0590 -0.0046 0.1123 0.2091 (0.8908) (0.8222) (0.9861) (0.6678) (0.4205) 0.5263 0.7226 0.7108 -0.7558 0.2029 (0.0300) (0.0010) (0.0014) (0.0004) (0.4347) -0.5263 -0.7226 -0.7108 0.7558 -0.2029 (0.0300) (0.0010) (0.0014) (0.0004) (0.4347) 0.1548 0.2803 0.4034 -0.2263 0.1839 (0.5531) (0.2758) (0.1083) (0.3825) (0.4799) 0.2146 0.1679 0.1963 -0.1393 -0.1982 (0.4083) (0.5195) (0.4503) (0.5939) (0.4457) 0.8484 0.5572 0.6276 -0.5394 0.2246 (0.0000) (0.0201) (0.0070) (0.0254) (0.3862) 0.8122 0.4220 0.5143 -0.3967 -0.0582 (0.0001) (0.0915) (0.0347) (0.1149) (0.8245) 0.5935 0.0565 0.1220 -0.0315 -0.2750 (0.0120) (0.8296) (0.6409) (0.9046) (0.2854) 0.6204 0.0992 0.1725 -0.0847 -0.2840 (0.0079) (0.7049) (0.5080) (0.7464) (0.2694) 0.1595 0.0913 0.0437 0.2393 -0.2268 (0.5408) (0.7275) (0.8677) (0.3549) (0.3814) 0.1595 0.0913 0.0437 0.2393 -0.2268 (0.5408) (0.7275) (0.8677) (0.3549) (0.3814) 0.6700 0.6037 0.6042 -0.4068 -0.0980 (0.0033) (0.0103) (0.0102) (0.1051) (0.7083) -0.0565 0.2872 0.1957 -0.1120 0.5442 (0.8294) (0.2637) (0.4517) (0.6686) (0.0239) 0.5696 0.7307 0.7129 -0.6507 0.6993 (0.0170) (0.0009) (0.0013) (0.0047) (0.0018) 0.6484 0.1635 0.2476 -0.1459 -0.2025 (0.0049) (0.5306) (0.3379) (0.5764) (0.4357) 0.8220 0.5889 0.6554 -0.5980 0.0906 (0.0001) (0.0129) (0.0043) (0.0112) (0.7294) 0.9317 0.7888 0.8482 -0.7133 0.2955 (0.0000) (0.0002) (0.0000) (0.0013) (0.2496) 0.6702 0.7254 -0.6233 0.0490 (0.0032) (0.0010) (0.0075) (0.8518) 0.6702 0.9706 -0.8493 0.4207 (0.0032) (0.0000) (0.0000) (0.0714) 0.7254 0.9706 -0.8634 0.4479 (0.0010) (0.0000) (0.0000) (0.0714)

32 0.5433 (0.0242) 0.4372 (0.0793) 0.4045 (0.1073) 0.5398 (0.0253) 0.4392 (0.0778) 0.4523 (0.0683) 0.4504 (0.0696) 0.4464 (0.0725) 0.6082 (0.0096)

33 -0.4173 (0.0956) 0.0001 (0.9997)

-0.0333 (0.8990) -0.0138 (0.9581) 0.1518 (0.5609) 0.4563 (0.0656) 0.4359 (0.0803) 0.4128 (0.0996) 0.2496 (0.3339) -0.2741 -0.0119 0.2009 (0.2870) (0.9640) (0.4395) 0.2741 0.0119 -0.2009 (0.2870) (0.9640) (0.4395) -0.2365 0.0209 -0.0513 (0.3607) (0.9366) (0.8451) -0.0926 0.3930 -0.2647 (0.7236) (0.1187) (0.3046) 0.0660 0.2847 0.1178 (0.8012) (0.2681) (0.6526) 0.2162 0.3586 -0.1606 (0.4047) (0.1576) (0.5380) 0.1846 0.4269 -0.3328 (0.4780) (0.0874) (0.1918) 0.2067 0.4212 -0.3558 (0.4260) (0.0922) (0.1610) -0.0246 0.0838 0.1933 (0.9255) (0.7491) (0.4574) -0.0246 0.0838 0.1933 (0.9255) (0.7491) (0.4574) 0.0966 0.1102 0.1695 (0.7122) (0.6737) (0.5155) 0.3613 0.0909 0.4426 (0.1542) (0.7286) (0.0752) 0.4091 0.2801 0.6109 (0.1030) (0.2762) (0.0092) 0.0829 0.3903 -0.2254 (0.7516) (0.1214) (0.3844) 0.1913 0.4215 0.1054 (0.4620) (0.0920) (0.6871) 0.2041 0.4531 0.3155 (0.4319) (0.0678) (0.2174) 0.1249 0.3590 0.0870 (0.6330) (0.1571) (0.7399) 0.0675 0.0465 0.6153 (0.7970) (0.8593) (0.0086) 0.0202 0.1180 0.5028 (0.9388) (0.6520) (0.0397) 0.088 -0.0447 -0.4512 (0.7347) (0.8646) (0.0691) 0.2100 0.2151 0.6621 (0.4185) (0.4071) (0.0038) 0.4244 0.2818 (0.0895) (0.2731) 0.4244 0.0424 (0.0895) (0.8715) 0.2818 0.0424 (0.2731) (0.8715) -0.1263 0.3312 -0.3581 (0.6290) (0.1941) (0.1582) -0.3396 -0.3635 -0.4641 (0.1823) (0.1516) (0.0606) -0.0688 0.1115 0.4795 (0.7929) (0.6700) (0.0515) -0.0175 0.3546 0.1220 (0.9469) (0.1625) (0.6409) 0.1435 0.5092 -0.0328 (0.5826) (0.0368) (0.9006) 0.3611 0.8875 0.0064 (0.1544) (0.0000) (0.9805)

31 0.0966 (0.7123) 0.6280 (0.0069) 0.3943 (0.1173) 0.1184 (0.6509) 0.3772 (0.1356) 0.5700 (0.0169) 0.5681 (0.0174) 0.5315 (0.0281) 0.2476 (0.3380)

-0.1119 (0.6691) -0.4095 (0.1026) -0.3215 (0.2082) -0.2942 (0.2517) -0.0513 (0.8450) -0.1017 (0.6978) 0.1249 (0.6330) 0.1249 (0.6330)

-0.0237 (0.9281) -0.6012 (0.0107) -0.5690 (0.0171) -0.6165 (0.0084) -0.0081 (0.9754) -0.5895 (0.0128) 0.5895 (0.0128) -0.7785 (0.0002) 0.3932 (0.1184) 0.1693 (0.5160) 0.6562 (0.0042) 0.4926 (0.0445) 0.1391 (0.5944) 0.1753 (0.5009) 0.0183 (0.9444) 0.0183 (0.9444) 0.5395 (0.0254) 0.2021 (0.4367) 0.7598 (0.0004) 0.2203 (0.3956) 0.6259 (0.0072) 0.8280 (0.0000) 0.7150 (0.0013) 0.9325 (0.0000) 0.9703 (0.0000)

-0.0772 (0.7684) 0.7785 (0.0002)

-0.0354 (0.8928) 0.5082 (0.0373) 0.4870 (0.0474) 0.5795 (0.0148)

-0.5970 (0.0114) -0.1085 (0.6785) 0.3989 (0.1127) 0.5038 (0.0392) 0.5406 (0.0251) 0.5940 (0.0119) 0.5660 (0.0179) 0.2768 (0.2822) 0.2768 (0.2822) 0.4630 (0.0613)

-0.3396 (0.1823) -0.3635 (0.1516) -0.3581 -0.4641 (0.1582) (0.0606) -0.5401 (0.0252) -0.5401 (0.0252) 0.5122 -0.6340 (0.0356) (0.0063) 0.4506 -0.2107 (0.0695) (0.4169) 0.4597 -0.2694 (0.0634) (0.2958) 0.4019 -0.3251 (0.1098) (0.2030)

-0.1263 (0.6290) 0.3312 (0.1941)

0.5528 (0.0214) 0.3154 (0.2175) 0.1949 (0.4535)

0.4795 (0.0515) 0.5122 (0.0356) -0.6340 (0.0063)

-0.0688 (0.7929) 0.1115 (0.6700)

-0.0328 (0.9006) 0.4597 (0.0634) -0.2694 (0.2958) 0.3154 (0.2175) 0.8829 (0.0000) 0.8829 (0.0000) 0.6391 0.7871 (0.0057) (0.0002)

0.1220 (0.6409) 0.4506 (0.0695) -0.2107 (0.4169) 0.5528 (0.0214)

-0.0175 (0.9469) 0.3546 (0.1625)

-0.1600 (0.5397) 0.1435 (0.5826) 0.5092 (0.0368)

-0.2696 (0.2953) 0.2605 (0.3126) 0.6481 (0.0049) 0.4560 (0.0658) 0.5871 (0.0132) 0.6043 (0.0102) 0.2966 (0.2477) 0.3023 (0.2383) 0.2243 (03868)

-0.3995 (0.1122) -0.2440 (0.3453) 0.6448 (0.0052) 0.3623 (0.1529) 0.5624 (0.0188) 0.7660 (0.0003) 0.7243 (0.0010) 0.2570 (0.3194) 0.2570 (0.3194) 0.4248 (0.0892)

0.0064 (0.9805) 0.4019 (0.1098) -0.3251 (0.2030) 0.1949 (0.4535) 0.6391 (0.0057) 0.7871 (0.0002)

-0.0757 (0.7727) 0.1241 (0.6352) 0.3611 (0.1544) 0.8875 (0.0000)

-0.0124 (0.9624) 0.3396 (0.1824) 0.5599 (0.0194) 0.4272 (0.0872) 0.5228 (0.0313) 0.4924 (0.0446) 0.1095 (0.6756) 0.1606 (0.5382)

-0.1313 (0.6155) -0.1640 (0.5294) 0.4781 (0.0522) 0.3876 (0.1242) 0.4981 (0.0419) 0.6636 (0.0037) 0.6245 (0.0074) 0.2532 (0.3268) 0.2532 (0.3268) 0.2335 (0.3670)

37 38 39 0.5770 0.6992 0.6676 (0.0153) (0.0018) (0.0034) -0.1537 0.0135 0.2150 (0.5558) (0.9590) (0.4072) 0.5555 0.6429 0.5449 (0.0206) (0.0054) (0.0237) 0.4335 0.5604 0.5453 (0.0822) (0.0193) (0.0236) 0.0833 0.2757 0.4409 (0.7507) (0.2842) (0.0765) 0.3593 0.4457 0.4477 (0.1567) (0.0730) (0.0716) 0.3502 0.4370 0.4383 (0.1682) (0.0795) (0.0784) 0.4243 0.4763 0.4696 (0.0896) (0.0533) (0.0572) 0.0125 0.0715 0.3711 (0.9620) (0.7850) (0.1426) 0.5970 0.3995 0.1313 (0.0114) (0.1122) (0.6155)

-0.3212 (0.2087) -0.6562 -0.3241 (0.0042) (0.2044) 0.3634 -0.7042 (0.1516) (0.0016) 0.6021 -0.0008 (0.0105) (0.9976) 0.6116 -0.4244 (0.0091) (0.0896) 0.7402 -0.5378 (0.0007) (0.0260) 0.7258 -0.4259 (0.0010) (0.0883) 0.4809 -0.7258 (0.0507) (0.0010) 0.5051 -0.6589 (0.0386) (0.0040) -0.5005 0.6147 -0.8894 -0.4542 (0.0407) (0.0086) (0.0000) (0.0670) -0.0522 -0.4441 0.5340 0.0042 (0.8423) (0.0742) (0.0272) (0.9873)

-0.2135 (0.4106) -0.2135 (0.4106) 0.3149 (0.2183) 0.0592 (0.8214) 0.2831 (0.2708) 0.3569 (0.1596) 0.5836 (0.0139) 0.5479 (0.0228) 0.6283 (0.0069) 0.3908 (0.0589) 0.4668 (0.0589)

-0.6879 (0.0023) 0.2515 (0.3302) 0.6066 (0.0098) 0.4615 (0.0622) 0.5790 (0.0149) 0.4227 (0.0910) 0.4888 (0.0465)

-0.2370 (0.3598) 0.6879 (0.0023)

-0.2059 (0.4280) 0.1900 (0.4652) 0.1746 (0.5028) 0.2899 (0.2590)

34 35 36 0.6090 -0.1247 0.1669 (0.0095) (0.6335) (0.5219) -0.0227 -0.1741 -0.2192 (0.9310) (0.5038) (0.3980) 0.5266 -0.4069 0.4986 (0.0299) (0.1050) (0.0416) 0.2797 -0.1699 0.3291 (0.2769) (0.5143) (0.1971)