7.6.1.1. INNOVACIÓN EN FUNCIÓN DE LA GC

En este apartado se hace el análisis de la influencia que tiene la GC en la innovación. En la gráfica 7.8 se visualiza esta relación en las empresas estudiadas, donde se observa la agrupación de la mayoría de las empresas en dos cuadrantes: cuadrante superior derecho (altos índices en la madurez de GC e innovación) y cuadrante inferior izquierdo (bajos índices en la madurez de GC e innovación). No obstante, no se puede pasar por alto el número de empresas que aparecen en los dos cuadrantes restantes, las cuales representan, en conjunto, casi un 25% de la muestra, lo que incidirá, sin duda, en el modelo predictivo resultante. En esta misma línea, es interesante señalar que es mayor el número de empresas con un índice en la GC superior a la media, pero con un índice en la innovación inferior a la media.

De acuerdo a la tabla 7.97, se observa una correlación entre estos dos elementos de 0,512, valor mínimamente inferior al mostrado en el modelo donde se incluyen las TI. El coeficiente ajustado de determinación múltiple también desciende a 0,251. Es de esperar que ambos valores descendieran debido a la influencia, aunque mínima, ejercida por las TI. De acuerdo a los valores de significancia (sig.), se corrobora que la GC influye en la innovación de las empresas del estudio, lo que nos lleva a aceptar la hipótesis H2.

Para una mayor comprensión de esta influencia, a continuación se analiza este mismo modelo, considerando por separado cada uno de los elementos que integran el índice de madurez en la GC, con la intención de determinar cual de ellos ejerce una mayor influencia en el índice de madurez en la innovación.

La tabla 7.98 muestra los resultados del análisis de la relación entre los elementos que integran la GC y la innovación, donde se obtienen valores superiores a los observados en el modelo anterior, de tal manera que el coeficiente de determinación múltiple asciende a 0,388.

En cuanto a la utilidad del modelo, se señala un valor de significancia de 0,000, lo que demuestra que el modelo, en general, es válido y puede explicar lo qué es la innovación. Sin embargo, solo en las variables familiaridad y las dos escalas de combinación se observan unos valores de significancia menores a 0,05.

La tabla 7.99 muestra los resultados obtenidos al realizar la regresión lineal múltiple considerando únicamente las variables que obtuvieron una significancia relevante. Se observa que la R2 ajustada desciende levemente a 0,359, sin embargo, la variable familiaridad no logra una significancia aceptable.

Para corroborar estos resultados, se realizó una regresión paso a paso, en el que se usó el criterio de significación como parámetro estadístico de selección de variables. De acuerdo a este criterio, solo se incorporan al modelo de regresión aquellas variables que contribuyen al ajuste del modelo de forma significativa. La contribución individual de una variable al ajuste del modelo se establece contrastando, a partir del coeficiente de correlación parcial, la hipótesis de independencia entre esa variable y la variable independiente. Para decidir si se mantiene o rechaza esa hipótesis de independecia, se usó la probabilidad de F: una variable formará parte del modelo de regresión si el nivel crítico asociado a su coeficiente de correlación parcial al contrastar la hipótesis de independencia es menor que 0,05 (probabilidad de entrada) y queda fuera del modelo si ese nivel crítico es mayor que 0,10 (probabilidad de salida). La tabla 7.100 muestra los resultados obtenidos de la regresión paso a paso. Nótese que sólo las dos escalas de combinación fueron consideradas en el modelo final obtenido después de dos pasos, consiguiendo explicar un 33,1% de la variabilidad observada en la madurez de la innovación, mientras que si se consideran todas las variables, este índice se incrementa a 38,8% (ver tabla 7.98) (para mayor amplitud en la explicación, ver Pardo y Ruiz, 2002).

Por tanto, de acuerdo a los resultados obtenidos, la innovación se ve influenciada por la madurez observada en la GC, sin embargo, al analizar cada uno de los elementos que integran el índice de madurez en la GC, se destaca que son las actividades de obtención y creación de cocimiento explícito (actividades de combinación) las que ejercen una mayor influencia en la innovación.

7.6.1.1.1. ACTIVIDADES DE INNOVACIÓN EN FUNCIÓN DE LA GC

Interesante fue analizar la relación entre el índice de madurez en la GC y el indice que refleje únicamente las actividades de innovación que puedan llevarse a cabo en la empresa, sin considerar la importancia que la empresa le de a la innovación asi como tampoco si el contexto es propicio para innovar o no. La gráfica 7.9 muestra esta relación, que como se observa, es irregular y diferente a la mostrada en la relación entre la madurez en la GC y la madurez en la innovación.

Se observa que parece ser que no existe una clara relación entre la madurez en la GC y las actividades de innovación, ya que la mayoría de las empresas estudiadas se concentran en los cuadrantes superior e inferior derecho, lo cual se confirma con el modelo predictivo que arroja un coeficiente bajo aunque aceptable (0,129), no obstante, la capacidad predictiva de la variable es válida, dado que se tiene una significancia relevante, tal como se muestra en la tabla 7.101. De acuerdo a estos datos, se acepta la hipótesis H2a y se reconoce la influencia de la GC en las actividades innovadoras.

7.6.1.1.2. INNOVACIÓN EN FUNCIÓN DE LAS ACTIVIDADES DE GC

Sin embargo, es de interés conocer la influencia en la innovación que pudieran tener única y exclusivamente las actividades de GC desempeñadas en la organización, sin considerar si existe conciencia de ellas o no, asi como tampoco si existen actitudes adecuadas para realizarse o no. La gráfica 7.10 ilustra la relación encontrada entre las actividades de GC y la innovación, la cual es similar a la gráfica 7.8, que muestra la relación entre el índice de madurez en la GC y la innovación.

Como se observa en la tabla 7.102, al considerar únicamente las actividades de GC como predictoras de la innovación, la correlación entre los elementos del modelo disminuye levemente, así como también el coeficiente de determinación múltiple, lo cual es de esperarse, dado que la familiaridad mostrada hacia la GC, como se vio en el modelo anterior, también desempeña un papel predictor relevante, aunque no significativo estadísticamente; por tanto, se acepta la hipótesis H2b y se puede decir que las actividades de GC tienen influencia en la innovación.

Al profundizar en esta relación y analizar en un modelo de predicción los cinco grupos de actividades de GC y su influencia en la innovación, se detecta, de acuerdo a la significancia alcanzada, que solamente las actividades de combinación aportan un nivel de predicción significativo a la innovación, lo que corrobora los datos del análisis de la innovación y todos los elementos integrantes de la madurez en la GC. Se observa que las actividades de socialización, pese a tener una importancia absoluta significativa de 0,254, no logra obtener una significancia aceptable. Es interesante señalar el incremento observado en la R2 respecto al modelo anterior que, en teoría, mide lo mismo. Por tanto, se rechazan las hipótesis H2b1, H2b2 y H2b4; y únicamente es aceptada la hipótesis H2b3.

7.6.1.1.3. ACTIVIDADES DE INNOVACIÓN EN FUNCIÓN DE LAS ACTIVIDADES DE GC

En nuestro estudio, se nos hizo interesante conocer la relación observada entre las actividades de GC y las actividades de innovación, sin considerar los demás elementos que constituyen los índices respectivos de madurez. La relación entre ambos índices de actividades se muestra en la gráfica 7.11 y observa una tendencia similar a la relación entre la madurez en la GC y las actividades de innovación.

Los datos de la regresión lineal mostrados en la tabla 7.104 indican una influencia baja del 13,3%, sin embargo, se acepta la hipótesis H2c donde se establece la influencia de las actividades de GC en las actividades de innovación.

La tabla 7.105 muestra los resultados de la regresión usando las actividades de GC por separado. El valor de R2 aumenta respecto al modelo previo, sin embargo, es sólo la obtención de conocimiento explicito la que logra una significancia aceptable, por tanto, se rechazan las hipótesis H2c1, H2c2 y H2c4; y la hipótesis H2c3 es aceptada parcialmente.

Interesante fue el resultado al aplicar una regresión considerando únicamente la obtención de conocimiento explícito como variable independiente. La tabla 7.106 muestra los resultados de esta regresión, donde se observa que el valor obtenido para R2 mejora respecto a los dos modelos presentados previamente.