UNIVERSIDAD COMPLUTENSE DE MADRID

FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES

Departamento de Organización de Empresas

TESIS DOCTORAL

LA TRANSFERENCIA TECNOLÓGICA
UNIVERSITARIA EN MÉXICO:
UN ANÁLISIS DE SUS DETERMINANTES
Y SUS RESULTADOS

Doctorando: Jorge Antonio Yeverino Juárez

Directores: Dra. Dña. María Ángeles Montoro Sánchez

Dra. Dña. Ana María Romero Martínez

Madrid, 2015

i
ii
 AGRADECIMIENTOS
Dice un antiguo aforismo de la filosofía Zen, que la sabiduría no es el conocimiento,
sino el camino que te lleva a él. De la mismo manera, el largo y sinuoso camino que he
recorrido hasta la conclusión de esta tesis es lo que me ha ayudado a conocerme mejor en
mis temores, desalientos y desesperanzas, pero también en la persistencia, anhelo de
trascendencia, y sobre todo, en el conocimiento de lo mucho que me debo a los demás, sin
los cuales nunca hubiera llegado hasta aquí. Gracias a este camino tuve la oportunidad de
conocer gente extraordinaria el año pasado en Cambridge, tales como el Dr. José Martinez
Sierra, Manoj L. Shrestha, Mick Sawka, Matt Wirtzburger y John Dalton, personas
excepcionales, cuya máxima lección fue enseñarme que la grandeza profesional puede ser
directamente proporcional a la humildad y la vocación de servicio por los demás.

En primer lugar, deseo agradecer a mis padres, Jorge y María Elena por su
incondicional apoyo y cariño, y que fueron pilares fundamentales para continuar
perseverando, aún en tiempos difíciles hasta la culminación de este proyecto. En segundo
lugar, a Viví, Carla, Ale y Carlitos, mi segunda familia, de la cual siempre he recibido
grandes dosis de amor, sostén y comprensión. En tercer lugar a mis hermanos Alejandro y
María Elena quienes siempre han tenido fe en mí. Por último a Jazz e Hici, quien a pesar
de todo, siempre estuvieron incondicionalmente a mi lado.

Finalmente, quiero profundamente agradecer la atención, el esmero y la dedicación

excepcional que recibí de mis asesoras, las Dras. María Angeles Montoro Sánchez y Ana
María Romero Martínez, cuya dedicación y pasión por la búsqueda científica está
felizmente acompañada de una gran sensibilidad y espiritualidad. El haber recorrido este
camino bajo su guía ha sido una de las experiencias más enriquecedoras de mi vida. Por
último, solo me queda señalar obviamente, que todas las limitantes de este trabajo de
investigación son exclusivamente mías.

iii
iv
 ÍNDICE
RESUMEN ............................................................................................................................ ix
ABSTRACT ........................................................................................................................ xiii
CAPÍTULO 1 INTRODUCCIÓN .........................................................................................1
1.1. INTRODUCCIÓN ............................................................................................................... 3
1.2. ANTECEDENTES Y MARCO GENERAL ....................................................................... 7
1.3. OBJETIVO GENERAL ..................................................................................................... 18
BIBLIOGRAFÍA ...................................................................................................................... 23
CAPÍTULO 2 DETERMINANTES DE LA TRANSFERENCIA DE TECNOLOGÍA
UNIVERSITARIA ................................................................................................................37
RESUMEN................................................................................................................................ 39
2.1. INTRODUCCIÓN ............................................................................................................. 40
2.2. MARCO TEÓRICO ........................................................................................................... 42
2.2.1. Recursos y la transferencia tecnológica ............................................................. 45
2.2.2. Las rutinas, capacidades y la transferencia tecnológica universitaria ........... 50
2.3. METODOLOGÍA .............................................................................................................. 52
2.3.1. Muestra ................................................................................................................. 53
2.3.2. Medición de las variables .................................................................................... 54
2.4. RESULTADOS .................................................................................................................. 57
2.5. CONCLUSIONES ............................................................................................................. 62
2.5.1. Discusión y contribución del trabajo ................................................................. 62
2.5.2. Limitaciones y líneas futuras de investigación .................................................. 64
BIBLIOGRAFÍA ...................................................................................................................... 66
CAPÍTULO 3 LOS DETERMINANTES DE LA CREACIÓN Y DESARROLLO DE
EMPRESAS SPIN OFF .......................................................................................................77
RESUMEN................................................................................................................................ 79
3.1. INTRODUCCIÓN ............................................................................................................. 80
3.2. ANTECEDENTES TEÓRICOS EN LA LITERATURA SOBRE SPIN OFFS ............... 83
3.2.1. Factores organizativos vinculados a la actividad universitaria de spin
offs ................................................................................................................................... 83
3.2.2. Factores relacionados con las características de las instituciones
académicas ...................................................................................................................... 85

v
 3.2.3. Factores externos en la promoción de las spin offs........................................... 87
3.3. METODOLOGÍA DE LA INVESTIGACIÓN ................................................................. 88
3.3.1. Análisis de la muestra de datos .......................................................................... 88
3.3.2. Medición de las variables .................................................................................... 90
3.3.3. Diseño del modelo econométrico ........................................................................ 93
3.4. RESULTADOS ................................................................................................................. 95
3.5. CONCLUSIONES, LIMITACIONES Y LINEAS FUTURAS DE
INVESTIGACIÓN ................................................................................................................... 98
BIBLIOGRAFÍA .................................................................................................................... 104
CAPÍTULO 4 EVALUACIÓN DE LA EFICIENCIA Y LA PRODUCTIVIDAD EN
LA TRANSFERENCIA DE TECNOLOGÍA .................................................................. 115
RESUMEN ............................................................................................................................. 117
4.1. INTRODUCCIÓN ........................................................................................................... 118
4.2. EVALUACIÓN DEL DESEMPEÑO EN LA TRANSFERENCIA DE
RESULTADOS DE INVESTIGACIÓN ................................................................................ 120
4.3. METODOLOGÍA ............................................................................................................ 128
4.3.1. Muestra............................................................................................................... 128
4.3.2. Fuente de información y medición de las variables........................................ 129
4.3.3. Diseño de los modelos econométricos .............................................................. 130
4.4. RESULTADOS ............................................................................................................... 135
4.5. DISCUSIÓN Y CONCLUSIONES ................................................................................. 140
BIBLIOGRAFÍA .................................................................................................................... 143
ANEXO ............................................................................................................................... 149

vi
 ÍNDICE DE TABLAS

CAPÍTULO 1

Tabla 1.1. Resumen de las principales características de la transferencia de tecnología ................... 16

Tabla 1.2. Diagnóstico de la transferencia de tecnología en México ................................................. 19

CAPÍTULO 2

Tabla 2.1. Estadísticos U de Mann-Whitney para diferencia de medias ............................................ 54

Tabla 2.2 Estadísticos descriptivos de los datos cuantitativos ........................................................... 59
Tabla 2.3. Matriz de correlaciones de Pearson ................................................................................... 59
Tabla 2.4. Resultados de modelo con variable dependiente ln gasto privado en I + D ...................... 60
Tabla 2.5 Resultados de modelo con variable dependiente número de contratos privados
con IES ............................................................................................................................................... 61

CAPÍTULO 3

Tabla 3.1. Número de spinoffs creadas en México por IES y CPIs ................................................... 90
Tabla 3.2. Matriz de correlaciones y factores de inflación de varianza ............................................. 95
Tabla 3.3. Descripción de datos muestrales ....................................................................................... 96
Tabla 3.4. Resultados de modelos para determinar número de spin offs creadas. ............................. 97

CAPÍTULO 4

Tabla 4.1. Trabajos empíricos sobre la eficiencia de la transferencia de tecnología

universitaria y de las OTTs............................................................................................................... 123
Tabla 4.2. Especificaciones de las funciones de producción en TT y determinantes de
eficiencia relativa .............................................................................................................................. 135
Tabla 4.3. Estadísticas descriptivas de datos para análisis DEA y SFE ........................................... 136
Tabla 4.4. Matriz de coeficientes de correlación .............................................................................. 136
Tabla 4.5. Resultados de modelos DEA ........................................................................................... 137
Tabla 4.6. Resultados del modelo estocástico de frontera (Normal truncado a cero) ...................... 139
Tabla 4.7. Índices de eficiencia en base en el modelo SFE con distribución media truncada
a cero................................................................................................................................................. 139

vii
 ANEXO

Tabla A1 Literatura académica relacionada con la divulgación del invento ..................... 151
Tabla A2 Literatura relacionada con el papel de las Oficinas de Transferencia de
Tecnología .......................................................................................................................... 155
Tabla A3 Literatura relacionada con la evaluación de tecnología de la OTT para ser
patentada............................................................................................................................. 159
Tabla A4 Literatura relacionada con la adquisición de patentes ........................................162
Tabla A5 Literatura relacionada con el papel del agente de transferencia de tecnología en la
promoción de las invenciones entre las empresas .............................................................. 165
Tabla A6 Literatura relacionada con licencias ...................................................................167
Tabla A7 Literatura relacionada con la adaptación y uso de la tecnología transferida ......171
Tabla A8 Spin-off y la creación de Startups .......................................................................173

viii
 RESUMEN

Este trabajo tiene como objetivo analizar la transferencia de tecnología universitaria

(TTU), tanto sus resultados como sus factores determinantes en México. El estudio
identifica que los acuerdos de cooperación universidad-industria, la inversión privada en
gastos de investigación y desarrollo (I+D) y la generación de empresas de base tecnológica
emanadas directamente de las instituciones de educación superior denominadas spin off
constituyen resultados de esta TTU. En base a lo anterior se plantean una serie de factores
teórico-empíricos para estudiar los determinantes que explican la TTU. La carencia de este
tipo de estudios en países menos avanzados tecnológicamente, especialmente en América
Latina, justifica la relevancia de abordar este tema que ha sido relacionado con el
desarrollo de mayores niveles de bienestar económico y social.

El primer capítulo introduce un marco general de referencia sobre la importancia del

estudio de la transferencia de tecnología universitaria. Este estudio se enfoca en el modelo
básico teórico de TTU (Siegel et. al; 2004) que señala ocho etapas en el proceso de TTU
incluyendo las invenciones de los científicos universitarios, la divulgación del invento a las
oficinas de transferencia de tecnología (OTTs), la evaluación y solicitud de patente, la
emisión de la patente, la promoción de la tecnología entre emprendedores empresariales, la
negociación de la licencia, la adaptación de las tecnologías por las empresas y la creación y
fundación de empresas spin offs. De este modo, se plantea nuestra pregunta de
investigación general: ¿Qué determina y explica el proceso de la TTU en México?

En la búsqueda de dar respuesta a la anterior pregunta se postulan tres preguntas

particulares con tres objetivos específicos. Así, el primer objetivo busca identificar los
factores determinantes de la TTU en México. El segundo objetivo intenta señalar los
determinantes en la creación de empresas spin off. El tercer objetivo busca evaluar y medir
los niveles de eficiencia y productividad alcanzados por las incipientes unidades de
transferencia tecnológica universitaria en México. Estos tres objetivos específicos se han
contrastado empíricamente en una muestra de universidades públicas y privadas, así como
centros públicos de investigación en México.

De esta manera, el segundo capítulo postula siete hipótesis basadas en la teoría de los
recursos y capacidades de la empresa para resolver el primer objetivo. Estas hipótesis
recogen el efecto positivo de la calidad del capital humano en las universidades, el número

ix
de patentes en la cartera de la universidad, el tamaño del personal trabajando en las
oficinas de transferencia de tecnología (OTT’s), la cantidad de fondos públicos para
investigación y desarrollo (I+D), una mayor proporción de regalías asignadas al inventor,
la existencia de una regulación institucional que aliente positivamente la transferencia de
tecnología, así como el desarrollo de capacidades gerenciales en las OTT´s, para fomentar
la TTU. Los resultados señalan que el gasto público en I+D, el esfuerzo para solicitar de
patentes y la experiencia adquirida por los responsables de las oficinas de transferencia
inciden positivamente en los resultados de la transferencia universitaria en México. En
contraste, la calidad del capital humano en las instituciones de investigación superior
(IES), el tamaño de las OTTs, las regalías y las capacidades de desarrollo de negocios no
parecen incidir positivamente en los resultados de TTU en México.

El tercer capítulo toma como referencia factores relacionados con las organizaciones,
instituciones y el contexto ambiental para resolver el segundo objetivo sobre los
determinantes que explican la creación de spin offs. Este análisis explica que la trayectoria
histórica, la cultura pro empresarial, el tipo de universidad (privada o pública), el número
de aplicación por patentes y el gasto público en I+D, inciden positivamente en la
generación y creación de este tipo de empresas. Este capítulo señala que la existencia de
las recién inauguradas oficinas de transferencia de tecnología (OTT´s), la calidad de las
entidades académicas, la disponibilidad de financiación y el grado de intensidad regional
en I+D no parecen tener efectos significativos sobre los resultados de la TTU.

El cuarto y último capítulo que busca evaluar los resultados de la TTU para resolver el
tercer objetivo de la tesis, revela que los niveles de eficiencia y productividad de las
unidades de transferencia de tecnología universitaria (UTT’s) en México son homogéneos.
Utilizando dos tipos de modelos (paramétricos y no paramétricos), se evaluó el nivel de
eficiencia productiva en las UTT´s en México durante los periodos entre el 2012 a 2013.
Los resultados arrojaron que la eficiencia productiva en un modelo de rendimiento
constante a escala es del 85% en las UTT´s en México. El modelo de rendimientos
variables a escala muestra que el rendimiento alcanza un 93.8% en las UTT´s. El modelo
estocástico de frontera utilizado señala un promedio de utilidad menor a los modelos no
paramétricos. Este modelo señala que la eficiencia de las UTT´s en México alcanza el
66%. Finalmente este capítulo señala que la frontera de la eficiencia global de las UTT´s
en México solamente se desplazó 1.1% entre el 2012 y el 2013. En conclusión, en
contraste con otros países que muestran un nivel de dispersión mayor en sus niveles de

x
eficiencia entre sus IES, en México aún existe un alto grado de igualdad en el desempeño
de las UTTs universitarias.

A pesar de las limitantes de este estudio, este trabajo contribuye teórica y

empíricamente a la comprensión del fenómeno de la transferencia de tecnología
universitaria y el emprendimiento empresarial académico, que a partir del 2011 han
inaugurado sus procesos en México; y abre el interés por estudiar nuevos aspectos
relacionados con los determinantes de la transferencia tecnológica universitaria por rama
científica y en contextos particulares de tipo regional. Asimismo, futuros estudios deberán
evaluar y medir los resultados de esta transferencia de resultados de investigación en países
que recién inician estos procesos dentro del denominado espíritu empresarial académico.

xi
xii
 ABSTRACT

This work aims to analyze and evaluate both the determinant factors and the results of the
university technology transfer – UTT – process in Mexico. The study points out that the
main outcomes in UTT are the number of university-industry cooperation agreements, the
private investment in research and development (R & D), and the foundations of
technological based companies emanating directly from the academic institutions
denominated as spin offs. Therefore, a group of theoretical and empirical factors are
proposed to study the determinants that explain this UTT. The lack of such studies in less
technologically advanced countries, especially in Latin America, justifies the importance
of addressing this issue that has been linked to the development of higher levels of
economic and social welfare.

The first chapter introduces a general framework about the significance to study the
university technology transfer processes. This study focuses on the basic theoretical model
developed by Siegel et al. (2004). This model identifies eight stages in the process of the
UTT, including the inventions of university scientists, the disclosure of the invention to the
technology transfer office (TTO), the evaluation and patent application, the patent
issuance, the promotion of technologies among business entrepreneurs, the negotiation of
licenses, the adaptation of technology by businesses, and the creation and establishment of
spin offs. Thus, we propose our general research question: What determines and explains
the process of UTT in Mexico?

By seeking to answer the above question, three particular questions with three specific
objectives are postulated. So, the first objective is to identify the determinants of the UTT
in Mexico. The second objective attempts to indicate the determinants for the creation of
spin-off companies. The third objective seeks to assess and measure the levels of efficiency
and productivity achieved by the emerging university technology transfer units in Mexico.
These three specific objectives have been empirically tested in a sample of public and
private universities, and public research centers in Mexico.

Thus, the second chapter postulates seven hypotheses based on the theory of resources and
capabilities of the company (RBV) to achieve the first objective. These assumptions reflect
the positive effect of the quality of human capital in the universities, the number of patents

xiii
in the portfolio of the university, the size of the staff working in the offices of technology
transfer (OTT's), the amount of public funds for research and development (R & D), the
percentage of royalties assigned to the inventor, the existence of an institutional regulation
that positively encourage technology transfer, and the development of managerial skills
within the OTT's. The results indicate that the public spending in R & D, efforts to
maximize patent issuances, and experience gained by the directors of the OTTs positively
impact on the results of university transfer in Mexico. In contrast, the quality of human
capital in advanced research institutions (IES), the size of the TTO, royalties and business
development capabilities not seem to positively influence the results of UTT in Mexico.

The third chapter introduces factors related with organizations, institutions and
environmental contexts to resolve the second goal about the determinants that explain the
creation of spin offs. This analysis explains that the historical background, the pro-business
culture, the type of university (public or private), the number of patent application, and the
public spending on R & D, positively impact on the generation and development of these
firms. This chapter points out that the existence of the newly opened offices of technology
transfer (OTT's), the quality of academic institutions, the availability of financial funding,
and the degree of regional R & D intensity did not appear to have significant effects on the
generation of new spin offs.

The fourth and final chapter seeks to assess the results of the UTT to accomplish the third
objective of the thesis. The findings reveal that levels of efficiency and productivity within
the units of university technology transfer in Mexico are homogeneous. Using two types of
models (parametric and nonparametric); the level of productive efficiency was evaluated in
the units of technology transfer in Mexico during the period from 2012 to 2013. The results
showed that the overall production efficiency in a model of constant returns to scale equals
85% within the Mexican academic institutions. Moreover, estimating an alternative
variable returns to scale model, the performance of academic institutions reached a level of
93.8%. Besides, the stochastic frontier model indicated an efficiency equivalent to 66%.
Finally, this chapter stated that the overall technological frontier only moved 1.1% between
2012 and 2013. In conclusion, in contrast to other countries that show a higher level of
dispersion efficiency levels among academic institutions, in Mexico there is still a high
degree of equality in the performance of university technology transfer units.

xiv
Despite the limitations of this study, the theoretical and empirical work contributes to the
understanding of the phenomenon of university technology transfer and academic
entrepreneurship, which from 2011 inaugurated its processes in Mexico. Likewise, this
seminal study fosters the interests in studying other aspects of the university technology
transfer processes e.g. by scientific area and/or by regional context. Furthermore, future
studies should evaluate and measure the results of technology transfer in countries that are
just beginning this process within the so-called academic entrepreneurship.

xv
xvi
 CAPÍTULO 1

INTRODUCCIÓN

1
2
1.1. INTRODUCCIÓN

La creciente vinculación de la universidad con la industria a través de la difusión de

resultados de investigación científica ha cobrado una gran relevancia en las últimas tres
décadas en el ámbito internacional (Rothaermel et al., 2007; Bozeman et al., 2013;
Perkmann et al., 2013). Las innovaciones producidas en las universidades incluyen
motores de búsqueda por internet (v.g. lycos, google), diagnósticos clínicos para detección
de cáncer de mama y osteoporosis, tecnologías para el desarrollo de la vitamina D,
medicamentos anti-cancerígenos (v.g. cisplatino), bebidas isotónicas (v.g. gatorade),
diseño gráfico para ordenador (CAD), tecnologías para el desarrollo de energía sostenible,
la técnica de ADN recombinante que fundó la industria biotecnológica moderna, entre
muchas otras (Rogers et al., 2001; Siegel, Waldman et al., 2004). A pesar de que la
probabilidad de éxito en el mercado de un nuevo prototipo de invención es baja, las
universidades se han embarcado fervientemente en procesos de apropiación, transmisión y
uso comercial del conocimiento en los últimos años (Bok, 2003; Powers y Mc Dougall,
2005). El papel tradicional de enseñanza e investigación en las universidades ha
evolucionado hacia una “tercera misión” que incluye actividades comerciales vinculadas a
las patentes, concesión de licencias y la creación de nuevas empresas (Leydesdorff et al.,
1996; Owen-Smith y Powell, 2001; Shane, 2004a; Rasmussen et al., 2010; Huang et al.,
2011). Este fenómeno también denominado como “capitalismo académico” (Slaughter y
Leslie, 1997; Welsh et al., 2008) ha sido analizado a nivel individual, universitario y
sistémico en los estudios sobre el emprendimiento empresarial académico –academic
entrepreneurship–, la comercialización de la tecnología universitaria, los procesos de
transferencia de tecnología universitaria y el análisis sobre la interacción academia-
industria-gobierno conocido como la triple hélice (Etzkowitz et al., 2000; Meyer, 2003;
Wright et al., 2004b; Berkovitz y Feldmann, 2006; Rothaermel et al., 2007; Markman et
al., 2008; Grimaldi et al., 2011; Erosa, 2012; Guerrero y Urbano, 2012). La
comercialización de conocimiento se considera un factor importante de crecimiento
económico al desarrollar capital humano de alto nivel, licenciar tecnologías innovadoras
con la industria y al crear nuevas empresas de base tecnológica (Dasgupta et al., 1994;
Agrawal, 2001; Etzkowitz, 2002; Litan et al. 2007).

En buena medida este fenómeno se acelera con la aprobación de la Ley Bayh-Dole, en

los años ochenta, que permitió la apropiación privada de las invenciones producidas en las
universidades en los EEUU provenientes de fondos federales (Lee y Gaertner, 1994; Lee,

3
1998; Mowery et al., 2001). Consecuentemente, otras iniciativas como la Ley Stevenson-
Wydler y la Ley Federal de Transferencia de Tecnología de 1986, las cuales contemplaban
provisiones semejantes para los laboratorios federales como lo hacía el Ley Bayh-Dole
para las universidades, propiciaron el inicio de una serie de acuerdos, licencias, creación de
nuevas empresas, contratos y condiciones de uso de la propiedad intelectual entre las
universidades, los laboratorios federales y la industria (Link et al., 2003a; Lockett et al.,
2005b; Phan y Siegel, 2006; Siegel et al., 2007). Asimismo, muchas universidades crearon
oficinas de transferencia de tecnología (OTTs) para administrar y proteger su propiedad
intelectual (PI). La función principal de las OTTs ha sido facilitar la transferencia de
conocimiento a través del licenciamiento a la industria de las invenciones universitarias u
otras formas de PI (Siegel et al., 2004). En el año 2009, la Asociación de Administradores
Universitarios de Tecnología (AUTM, 2012) reportó 181 OTTs en los EEUU con un
promedio de edad de 20.5 años.

En ese mismo sentido, diferentes países europeos buscaron emular la legislación

americana para adaptar a sus realidades esquemas de fomento a la transferencia
tecnológica (OECD, 1999, 2003; Wright et al., 2007; Grimaldi et al., 2011). La Asociación
Europea de Profesionales en Ciencia y Transferencia de Tecnología (ASTP, 2010)
encuestó en 2008 a 99 OTTs en Europa con una edad promedio de 12.9 años. En el año
2011 el promedio de edad de las OTTs europeas era de 14.0 años, con un promedio de 8.3
empleados a tiempo completo. Así mismo, las OTTs europeas tuvieron un promedio de
notificaciones de 22.4 y 11.8 aplicaciones prioritarias de patente (Piccaluga et al. 2012).
Sin embargo, el desempeño de las universidades europeas dista mucho del alcanzado por
sus contrapartes en los EEUU. A pesar de que muchos países de la UE poseen una posición
relevante en descubrimientos científicos, esto no se ha reflejado en una ventaja tecnológica
sostenible y eficiente transferencia al mercado, esto se ha denominado como la paradoja
europea (Franzoni y Lizoni, 2006). Algunos estudios señalan que las características
históricas e institucionales de las universidades americanas es diferente al sistema europeo
(Pavitt, 2001; Mowery et al., 2005). Mientras que en las universidades americanas ha
existido tradicionalmente una mayor autonomía, Europa posee un sistema de control
centralizado donde el investigador es considerado como un servidor público y no recibe los
incentivos necesarios y suficientes para patentar y comercializar sus inventos de la misma
manera que en EEUU (Goldfarb et al., 2003; Franzoni y Lissoni, 2006; Decter et al., 2007;
Baldini, 2009). Por otro lado, también se ha señalado que el número de patentes

4
académicas pudiera estar subvalorada en Europa, debido a que una significativa cantidad
de inventos originados en universidades ha sido registrada a nombre de empresas privadas
o entidades públicas europeas (Lissoni, 2012).

En Asia, el desempeño en los indicadores de transferencia y comercialización

universitaria han sido inferiores a los que se han dado en EEUU, pero superiores a los que
presentan la mayoría de los países europeos, por ejemplo, en el año 2010 China presentó
un promedio de 65.4 aplicaciones prioritarias de patente y poseía un portafolio de patentes
promedio vigente por institución de 116.3. De igual manera, el número promedio de spin-
offs creadas fue de 142.5 para el mismo año. En el caso de Japón y Corea se reportaron un
promedio de 45.2 y 52.3 aplicaciones prioritarias de patente para los años 2010 y 2007
respectivamente (Piccaluga et al. 2012).

Como ya se ha señalado, la comercialización de las investigaciones universitarias posee

importantes impactos sociales que incluyen empleos de alta calidad generados por las
empresas de base tecnológica, mayores flujos de inversión en investigación y desarrollo, y
un positivo impacto sobre las economías locales producto de los spillovers de
conocimiento (Audretsch et al., 2005; Caldera et al., 2010). Si bien algunos autores señalan
que los beneficios de la inversión en investigación sobre el desarrollo económico no son
inmediatos y más bien son de largo plazo (Feller et al., 1995; Heher, 2005), también se
apunta que el desarrollo de capital humano y de capacidades científicas y tecnológicas en
un contexto de redes sociales interconectadas es un factor relevante en la efectividad de la
investigación y la transferencia de conocimiento (Autio et al., 1995; Lynn, 1996; Bozeman,
2000).

Quizás el ejemplo más exitoso en transferencia tecnológica universidad-industria lo

constituye el Instituto Tecnológico de Massachusetts (MIT), cuyos alumnos graduados han
fundado aproximadamente 33,000 empresas de manufactura, software, consultoría y
biotecnología, generando más de 3.3 millones de empleos mundialmente y obteniendo
ventas anuales de aproximadamente US$ 2 trillones1, lo que equivaldría a posicionarlo por
sí mismo como la 17a economía en el mundo en términos de PIB (O´Shea et al., 2005;
Meyers et al., 2011). A nivel agregado, los ingresos anuales en las universidades en EEUU
por contratos de licencia aumentaron de US$160 millones en l991 a US$ 862 millones en
1999, y hasta US$ 2.5 mmd en 2012 (AUTM, 2012).

1
http://web.mit.edu/industry/industry-collaboration.html [Septiembre/5/2015]

5
 De igual manera, como consecuencia del éxito alcanzado en las instituciones de los
EEUU, países como España y México han tratado de promover la comercialización de sus
investigaciones universitarias buscando adaptar a sus circunstancias locales diversos
esquemas de transferencia tecnológica (Cohen et al., 1998; Correa, 1999; European
Commision, 2004). En España, por ejemplo, los ingresos por licencias universitarias
ascendieron a 2.4 millones de € en 2011, si bien esta cifra se mantuvo estable en los
últimos años, las notificaciones de nuevas invenciones en las universidades españolas
pasaron de 692 a 1282 entre 2007 y 2011 (RedOTRI, 2011). De acuerdo con Piccaluga y
Balderi (2012), durante el año 2011, las universidades españolas revelaron en promedio
20.7 invenciones, desempeñándose mejor que sus contrapartes en Italia (9.4) e Irlanda
(15.7), aunque ligeramente por debajo que Dinamarca (26.1) y el Reino Unido (26.9). A
nivel agregado los ingresos anuales por licenciamiento universitario en Europa pasaron de
62.3 millones de € a 90 millones de € entre 2007 y 2011.

En México, a pesar de que no existen estadísticas a nivel agregado, se observó un fuerte

dinamismo en actividades de transferencia en diversas instituciones de investigación. Por
ejemplo, durante el período 2008-2011, el Instituto de Biotecnología de la Universidad
Nacional Autónoma de México (IBT-UNAM) registró solicitudes por más de 100 patentes,
además se emprendieron 32 convenios de colaboración y desarrollo tecnológico con
entidades externas. Asimismo se establecieron 47 convenios de transferencia de materiales
biológicos con instituciones internacionales. En el año 2011, el IBT-UNAM obtuvo
ingresos de aproximadamente US$ 14 millones por servicios prestados de consultoría a
entidades públicas y privadas (IBT, 2011). Por su parte, el Centro de Estudios Avanzados
(CINVESTAV), en ciudad de México, ha reportado un incremento en registro de patentes
en un 550% pasando de 8 a 44 entre 2008 y 20122. Mientras el Instituto de estudios
superiores de Monterrey (ITESM) poseía 25 spin-offs incubadas y registró 61 patentes en
el año 20123.

En este contexto, este trabajo pretende explicar las condiciones y formas en que los
procesos de transferencia tecnológica (TT) se están realizando en México, país donde
recientemente han empezado do los procesos de transferencia de resultados de
investigación científica. La revisión de la literatura muestra algunos (pocos) trabajos
descriptivos que analizan la TT y los factores que promueven e inhiben la vinculación

2
http://svt.cinvestav.mx/ActividadenPropiedadIntelectual/Estadística.aspx. [Octubre/3/2013]
3
http://ott.mty.itesm.mx/1_3.html [Octubre/3/2013]

6
academia-industria en el país (Aboites et al., 2002, 2008; Luna y Solleiro, 2007; Solleiro et
al., 2008; ADIAT, 2008; ADIAT, 2010; CONACYT, 2010, Cabrero et al., 2011, Solleiro y
Gaona, 2012), pero a la fecha no existen trabajos empíricos que analicen el desempeño de
los organismos académicos públicos y privados generadores de conocimiento que
activamente están participando en actividades de transferencia.

1.2. ANTECEDENTES Y MARCO GENERAL

La transferencia de tecnología se puede definir como el mecanismo de propagación de

know-how, conocimiento técnico o tecnología de una organización a otra (Roessner, 1993).
De igual manera, la TT puede ser la aplicación de la información contenida en una
innovación tecnológica en uso, que consiste en mover dicha tecnología de una
organización de I+D a una organización receptora, típicamente una empresa privada. La
tecnología está totalmente transferida cuando un producto derivado de ella se vende en el
mercado (Gibson y Roger, 1994; Rogers et al., 2001). En forma más concreta, la TT es un
proceso a través del cual, las ideas y conceptos se mueven del laboratorio al mercado
(Phillips, 2002).

Antes de la década de los 80, la transferencia de tecnología usualmente se consideraba

un fenómeno dentro de una misma empresa o entre diferentes empresas, como la
diseminación de información a través de transferencias de personal de una división a otra,
o de un país a otro (Zaltman et al., 1973; Jeannet y Liander, 1978). Allen (1979), por
ejemplo, se enfocó específicamente en el flujo de transferencia de tecnología dentro de
grandes organizaciones de investigación y desarrollo. Agmon y Von Glinow (1991)
examinaron el papel que la corporación multinacional desempeñaba al facilitar la
transferencia de conocimiento entre las naciones. A partir de la década de los ochenta, una
serie de iniciativas promulgadas por el Congreso de los EEUU y su impacto sobre la
transferencia de tecnología, en buena medida rigen la agenda subsecuente en los análisis
académicos durante las siguientes dos décadas a nivel internacional (Bozeman, 2000). La
mayor intervención gubernamental para fomentar el desarrollo tecnológico marcó el final
del paradigma sustentado en principios de libre mercado, el cual afirmaba que la misión
principal de las universidades era puramente educativa y proveedora de investigación
básica para el dominio público (Rosenberg y Nelson, 1994). En contraste, las disposiciones
de política pública en los EEUU incluyeron modificaciones a las políticas de patentes con
el fin de expandir el uso de las tecnologías de gobierno, la flexibilización de regulaciones
7
anti-monopolio, la promoción para la cooperación en I+D entre gobierno, academia e
industria y el desarrollo de centros de investigación y consorcios (Smilor y Gibson, 1991).

Aunque la transferencia de tecnología (TT) ha sido estudiada en la literatura desde el

punto de vista económico, sociológico, antropológico y administrativo (Zhao y Reisman,
1992; Reisman, 2005), abarcando una diversidad de organizaciones generadoras y
receptoras de la tecnología y/o conocimiento, este trabajo se enfoca específicamente en la
TT inter-organizativa universidad-empresa asociada al entrepreneurship académico4.

Durante la década de los 90 y primeros años del 2000, la evaluación del impacto y de
los resultados en materia de transferencia de tecnología universitaria se enfocó en una
multitud de factores incluyendo a los resultados en materia económica producto del
desarrollo tecnológico (Roessner y Wise, 1994; Storper, 1995; Saxenian, 1996); la
generación de patentes y radicalidad de invenciones (Henderson et al., 1998; Shane, 2001);
el papel de los laboratorios gubernamentales en la comercialización de la tecnología
(Kelley, 1997; Crow y Bozeman, 1998); la creación de spin offs universitarias (Roberts,
1991; Stankiewicz, 1994; Radosevich, 1995; Carayannies et al., 1998; Steffensen et al.,
1999; Chiesa y Picaluga , 2000); parques científicos (Felsenstein, 1994; Westhead, 1997);
incubadoras de empresas (Mian, 1997; Colombo y Delmastro, 2002); y oficinas de
vinculación industrial (Jones-Evans et al., 1999).

A partir del año 2000, se elaboran mapas conceptuales más refinados para la
explicación de los fenómenos de la transferencia tecnológica ligados a un mayor número
de ensayos empíricos que intentan contrastar los planteamientos teóricos. De acuerdo a
Harmon et al. (1997) y Rothaermel et al. (2007), estos modelos teóricos pueden dividirse
en tres grupos:

(a) Modelos lineales que siguen una secuencia unidireccional típicamente de ocho
eventos o pasos partiendo del descubrimiento de un invento y su posterior notificación o
divulgación a la OTT universitaria. El tercer paso consiste en la evaluación del invento de
parte de la OTT para así considerar la viabilidad de proteger intelectualmente el activo

4
Aunque los términos entepreneurship académico y transferencia de tecnología universitaria han sido
comúnmente utilizados como sinónimos, el primer término hace referencia a las motivaciones y búsqueda de
oportunidades comerciales de los individuos ligados a la academia; el segundo analiza, a nivel universidad,
los pasos y la interacción entre diferentes agentes que se involucran desde el descubrimiento de un invento
hasta su inserción final en el mercado. Es decir, no todas las universidades que realizan TT se pueden
denominar universidades con espíritu empresarial académico. Asimismo, si la TT no tiene como fin obtener
ganancias comerciales, no puede considerarse motivo de estudio del entrepreneurship académico. V. O’Shea
et al., 2004; Rothaermel et al., 2007; Guerrero y Urbano, 2012.

8
intangible. El cuarto paso tiene que ver con la solicitud, examen del invento y emisión de
la patente. El quinto y sexto pasos lo constituyen la búsqueda de una empresa o empresario
interesado en la tecnología y la negociación de los términos de la licencia. De llegar a un
acuerdo contractual, en el séptimo paso, la empresa usa y adapta la tecnología para su
comercialización o alternativamente – octavo paso – se produce la fundación de una
empresa start up o spin off para explotar en el mercado la tecnología (Rogers et al., 2001;
Nlemvo et al., 2002; Thursby y Thursby, 2002; Friedman y Silberman, 2003; Siegel et al.,
2004; Markman y Gianiodis et al., 2005a,b; Anderson et al., 2007; Clarysse y Wright et al.,
2007; Mc Adam et al., 2007, Wood, 2011).

(b) Modelos de arreglos de red e interactivos, donde existe una retroalimentación

permanente entre los agentes para mejorar la tecnología. En este modelo, los agentes
participantes en los procesos de TT suelen establecer relaciones de largo plazo y
relaciones informales al margen de la institución patrocinadora (Harmon et al., 1997;
Amesse y Cohendet, 2001; O’Shea, 2004, 2008; Grandi y Grimaldi, 2005; Gorschek et al.,
2006; Macho-Stadler y Perez-Castrillo, 2007).

(c) Modelos mixtos que incorporan elementos de los dos modelos arriba mencionados,
por una parte resaltan la secuencia unidireccional del proceso, y por otra parte, señalan la
necesidad de incorporar elementos tales como el capital social y las redes de los
científicos; los mecanismos de transferencia informal –academic engagement–;
motivaciones que van más allá de las estrictamente financieras; condiciones de desarrollo
local; apoyo de políticas públicas, entre otras (Zucker y Darby, 1998; Bercovit y Feldman,
2006; Link, Siegel y Bozeman, 2007; Boardman, 2008; Kenney y Patton, 2009; Axanova,
2012; Khabiri et al., 2012; Perkmann et al, 2013).

De los tres tipos de modelos descritos, a continuación pasamos a exponer el modelo

tradicional lineal de transferencia de tecnología universidad-industria (Siegel et al., 2004),
el cual ha sido ampliamente difundido por poseer tanto una simplicidad para explicar el
fenómeno, así como por contener todos los elementos releventes sobre la TT. Este modelo
se compone, como ya arriba se mencionó, de ocho etapas y es descrito y sustentado con la
literatura más relevante a continuación.

Paso 1. El científico universitario realiza un descubrimiento.

Este modelo señala que el primer impulso que detona el proceso de transferencia
tecnológica es el descubrimiento de un producto o proceso tecnológico con un potencial de

9
comercialización. La investigación científica universitaria tradicionalmente es patrocinada
con financiación federal, sin embargo, otras fuentes incluyen fondos de gobiernos locales,
fundaciones y, en forma creciente, fondos privados para el desarrollo conjunto entre la
universidad y las empresas (Bozeman, 2000).

Esquemas de financiación privado incluyen programas de I+D para realizar

investigación básica, estudios de factibilidad, desarrollo de prototipos, experimentación y
consultoría. Esto es especialmente relevante en segmentos que requieren un alto nivel de
capital científico humano e infraestructura tecnológica de vanguardia v.g. biotecnología. A
través de la formalización de contratos con la universidad, las empresas buscan disminuir
costes asociados a proyectos internos de investigación y fomentan la participación de las
universidades en las demandas que encuentran dentro del mercado y la sociedad.

De este modo, el comienzo del proceso de transferencia puede ser impulsado desde un
centro de investigación científica y sus resultados —technological push— o a través de los
requerimientos y necesidades que la industria enfrenta en su entorno de mercado —
technological pull— (Spann et al., 1995; Schilling, 2010). Esto nos conduce al siguiente
paso en el modelo tradicional.

Paso 2. Divulgación del invento a la oficina de transferencia de tecnología.

La ley Bayh-Dole de 1980 estipula que cualquier miembro de una facultad financiada
con fondos federales que hubiese descubierto una nueva tecnología o invención era
requerido para notificar por escrito dicho invento a la oficina de transferencia de tecnología
(OTTs) de la Universidad (Friedman y Silberman, 2003). En consecuencia, las
universidades impulsaron la creación de OTTs para facilitar la administración y
comercialización de sus activos intangibles (Jensen, Thursby y Thursby, 2003; O’Shea,
2005; Clarysse y Wright, 2007; Decter et al., 2007; Clarysse, Tartari y Salter, 2011). En el
periodo 1990-2012, el tamaño de las OTTs y el número e ingreso por contratos de
licenciamiento se ha incrementado significativamente (Piccaluga y Baldessi, 2012).

Sin embargo, en las universidades es frecuente encontrar científicos que se abstienen de

revelar sus descubrimientos a la OTT y prefieren individualmente promover sus inventos
(Siegel et al., 2004; Rothaermel y Thursby, 2005; Gideon et al., 2005). Así, el personal de
la OTT debe realizar un esfuerzo en alentar entre los académicos una disposición para
revelar sus invenciones (Siegel et al., 2003c). De allí que las universidades han establecido
sistemas de incentivos y recompensas entre los miembros de la facultad (Lach et al., 2004,

10
2008; Debackere y Veugelers, 2005). De igual modo, el número de notificaciones ha
crecido en forma proporcional a la calidad de la facultad y del número de investigadores
con alta producción científica (Zucker y Darby, 1998, 2002; Friedman y Silberman, 2003).

Una vez que la OTT recibe el informe técnico en forma detallada de la naturaleza,
propósito, operación y las características físicas, químicas, biológicas o eléctricas de la
invención, la oficina debe valorar la posibilidad de proteger el descubrimiento (ver tabla
A1 en Anexo).

La función principal de la OTT es crear vínculos eficientes de transferencia de

conocimiento u otras formas de propiedad intelectual entre la comunidad científica y el
ámbito empresarial (Coupe, 2003; Siegel et al., 2004, Siegel y Veugeleurs et al., 2007;
O’Shea et al., 2005). La OTT acumula el conjunto de notificaciones y representa
legalmente a la Universidad para llevar a cabo contratos de licenciamiento y otros
proyectos I+D con la industria (Bercovitz et al., 2001; Jensen, Thursby y Thursby, 2003;
Siegel, 2003a, 2003c). Sin embargo, del conjunto de notificaciones y revelaciones de
inventos solamente una pequeña fracción será elegida para ser patentada. La OTT lleva a
cabo una revisión exhaustiva donde evalúa entre otros aspectos: el potencial de generación
de regalías, la factibilidad de licenciamiento de la tecnología, el área científica del invento,
la radicalidad del invento, y la extensión del descubrimiento. A continuación se describe
con mayor detalle cada uno de estas actividades. (Ver tabla A2 en Anexo).

(a) De acuerdo a diversos estudios, la generación de regalías y pagos por licencias es el

principal objetivo que buscan las OTTs (Thursby et al., 2001; Siegel et al., 2004). De este
modo, las OTTs suelen enfocar sus limitados recursos y capacidades en aquellas
tecnologías de las que esperan un mayor y rápido beneficio económico, y en aquellos
segmentos de alta tecnología con altas probabilidades de expansión (Lerner, 2005). Las
OTTs realizan análisis costo-beneficio donde ponderan los flujos de caja futuros de las
regalías por licencias contra los costos legales asociados a la protección intelectual del
invento (Jensen y Thursby, 2001; Shane, 2004a).

(b) La mayoría de las OTTs analizan con profundidad las probabilidades de colocación
comercial de las tecnologías entre diferentes demandantes empresariales, y
subsecuentemente solicitan una patente en función de la identificación de posibles
licenciatarios de la tecnología (Jensen y Thursby, 2001).

11
 (c) Las OTTs han evolucionado en los últimos años de ser generalistas han emprendido
procesos de especialización por área científica especialmente en la medida que la
investigación se tornado más intensiva y profunda (Siegel et al., 2004). Asimismo, algunos
segmentos científicos notablemente revelan una mayor cantidad de descubrimientos v.g.
biotecnología, tecnologías de la información, farmacéutica, nanotecnología y algunas áreas
de ingeniería (Jensen y Thursby, 2001; Geuna y Nesta, 2006).

(d) Existen diferentes grados en la innovación tecnológica, lógicamente a mayor nivel

de radicalidad, menor es la probabilidad de imitar la invención. Mientras que mejoras
graduales y marginales no permiten alcanzar ventajas competitivas sostenibles (Shane,
2001; Nerkar y Shane, 2003; Schilling, 2010).

(e) Algunas tecnologías poseen un mayor potencial de comercialización que otras. Las
OTTs suelen priorizar sus recursos para patentar sobre aquellos inventos base que puedan
desarrollar una mayor gama de productos y procesos en el futuro (Thursby y Kemp, 2002;
Schilling, 2010).

Paso 3. Evaluación y solicitud de la patente.

Debido a restricciones presupuestarias, la OTT realiza una cuidadosa selección de las

invenciones en las que solicitará una protección intelectual (PI). Cabe señalar que otros
tipos de propiedad intelectual también se llevan a cabo a través de la OTT, know-how,
secretos industriales y copyright. Este último es especialmente relevante en programas de
software desarrollados dentro de las universidades. No obstante, los gastos relacionados
con las patentes constituyen la mayor parte del presupuesto en las OTTs.

La mayoría de las ocasiones las universidades elegirán aplicar por una protección de
patente nacional dado el alto costo de la búsqueda de una protección de patente
internacional (Siegel et al., 2004). Además pueden existir costos adicionales como los
pedidos de examinación prioritaria, re-examinación, tarifas de apelación, tarifas del tratado
de cooperación de patentes (PCT) a nivel nacional e internacional que pueden fácilmente
duplicar esa cifra.

Adicionalmente a los costes asociados a la solicitud de la patente, se deben considerar

los costos legales. Es común que adicionalmente a su propio staff legal interno, las OTTs
contraten los servicios de un especialista en protección intelectual que realice la búsqueda,
redacte y registre la solicitud ante la oficina de patentes (USPTO) en EE UU o en Europa
(EPO). Estos pagos legales pueden incrementar en varios miles de dólares el costo directo

12
de adquisición de la patente. Aun así, en los últimos años, el número de aplicaciones para
la obtención de patentes ha aumentado significativamente en las universidades (Ver Tabla
A3 en Anexo).

Paso 4. Emisión de la patente.

La búsqueda dentro de las bases de datos de la oficina de patentes puede llevar varias
semanas, y el tiempo promedio que lleva desde la solicitud hasta la emisión de la patente
es de 22 meses (Ver Tabla A4 en Anexo). Este retraso implica que pueden pasar varios
años entre el tiempo en que se solicita una patente y la fecha en que la invención alcance el
mercado (Jensen y Thursby, 2001).

Paso 5. Promoción de la tecnología entre empresas/emprendedores.

El objetivo principal, como ya se ha mencionado, de las OTTs es salvaguardar el capital

intelectual de la universidad promoviendo la tecnología entre diversos clientes potenciales
incluyendo a empresas públicas o privadas. La OTT puede promocionar en el mercado la
tecnología, con asesoría de la propia facultad. Esto es, miembros de la facultad pueden
auxiliar en la identificación de potenciales clientes corporativos interesados en la licencia
(Siegel et al., 2004). La vinculación entre la universidad y la industria posee beneficios
para ambas partes. Por una parte, la universidad puede acceder a una fuente significativa de
ingresos, por otra parte, la industria puede acceder a tecnologías de punta obteniendo
ventajas comparativas en el mercado. A su vez, los científicos pueden obtener fuentes de
financiación adicionales para sus investigaciones en base al reparto de regalías otorgado
por el sistema de recompensas, e incluso, sentar las bases para nuevos emprendimientos de
parte de los académicos fundando nuevas empresas.

Diversos estudios señalan que las OTTs disminuyen la información asimétrica entre las
empresas y los generadores de nuevo conocimiento al disminuir los costes de búsqueda de
nuevas tecnologías (Lerner, 2005). A su vez, las OTTs constituyen un catalizador para
dirimir conflictos de interés y valores entre la universidad, la industria y los investigadores
científicos (Jacob et al., 2003; Hindle et al., 2004). Estos conflictos forman parte de la
evolución observada en algunas universidades, las cuales han pasado de ser organizaciones
donde el conocimiento se consideraba como un “bien público” a ser instituciones donde se
ha establecido un régimen de conocimiento “académico capitalista” (Etzkowitz, 2000). En
resumen, las OTTs son mediadoras entre los intereses de la comunidad científica que
incluyen libertad académica para realizar ciencia básica, la difusión del conocimiento y la

13
contribución al desarrollo económico; y por otra parte, los intereses empresariales que
incluyen altos márgenes de ganancia, rápido acceso de tecnologías aplicadas y la obtención
de ventajas competitivas sostenibles (Thursby, Jensen y Thursby, 2001; Colyvas et al.,
2002; Markman y Gianiodis, 2005a; O’Shea et al., 2005).

Una vez que la OTT ha contactado alguna(s) empresa(s) interesadas en la tecnología,

comienza el proceso de negociación legal y contractual para el licenciamiento (Ver Tabla
A5 en Anexo).

Paso 6. Negociación de los contratos de licencia

Las OTTs negocian los derechos de propiedad intelectual a nombre de la universidad

generando contratos de licencia con diferentes postores (Friedman y Silberman, 2003). La
evaluación del capital intagible suele descansar sobre premisas subjetivas dada la
incertidumbre de los flujos futuros de caja de la innovación tecnológica (Bercovitz y
Feldman, 2006). En muchas ocasiones, el acuerdo de licencia puede llevarse a cabo incluso
antes de la protección intelectual de la invención (Jensen y Thursby, 2001; Siegel et al.,
2003d).

Los contratos por licencia típicamente incluyen pago por emisión de la licencia,
términos de la duración de la protección intelectual, confidencialidad, pago por regalías,
términos de exclusividad total ó compartida, asistencia de la facultad, patrocinio adicional
para el desarrollo del producto final, derechos futuros de opciones, entre otros. Los pagos
por regalías típicamente oscilan entre 2% y 5% de las ganancias generadas por la licencia
(Bray y Lee, 2000). De acuerdo a Powers y Mc Dougall (2005), los acuerdos también
pueden incluir beneficios para la universidad en forma de un paquete accionario (equity),
los cuales pueden resultar altamente redituables, una vez que las empresas realizan una
oferta pública inicial en el mercado de capitales (Ver Tabla A6 en Anexo).

Paso 7. Empresas usan y adaptan la tecnología.

En la etapa final, la tecnología se convierte en un producto comercializable después de

un proceso de desarrollo que puede implicar un largo período de tiempo (Thursby, 2001).
El éxito en la transferencia requiere adaptaciones en procesos, nuevos productos y cambios
organizativos innovadores (Siegel et al., 2004); existe un periodo de tiempo promedio de
4.17 años entre las demostraciones en laboratorio de las invenciones y su explotación
comercial (Markman y Giadionis et al., 2005a). Las empresas suelen prestar la mayor
atención al tiempo requerido para lanzar el producto al mercado dado que éste puede ser un

14
factor crucial de ventaja competitiva (Siegel et al., 2003d; Schilling, 2010). Así la
cooperación entre los académicos universitarios y la empresa puede mantenerse por largo
tiempo hasta el desarrollo final, e incluso posteriormente a la colocación de la nueva
tecnología (Ver tabla A7 en Anexo).

Paso 8. Compañías Spin-off y Startup.

En situaciones en las que la tecnología revelada posee un carácter altamente prematuro

y embrionario, representando un alto riesgo de inversión para empresas consolidadas ó
emprendedores externos, la creación de spin off ó el licenciamiento de la tecnología a una
start up5 puede ser una alternativa para la comercialización universitaria (Shane, 2004a).
De este modo, el científico universitario puede ser el emprendedor que funde y dirija una
nueva compañía, se involucre como principal asesor técnico y/o mantenga una
participación accionaria en la nueva empresa (Siegel et al., 2003d). Existen diversos
motivos para que los científicos emprendan una experiencia empresarial aparte del
rendimiento financiero, estos incluyen auto realización, atributos personales, sentido de
independencia, mayor prestigio entre colegas, y promoción universitaria (Di Gregorio y
Shane, 2003; Lockett y Wright, 2005a).

Las spin offs pasan por diferentes períodos críticos en su proceso de maduración, y en
cada etapa la disponibilidad de recursos tales como capital semilla, joint ventures y OTTs
suele ser crucial para su eventual éxito (Vohora et al., 2004; Wright et al., 2004b; Wright et
al., 2007). Asimismo, es común que el desarrollo de spin offs sea patrocinado con el apoyo
de incubadoras y parques científicos afiliados a las universidades. Así las universidades
proveen de capital humano especializado, instalaciones especializadas y experiencia en el
área tecnológica (Bercovitz y Feldman, 2006). A su vez, de acuardo a Link y Scott (2005),
la aglomeración de spin offs o startups alrededor de una universidad puede fomentar la
creación de clusters especializados de alta tecnología con efectos colaterales positivos en
términos de conocimiento y desarrollo económico regional (Ver tabla 8. Anexo I).

En conclusión, la revisión del modelo tradicional nos permite hacer una síntesis de los
elementos más relevantes de la transferencia tecnológica académica (ver tabla 1.1).

5
Roberts (1991) identifica el grado de dependencia sobre las tecnologias obtenidas en: directa, parcial o
vaga. De este modo la Asociación de Administradores de Tecnología en Universidades (AUTM) define a las
empresas como spin off (relación formal que involucra a miembros de la facultad originaria de la invención);
start ups (relación informal que puede o no incluir miembros académicos), y start ups con relación no
institucionalizada y vaga.

15
Tabla 1.1. Resumen de las principales características de la transferencia de tecnología

Elemento TT Descripción
Tipos de Dentro de una misma empresa v.g. entre divisiones
transferencia Entre diferentes empresas v.g. multinacionales
tecnológica Inter-organizativa v.g. universidad y empresa)
Individual
Niveles de Organizacional
análisis Institucional
Sistémico
Científicos Universitarios
Científicos de empresas
Emprendedores empresariales
Centros de investigación cooperativa universidad-empresa
Agentes que
OTTs universitarias
intervienen
Parques científicos
Incubadoras / Aceleradoras
Empresas que interactúan con universidades
Empresas de capital de riesgo
Para la Industria: disponibilidad de infraestructura especializada y capital humano para
Ventajas llevar a cabo investigaciones de largo plazo no rentables por su alto costo de desarrollo.
Para las universidades la ventaja de reinvertir en proyectos académicos.
Restricciones presupuestarias en las universidades han propiciado la búsqueda de canales
adicionales de financiación proveniente de la Industria
Legislación que permite la apropiación de fondos federales
Razones
Alta sofisticación en tecnologías necesarias para nuevos descubrimientos.
Los programas de transferencia de tecnología son un vehículo para transferir productos de
investigación al público
Mayor ingreso para las universidades
Mayor desarrollo económico por creación de empresas de alta tecnología
Beneficios sociales por aportaciones científicas que mejoran el entorno colectivo
Formación de capital humano de alto nivel.
Financiación para investigación adicional
Beneficios
Adquisición de experiencia en el licenciamiento y negociaciones contractuales con la
industria
Puede ser una herramienta de mercadotecnia para atraer estudiantes, facultad, financiación.
Obtener mayor prestigio y reputación “efecto halo” Empleos de alta calidad y desarrollo
regional
Diferencias culturales entre empresarios y académicos
Dificultades Información asimétrica entre la ciencia e industria por el valor de las innovaciones
Bajo presupuestos en la OTTs para gastos de PI y TT
Baja probabilidad de éxito en tecnologías embrionarias
Menor calidad de publicaciones entre los científicos
Transferencia no autorizada de materiales
Riesgos Dilatación para divulgar y publicar descubrimientos
Descuido de la misión básica de la universidad de difundir el conocimiento y la
investigación.
Riesgo de que los científicos emigren a la industria
Conflictos de interés entre las partes
Bajos pagos de salario a los estudiantes y apropiación de beneficios de los investigadores
principales
Inconvenientes Altos costos de transacción y búsqueda
Costos para profesionalizar y desarrollar capacidades gerenciales
El arreglo institucional para comercializar las invenciones de las universidades puede no ser
socialmente óptimo (Kenney y Patton, 2009)
Sectores donde Computación y tecnologías de la información, biotecnología y ciencias de la vida,
se ha estudiado nanotecnología, materiales, ingenierías, ciencias físicas, medicina.
Países EUA, Reino Unido, Unión Europea, China, Japón, Corea, Singapur, Israel.
Metodologías Cualitativas: entrevistas, revisión documental y Cuantitativas: encuestas, cuestionarios

16
 Técnicas Paramétricas: OLS, tobit, logit, binomial negativa, estocástica de frontera y no paramétricas:
Estadísticas DEA
Fuente: En base a Mc Devitt et al. (2014) y elaboración propia.

Es notable resaltar que la lista de beneficios y ventajas sobrepasa a los inconvenientes y

dificultades que enfrentan los agentes involucrados en los procesos de transferencia. Aún
así, el modelo tradicional de transferencia tecnológica universitaria (TTU) que se ha
analizado, ha sido objeto de numerosas críticas, en consecuencia, se han elaborado
diversos modelos alternativos y mixtos que buscan complementar atributos observados en
la TTU (Abreu, 2013; Perkmann et al., 2013). Dentro de las principales observaciones
encontradas en la literatura al modelo tradicional podemos citar las siguientes:

(a) El estricto sentido lineal del modelo impide observar procesos de interdependencia
entre los agentes así como relaciones de red y contactos personales entre científicos
universitarios e industriales que usualmente mantienen una relación de largo plazo. Para
Lita Nelsen, directora de la OTT del MIT, el proceso de TT es semejante a una “cadena
alimenticia”, la cual se sustenta en delicados equilibrios y una constante retroalimentación
entre los diferentes factores que componen el proceso (Shane, 2004a). De igual forma, el
modelo no distingue que la TT puede ser muy diferente entre industrias con trayectorias
históricas diversas v.g. biotecnología y óptica (Bradley et al., 2013).

(b) El modelo tradicional enfatiza los mecanismos formales de transferencia que

incluyen las notificaciones de invento, patentes, licencias y spin offs. Sin embargo, los
mecanismos informales de transferencia de tecnología, aunque difíciles de cuantificar
(Debackere & Veugelers, 2005), han cobrado un interés creciente en la literatura (Hayter,
2011; AUTM, 2012; Perkmann et al., 2013). Estos incluyen consultoría, contactos
informales, publicaciones conjuntas entre la universidad y la industria, participación
conjunta en congresos, seminarios.etc.

(c) El contexto de la legislación americana (la ley Bayh-Dole) sirve de marco de

referencia para la mayoría de los análisis empíricos sobre el desempeño en TT
universitaria. De este modo, la mayor parte de los estudios se enfocan en experiencias en
EE UU (Kenney y Patton, 2009; Bradley et al., 2013).

A pesar de lo anterior, después del año 2000 ha surgido alrededor del modelo teórico
tradicional una vasta y productiva literatura, como arriba se ha observado, de trabajos
empíricos que han buscado contrastar gran parte de los planteamientos teóricos planteados.
Es posible señalar, que estas herramientas conceptuales pueden ser usadas en países menos

17
avanzados, los cuales reciéntemente han iniciado procesos de TTU. Es de esperarse que en
la medida que la TTU se consolide y madure, modelos más avanzados sean adaptados y
verificados empíricamente en los países en desarrollo. En tanto, este trabajo adapta como
un ejercicio inicial el modelo teórico tradicional de TTU al caso específico de México.

1.3. OBJETIVO GENERAL

En comparación con EEUU y Europa, la transferencia de tecnología es un fenómeno

relativamente reciente en México. A pesar de que la transferencia de tecnología
universitaria junto a una mayor vinculación academia-industria juegan un papel
fundamental en los lineamientos plasmados en los programas de en ciencia y tecnología en
México para el período 2008-2012 (PECITI, 2008); no existe hasta la fecha ningún estudio
empírico sobre los determinantes de la transferencia de tecnología en el país. En este
documento que se cita en el Plan Nacional de Desarrollo 2007-2012 se señala la
obligatoriedad de la utilización de métodos de evaluación del desempeño como un
instrumento para la mejora en la gestión sobre transferencia y vinculación. Si bien se han
publicado informes sobre las barreras encontradas en México que inhiben la TT (ver tabla
1.2), las cuales incluyen las acciones compensatorias a seguir por diferentes actores para
mejorar la TT, no existen informes con datos a nivel agregado ni estudios empíricos
académicos que hayan evaluado este fenómeno.

Asimismo, en el año 2008 se realizaron modificaciones a la Ley de Ciencia y

Tecnología para introducir las figuras de Unidades de Vinculación y Transferencia de
Conocimiento (UVTC) para impulsar proyectos de innovación. Además, el Consejo
Nacional de Ciencia y Tecnología (CONACYT, 2008) y la Asociación Mexicana de
Directivos de la Investigación Aplicada y el Desarrollo Tecnológico (ADIAT, 2008)
emprendieron el estudio para la implantación de un modelo de transferencia de tecnología
para México.

El anterior trabajo constituye uno de los pocos estudios realizados sobre el tema y
buscaba comparar diversos esquemas internacionales que pudieran servir de base en la
construcción de un modelo propio. El mencionado estudio fue una continuación natural de
otro análisis comparativo realizado en 2006 sobre los sistemas nacionales de innovación
entre México y España (ADIAT 2007). En el año 2006 funcionaban alrededor de 70
oficinas de transferencia de conocimiento en universidades, institutos, centros de

18
investigación y oficinas regionales dentro del país ibérico; por su parte, en México no
existía ninguna institución que cumpliera los requisitos mínimos para el establecimiento de
una oficina de transferencia de tecnología.

Tabla 1.2. Diagnóstico de la transferencia de tecnología en México

Acciones Responsable de la
Brechas Comentarios
compensatorias Gestión Acción
Se requiere de un organismo de
Falta de cultura de Programa de intermediación como la OTT, que
transferencia de promoción de promueva los beneficios de la TT entre los
Gobierno OTT
tecnología en transferencia de investigadores y documente y evalúe sus
IES y CPI
investigadores tecnología. proyectos tecnológicos para llevarlos al
mercado.
Definición e
implementación
Débil protección de de un manejo
Nuevamente, las OTT como organismo
la propiedad intensivo de
deben contar con profesionales de la
intelectual y escaso propiedad
propiedad intelectual que puedan dar
apoyo en su intelectual. IES y CPI OTT
asesoría a investigadores, además de
manejo (pocas
gestionar los derechos ante las autoridades
invenciones Programa de
correspondientes, cuando sean viables.
protegidas). cultura de respeto
a la propiedad
intelectual.
Adicionalmente a los incentivos existentes
para investigadores en el desarrollo de
Falta de apoyos e
Programa de ciencia básica, se requiere fomentar la
incentivos a la TT
incentivos a la IES y investigación aplicada y su transferencia a
y de infraestructura Gobierno
investigación CPI las empresas, así como apoyo del gobierno
informática
aplicada. para la conformación de organismos como
dedicada.
las OTT que manejen la infraestructura
informática.
Es indispensable asegurar el retorno de la
Mejora en la
inversión en I+D+i, sea cual sea su monto,
eficiencia del Revisión del
lo cual se puede realizar por medio de la
manejo de los marco regulatorio
transferencia de tecnología, mejorándola
recursos y apoyos y programas de
IES y competitividad de las empresas. En este
financieros para la incentivos a la Gobierno
CPI contexto, el establecimiento de una OTT
I+D+i, e transferencia de
coadyuva a la eficiencia al detectar
incremento en los tecnología.
oportunidades y llevar los desarrollos
mismos.
tecnológicos al mercado.
Fuente: ADIAT 2008

El estudio de ADIAT (2008) señala las barreras encontradas en el sistema de

transferencia de tecnología en México. En este contexto, sobresalen un marco legal y
administrativo en proceso de cambio, la falta de visión innovadora, falta de experiencia en
el manejo de la propiedad intelectual, bajos niveles de absorción tecnológica, una falta de
cultura emprendedora y la investigación aplicada desconectada de las necesidades
prioritarias actuales. Este estudio también identifica las limitaciones en la demanda, oferta,
intermediación y entorno de la transferencia de tecnología en México. Sin embargo, es

19
necesaria la elaboración de estudios teórico-empíricos enfocados en explicar el fenómeno
de la transferencia de tecnología en México, de ahí que este trabajo tenga como objetivo
general la explicación sistematizada de este fenómeno en el país. La búsqueda de la
respuesta a este objetivo general nos lleva a plantear tres preguntas específicas:

(1) ¿Cuáles son los determinantes que explican y predicen los resultados en materia de
transferencia tecnológica universitaria en México?
(2) ¿Qué variables explican y predicen la formación de spin offs y empresas
universitarias a partir de la transferencia tecnológica universitaria en México?
(3) ¿Cuáles son los niveles de productividad y eficiencia en las unidades de TT en IES y
CPIs en México?

El desarrollo de esta tesis ha buscado responder a estas incógnitas en los siguientes tres
capítulos. El primer capítulo introduce un marco de referencia alrededor de la transferencia
de tecnología universitaria. Esta tesis presenta varios modelos de transferencia de
tecnología universitaria para su aplicación en países con menos grado de desarrollo
tecnológico. Utilizando el modelo básico teórico de TTU (Siegel et al., 2004), se
desarrollan tres modelos teórico-empíricos, para responder a la pregunta de investigación
general sobre ¿Qué determina y explica el proceso de transferencia tecnológica y
universitaria en México?

El segundo capítulo busca señalar los determinantes de la transferencia de tecnología

universitaria en México. Este capítulo postula siete hipótesis, basadas en la teoría de los
recursos y capacidades de la empresa. La primera hipótesis señala al capital humano como
determinante positivo en la TTU. La segunda hipótesis señala que un mayor número de
patentes en la cartera de la universidad predice de manera positiva los resultados de la
TTU. La tercera hipótesis enfatiza que la experiencia y el tamaño del personal trabajando
en las oficinas de transferencia de tecnología (OTT´s) inciden de forma positiva en la TTU.
La cuarta hipótesis señala que la cantidad de fondos públicos para investigación y
desarrollo (I+D) impactan positivamente en la TTU. La quinta hipótesis señala que una
mayor proporción de regalías asignadas al inventor fomenta positivamente la TTU. La
sexta hipótesis señala que la existencia de una regulación institucional alienta
positivamente la TTU. Y por último la séptima hipótesis hace énfasis en que el desarrollo
de capacidades gerenciales en las OTT´s incide positivamente en la TTU.

Para contrastar las hipótesis anteriores, este segundo capítulo utiliza dos modelos. El
primer capítulo utiliza un modelo log lineal con la variable dependiente el logaritmo
20
natural del gasto privado para I+D. Los resultados señalan que el gasto público en I+D y el
esfuerzo para la solicitud de patentes inciden positivamente en generar mayor inversión
privada para I+D. El segundo modelo sigue la distribución de Poisson con transformación
de Box-Cox, el cual arroja resultados que indican que la aplicación por patentes, el gasto
público para la investigación y el desarrollo, la experiencia en transferencia de tecnología
universitaria y el tipo de universidad (pública o privada) son determinantes para explicar la
generación de contratos entre las universidades y la industria.

El tercer capítulo se refiere a los determinantes de la creación de spin offs. Este capítulo
toma como referencia factores relacionados con las organizaciones, instituciones y el
contexto ambiental para resolver el segundo objetivo sobre los determinantes que explican
la creación de spin offs. Este análisis explica que la trayectoria histórica, la cultura pro
empresarial, el tipo de universidad (privada o pública), el número de aplicación por
patentes y el gasto público en I+D, inciden positivamente en la generación y creación de
este tipo de empresas. Este capítulo señala que la existencia de las recién inauguradas
oficinas de transferencia de tecnología (OTT´s), la calidad de las entidades académicas, la
disponibilidad de financiación y el grado de intensidad regional en I+D no parecen tener
efectos significativos sobre los resultados de la TTU. Así, junto con factores ya analizados
en el segundo capítulo, en éste se incorporan nuevas hipótesis relacionadas con la calidad
de las instituciones de educación superior (IES), la trayectoria histórica y la disponibilidad
de financiación como determinantes de la generación de empresas de base tecnológicas
universitarias. Para contrastar las hipótesis se utilizan varias estimaciones del modelo
binomial negativo de datos agrupados tipo micropanel. Los resultados señalan que la
trayectoria histórica, la cultura pro empresarial de las IES, el esfuerzo por patentar y el
gasto público para I+D, son determinantes para explicar la creación y generación de
empresas spin off en México.

El cuarto y último capítulo utiliza las variables dependientes del segundo capítulo, es
decir el gasto y número de acuerdos universidad-industria para evaluar los niveles de
eficiencia y productividad de las unidades de transferencia de tecnología universitaria en
México. De la misma manera, en este capítulo se retoman las variables independientes del
gasto público para I+D (capítulos 2 y 3) y el tamaño del staff de las OTTs (capítulo 2), así
como el gasto en propiedad intelectual para medir mediante un modelo de envolvimiento
de datos (DEA) y un modelo estocástico de frontera (SFE), los niveles de eficiencia
productiva de los centros públicos de investigación (CPI´s) y de las principales

21
universidades en México. Los resultados arrojan una alta uniformidad en la eficiencia de
las unidades de TT en México, asimismo se observa que entre los períodos 2012 y 2013
solamente hubo un ligero desplazamiento global de la frontera productiva equivalente al
1.1%

A lo largo de este trabajo se ha logrado identificar los principales factores que explican
la TTU en México. Este trabajo seminal, busca abrir nuevas líneas de investigación
teóricas y empíricas en el país. Los diseñadores de las políticas públicas universitarias y
tecnológicas en México, deberían observar este estudio como base para el establecimiento
de nuevas reglamentaciones institucionales y organizativas en materia de transferencia de
tecnología universitaria.

22
BIBLIOGRAFÍA

Aboites, J., Cimoli, M. (2002). Intellectual property rights and national innovation systems
- Some lessons from the Mexican experience. Revue d'économie industrielle, 99(1),
215-232.

Aboites, J., Soria, M. (2008). Economía del conocimiento y propiedad Intelectual,

Lecciones para la economía mexicana. México: Universidad Autónoma
Metropolitana, Siglo XXI.

Abreu, M., Grinevich, V. (2013). The nature of academic entrepreneurship in the UK:
Widening the focus on entrepreneurial activities. Research Policy, 42, 408-422.

ADIAT (2007). Estudio comparativo de los sistemas de innovación México-España.

México: Asociación Mexicana de Directivos de la Investigación Aplicada y el
Desarrollo Tecnológico-ADIAT.

ADIAT (2008). Desarrollo de un modelo de transferencia de tecnología para México.

México: Asociación Mexicana de Directivos de la Investigación Aplicada y el
Desarrollo Tecnológico-ADIAT.

ADIAT (2010). Oficinas de Transferencia de Tecnología. Fundamentos para su

Formación y operación en México. México: Asociación Mexicana de Directivos de la
Investigación Aplicada y el Desarrollo Tecnológico-ADIAT.

Agmon, T., Von Glinow, M. (1991). Technology Transfer in International Business.

Oxford, UK: Oxford University Press.

Agrawal, A. (2001). University-to-industry knowledge transfer: literature review and

unanswered questions. International Journal of Management Reviews, 2(4), 285-302.

Allen, T. J., Tushman, M.L., Lee, D. M. (1979). Technology transfer as a function of

position in the spectrum from research through development to technical services.
Academy of Management Journal, 22(4), 694-708.

Amesse, F., Cohendet, P. (2001). Technology transfer revisited from the perspective of the
knowledge based economy. Research Policy, 30, 1459-1478.

Anderson, T., Daim, T., Lavoie, F. (2007). Measuring the efficiency of university
technology transfer. Technovation, 27, 306-318.

23
Audretsch, D. B., Lehmann, E. E., Warning, S. (2005). University spillovers and new firm
location. Research Policy, 34, 1113-1122.

Autio, E., Laamanen, T. (1995). Measurement and evaluation of technology-transfer

review of technology-transfer mechanisms and indicators. International Journal of
Technology Management, 10(7–8), 643–664.

AUTM. (2012). Licensing Activity Survey. Deerfield, IL. USA: Association of University
Technology Managers.

ASTP. (2010). Summary Respondent Report: ASTP Survey for Fiscal Year 2008. Leiden:
Association of European Science and Technology Transfer Professionals.

Axanova, L. (2012). U.S. Academic technology transfer models: traditional, experimental

and hypothetical. Les Nouvelles, 2, 125-137.

Baldini, N. (2009). Implementing Bayh–Dole-like laws: faculty problems and their impact
on university patenting activity. Research Policy, 38, 1217–1224.

Bercovitz J., Feldmann, M. (2006). Entrepreneurial universities and technology transfer: A

conceptual framework for understanding knowledge-based economic development.
Journal of Technology Transfer, 31, 175-188.

Boardman, C. P. (2008). Beyond the stars: The impact of affiliation with university
biotechnology centers on the industrial involvement of university scientists.
Technovation, 28, 291-297.

Bok, Derek. (2003). Universities in the Marketplace: the Commercialization of Higher

Education. New Jersey: Princeton University Press.

Bozeman, B. (2000). Technology Transfer and Public Policy: a review of research and
theory. Research Policy, 29, 627-655.

Bozeman, B., Fay, D., Slade, C. (2013). Research collaboration in universities and
academic entrepreneurship: the-state-of-the-art. Journal of Technology Transfer, 38,
1–67.

Bradley, S., Hayter, C., Link, A. (2013). Models and methods of university technology
transfer. Working Paper. 13-10. June. The University of North Carolina Greensboro,
1-73.

24
Bray, M. J., Lee, J. N. (2000). University Revenues from Technology Transfer Licensing
Fees vs. Equity Positions. Journal of Business Venturing, 15, 385-392.

Cabrero, E., Cárdenas, S., Arellano, D. Ramírez, E. (2011). La vinculación entre la

universidad y la industria en México. Una revisión a los hallazgos de la Encuesta
Nacional de Vinculación. Perfiles Educativos. Revista de la Universidad Nacional
Autónoma de México, 23, 186-199.

Caldera, A., Debande, O. (2010). Performance of Spanish universities in technology

transfer: An empirical analysis. Research Policy, 39, 1160-1173.

Carayannis, Elias G., Rogers, E.M., Kurihara, K., Allbritton, M.M. (1998). High
technology spin-offs from government R&D laboratories and research institutes.
Technovation, 18(1), 1-10.

Chiesa, V., Piccaluga, A. (2000). Exploitation and diffusion of public research: the case of
academic spin-off companies in Italy. R&D Management, 30(4), 329-339.

Clarysse, B., Wright, M., Lockett, A., Mustar, P., Knockaert, M. (2007). Academic spin-
offs, formal technology transfer and capital raising. Industrial and Corporate Change,
16(4), 609-640.

Clarysse, B., Tartari ,V., Salter, A. (2011). The impact of the entrepreneurial capacity,
experience and organizational support on academic entrepreneurship. Research Policy,
40, 1084-1093.

Cohen, W. M., Florida, R., Randazzese, L., Walsh, J. (1998). Industry and the academy:
uneasy partners in the cause of technological advance. In: Roger, Noll. (Ed.),
Challenges to Research Universities. Washington, DC: The Brookings Institution,
171-199.

Colombo, M. G., Delmastro, M. (2002). How effective are technology incubators?

Evidence from Italy. Research Policy, 31, 1103-1122.

Colyvas, J., Crow, M., Gelijns, A., Mazzoleni, R., Nelson, R., Sampat, B. N. (2002). How
Do University Inventions Get into Practice? Management Science, 48(1), 61-72.

CONACYT. (2008). Informe General del Estado de la Ciencia y Tecnología. México:

CONACYT.

25
CONACYT. (2010). Informe General del Estado de la Ciencia y Tecnología. México:
CONACYT.

Coupe, T. (2003). Science Is Golden: Academic R&D and University Patents. Journal of
Technology Transfer, 28(1), 31-46.

Correa, C.M. (1999). Trends in technology transfer –implications for developing countries.
Science and Public Policy, 21(6), 369.

Crow, M., Bozeman, B. (1998). Limited by Design: R&D Laboratories in the US National
Innovation System. New York: Columbia University Press.

Dasgupta, P.; David, P. A. (1994). Toward a new Economics of Science. Research Policy,
23, 487-521.

Debackere, K., Veugelers, R. (2005). The role of academic technology transfer

organizations in improving industry science links. Research Policy, 35, 321-342.

Decter, M., Benett, D., Leseure, M. (2007). University to business technology transfer –
UK and USA comparisons. Technovation, 27, 145-155.

Di Gregorio, D., and Shane, S. (2003). Why do some universities generate more start-ups
than others? Research Policy, 32, 209-227.

Erosa, V.E. (2012). Dealing with cultural issues in the Triple Helix Model implementation;
a comparison among Government, University and Business Culture.” Procedia-Social
and Behavioral Sciences, 52, 25-34.

Etzkowitz, H., Leydesforff, L. (2000). The dynamics of innovation: from National Systems
and “Mode 2” to a Triple Helix of university-industry-government relations. Research
Policy, 29(2), 109-123

Etzkowitz, H., Webster A., Gebhardt, C., Terra, B. (2000). The future of the university and
the University of the Future: evolution of ivory tower to entrepreneurial paradigm.
Research Policy, 29(2), 313-330.

Etzkowitz, H. (2002). MIT and the Rise of Entrepreneurial Science. London: Routledge.

European Commission Expert Group. (2004). Management of Intellectual Property in

Publicly Funded Research Organizations: Towards European Guidelines.
Luxembourg: European Commission.

Feldman, M.P., Feller, I., Bercovitz, J.L., y Burton, R. (2001)- Understanding evolving

26
 University-industry relationships. In Innovation Policy in the Knowledge-based
Economy (pp. 171-188). Springer US.
Feller, I., Roessner, D. (1995). What does industry expect from university partnerships:
congress wants to see bottom-line results from industry government programs, but that
is not what the participating companies are seeking? Issues in Science and
Technology, 12(1), 80.

Felsenstein, D. (1994). University-related science parks: seedbeds or enclaves of

innovation. Technovation, 14(2), 93–110.

Franzoni, C., Lissoni, F. (2006). Academic entrepreneurship, patents, and spin-offs: critical
issues and lessons for Europe. Working Paper 180. Milano, Italy: Università
Commerciale Luigi Bocconi – CESPRI.

Friedman, J., Silberman, J. (2003). University technology transfer: do incentives,

management and location matter? Journal of Technology Transfer, 28, 17-30.

Geuna, A., Nesta, L. (2006). University patenting and its effects on academic research: The
emerging European evidence. Research policy, 35(6), 790-807.

Gibson, D. V., Rogers, E. M. (1994). R&D Collaboration on Trial: The Microelectronics

and ComputerTechnology Corporation. Cambridge, MA: Harvard Business Press.

Gideon, D. M., Gideon, D., Phan, P. H., Balkin, D. B., Gianiodis, P. T. (2005).
Entrepreneurship and university-based technology transfer. Journal of Business
Venturing, 20, 241-263.

Goldfarb, B., Henrekson M. (2003). Bottom-up versus top-down policies towards the
commercialization of university intellectual property. Research Policy, 32, 639-658.

Gorschek, T., Wohlin, C., Garre, P., Larsson, S. (2006). A model for technology transfer in
practice. IEE Computer Society, 88-95.

Grandi, A.; Grimaldi, R. (2005).Academics’ organizational characteristics and the

generation of successful business ideas. Journal of Business Venturing 20, 821–845

Grimaldi, R., Kenny, M., Siegel, D., Wright, M. (2011). 30 years after Bayh-Dole:
Reassessing academic entrepreneurship. Research Policy, 40, 1045-1057

Guerrero, M., Urbano, D. (2012). The Development of Entrepreneurial University. The

Journal of Technology Transfer, 37: 47-74.

27
Harmon, B., Ardishvili, A., Cardozo, R., Elder, T., Leuthold, J., Parshall, J., Smith, D.
(1997). Mapping the university technology transfer process. Journal of Business
venturing, 12(6), 423-434.

Hayter, C.S. (2001). In search of the profit-maximizing actor: motivations and definitions
of success from nascent academic entrepreneurs. The journal of Technology Transfer,
36(3), 340-352.

Heher, A. D. (2005). Implications for technology Transfer Benchmarks for Developing

Countries. International Journal of Technology Management and Sustainable
Development, 4(3), 207-225.

Henderson, R., Jaffe, A., Tracjtenberg, M. (1998).Universities as a source of commercial

technology: A detailed analysis of university patenting, 1965-1988. The Review of
Economics and Statistics 80, 119-127.

Hindle, K., and Yencken, J. (2004). Public research commercialization, entrepreneurship

and new technology based firms: an integrated model. Technovation, 24, 794-803.

Huang, W.L., Fenney, M., Welch, E., (2011). Organizational and individual determinants
of patent production of academic scientists and engineers in the United States. Science
and Public Policy, 38(6), 463-479.

IBT. (2011). Instituto de Biotecnología. Informe de actividades 2011. México: Universidad

Nacional Autónoma de México.

Jacob, M., Lundqvist, M., Hellsmark, H. (2003). Entrepreneurial transformations in the

Swedish University system: the case of Chalmers University of Technology. Research
Policy, 32, 1555-1568.

Jeannet, J. P., Liander, B. (1978). Some patterns in the transfer of technology within
multinational corporations. Journal International of Business Studies, 3, 108–118.

Jensen, R., Thursby, M. (2001). Proofs and prototypes for sale: The licensing of university
inventions. The American Economic Review, 91, 240-259.

Jensen, R. A., Thursby, J. G., Thursby, M. C. (2003). Disclosure and licensing of

University inventions: ‘The best we can do with the s**t we get to work with'.
International Journal of Industrial Organization, 21, 1271-1300.

28
Jones-Evans, D., Klofsten, M., Anderson, E., Pandia, D. (1999).Creating a bridge between
university and industry in small European Countries: the role of the Industrial Laison
Office. R&D Management, 29(1), 47-56.

Kelley, M.R. (1997). From mission to commercial orientation: perils and possibilities for
federal industrial technology policy. Economic Development Quarterly, 11(4), 313–
328.

Kenney, M., Patton, D. (2009). Reconsidering the Bayh-Dole Act and the current
university invention ownership model. Research Policy, 38, 1407-1422.

Khabiri, N., Rast, S., Senin, A. (2012). Identifying main influential elements in technology
transfer process: A conceptual model. Procedia social and behavioral sciences, 40,
417-423.

Lach, S., Schankerman, M. (2004). Royalty sharing and technology licensing in

universities. Journal of European Economic Association, 2 (2/3), 252–264.

Lach, S., Schankerman, M. (2008). Summer. Incentives and invention in universities. The
Rand Journal of Economics, 39, 403-433.

Lee, Y., Gaertner, R., (1994). Technology transfer from university to industry: A large-
scale experiment with technology development and commercialization. Policy Studies
Journal 22(2), 370-384.

Lee, Y.S. (1998). University–industry collaboration on technology transfer: views from the
ivory tower. Policy Studies Journal, 26(1), 69–84.

Lerner, J. (2005). The University and the startup: Lesson from the past two decades. The
Journal of Technology Transfer, 30(1-2), 49-56.

Leydesdorff, L., Etkowitz, H. (1996). Emergence of a Triple helix of University-Industry-

Government Relations. Science and Public Policy, 23, 279-286.

Link, A. N., Scott, J. T., Siegel, D. S. (2003a). The economics of intellectual property at
universities: an overview of the special issue. International Journal of Industrial
Organization, 21, 1217-1225.

Link, A. N., Scott, J. T. (2005). Opening the ivory tower's door: An analysis of the
determinants of the formation of U.S. university spin-off companies. Research Policy,
34, 1106-1112.

29
Link, A.N., Siegel, D.S., y Bozeman, B. (2007). An empirical analysis of the propensity of
academics to engage in informal university technology transfer. Industrial and
corporate change, 16(4), 641-655.

Lissoni, F. (2012). Academic patenting in Europe: An overview of recent research and new
perspectives. World Patent Information, 34, 197-206.

Litan, R., Mitchell, L., Reedy, E. (2007). The university as innovator: bumps in the road.
Issues in Science and Technology, 23(4), 57-66.

Lockett, A., Wright, M. (2005a). Resources, capabilities, risk capital and the creation of
university spin-out companies. Research Policy, 34, 1043-1057.

Lockett, A., Siegel, D., Wright, M., Ensley, M. D. (2005b). The creation of spin-off firms
at public research institutions: managerial and Policy Implications. Research Policy,
34, 981-993.

Luna, K., Solleiro, J. (2007). La gestión de propiedad intelectual en centros de

investigación mexicanos: el caso del instituto mexicano del petróleo. Journal of
Technology Management & Innovation, 2(2), 157-169.

Lynn, L.H., Reddy, N.M., Aram, J.D. (1996). Linking technology and institutions — the
innovation community framework. Research Policy, 25(1), 91–106.

Macho, I., Pérez. D., Veugelers, R. (2007). Licensing of university inventions: The role of
a technology transfer office. International Journal of Industrial Organization, 25, 483-
510.

Markman, G., Gianiodis, P. T., Phan, P. H., Balkin, D. B. (2005a). Innovation speed:
Transferring university technology to market. Research Policy, 34, 1058-1075.

Markman G., Phan P., Balkin D., Gianiodis P. (2005b). Entrepreneurship and university-
based technology transfer. Journal of Business Venturing, 20, 241-263.

Markman, G., Siegel, D., Wright, M. (2008). Research and Technology

Commercialization. Journal of Management Studies, 45(8), 1401-1421.

McAdam, R., Keogh, W., Galbraith, B., Laurie, D. (2007). Defining and improving
technology transfer business and management processes in university innovation
centres. Technovation, 25, 1418-1429.

30
McDevitt, V. L., Mendez-Hinds, J., Winwood, D., Nijhawan, V., Sherer, T., Ritter, J. F.,
Sanberg, P. R. (2014). More than money: The exponential impact of academic
technology transfer. Technology and innovation, 16(1), 75.

Meyers, A. D., Pruthi, S. (2011). Academic entrepreneurship, entrepreneurial universities

and biotechnology. Journal of Commercial Biotechnology, 17, 349–357

Meyer, M. (2003). Academic entrepreneurs or entrepreneurial academics? Research-based

ventures and public support mechanisms. R&D Management, 33(2), 107-115

Mian, S. A. (1997). Assessing and Managing the University Technology Business

Incubator: An Integrative Framework. Journal of Business Venturing, 12, 251-285.

Mowery, D.C., Nelson, R.R., Sampat, B.N., Ziedonis, A. A. (2001). The growth of
patenting and licensing by U.S. universities: an assessment of the effects of the Bayh-
Dole act in 1980. Research Policy, 30, 99-119.

Mowery, D.C., Sampat, B. N. (2005).The Bayh-Dole Act of 1980 and University-Industry

Technology Transfer: A Model for Other OECD Governments. Journal of Technology
Transfer, 30,115-127.

Nerkar, A., Shane, S. (2003). When do start-ups that exploit patented academic Knowledge
survive? International Journal of Industrial Organization, 21, 1391-1410.

Nlemvo, F., Pirnay, F., Surlemont, V. (2002). A stage model of academic spin-off creation.
Technovation, 22, 281-289.

OECD. (1999). University Research in Transition, Organization for Economic Co-

operation and Development. Paris: Organization for Economic Co-operation and
Development.

OECD. (2003). Turning Science into Business. Patenting and Licensing at Public Research
Organizations. Paris: Organization for Economic Co-operation and Development.

O’Shea, R., Allen, T.J., O’Gorman, C., Roche, F. (2004). Universities and technology
transfer: a review of academic entrepreneurship literature. Irish Journal of
Management, 25(2), 11-29.

O'Shea, R., Allen, T. J., Chevalier, A., Roche, F. (2005). Entrepreneurial orientation,
technology transfer and spinoff performance of U.S. universities. Research Policy, 34,
994-1009.

31
O’Shea, R., Chugh, H., Allen, T. J. (2008). Determinants and consequences of university
spin-off activity: A conceptual framework. Journal of Technology Transfer, 33(6),
653–666.

Owen-Smith, J., Powell, W.W. (2001). To patent or not: faculty decisions and institutional
success at technology transfer. Journal of Technology Transfer, 26(1-2), 99-114.

Pavitt, K. (2001). Public policies to support basic research: What can the rest of world
learn from US theory and practice? (and what they should not learn). Research Policy,
26:317-30.

PECITI. (2008-2012). Programa Especial de Ciencia, Tecnología e Innovación 2008-

2012. México, D.F: Consejo Nacional de Ciencia y Tecnología y Gobierno Federal.

Perkmann, M., Tartari, V., McKelvey, M., Autio, E., Broström, A., D’Este, P., Sobrero, M.
(2013). Academic engagement and commercialisation: A review of the literature on
university–industry relations. Research Policy, 42(2), 423-442.

Phan, P.H., Siegel, D.S. (2006). The effectiveness of university technology transfer:
lessons learned from qualitative and quantitative research in the US and UK.
Foundations and Trends in Entrepreneurship, 2, 66–144.

Phillips, R. (2002). Technology Business Incubators: How Effective Is Technology

Transfer Mechanisms? Technology in Society, 24(3), 299-316.

Piccaluga, A., Baldessi, C., (2012). The Proton Europe Ninth Annual Survey Report
(Fiscal year 2011). Brussels, Belgium: Proton Europe.

Powers, J. B., McDougall, P. P. (2005). University start-up formation and technology

licensing with firms that go public: a resource-based view of academic
entrepreneurship. Journal of Business Venturing, 20, 291-311.

Radosevich, R. (1995). A model for entrepreneurial spin-offs from public technology

sources. International Journal of Technology Management, 10, 879-893

Rasmussen, E., Borch, O. J. (2010). University capabilities in facilitating entrepreneurship:

A longitudinal study of spin off ventures at mid-range universities. Research Policy,
39, 602-612.

RedOTRI (2011). Informe de la Encuesta de Investigación y Transferencia de

Conocimiento 2011. España: CRUE-RedOTRI.

32
Roberts, E. (1991). Entrepreneurs in High Technology. New York: Oxford University
Press.

Rogers, E., Takegami, S., Yin, J. (2001). Lessons learned about technology transfer.
Technovation, 21, 253-261.

Rosenberg, N., Nelson, R.R. (1994). American universities and technical advance in
industry. Research Policy, 23, 323–348.

Rothaermel, F. T., Thursby, M. (2005). University–incubator firm knowledge flows:

assessing their impact on incubator firm performance. Research Policy, 34, 305-320.

Rothaermel, F. T., Agung, S., Jiang, L. (2007). University entrepreneurship: a taxonomy of

the literature. Industrial and Corporate Change, 16, 691–791.

Roessner, J. D. (1993). What Companies Want From the Federal Labs. Issues in Science
and Technology, 10(1), 37-42.

Roessner, J.D., Wise, A. (1994). Public-policy and emerging sources of technology and
technical-information available to industry. Policy Studies Journal, 22(2), 349–358.

Saxenian, A. L. (1996). Regional Advantage: culture and competition in Silicon Valley and
Route 128. Boston: Harvard University Press.

Schilling, M. A. (2010). Strategic Management of Technological Innovation. (3rd Ed.)

New York: Mc Graw Hill.

Shane, S. (2001). Technological opportunities and new firm creation. Management

Science, 47, 205-220.

Shane, S. (2004a). Academic Entrepreneurship; University Spinoffs and Wealth Creation.

Cheltenham, UK: Edward Elgar.

Shane, S. (2004b). Encouraging university entrepreneurship? The effect of the Bayh-Dole

Act on university patenting in the United States. Journal of Business Venturing, 19(1),
127-151.

Siegel, D. S., Waldman, D. A., Atwater, L. E., Link, A. N. (2003a). Commercial

knowledge transfers from universities to firms: improving the effectiveness of
university–industry collaboration. Journal of High Technology Management Research,
14, 111-133.

33
Siegel, D. S., Westhead, P., and Wright, M. (2003b). Science Parks and the Performance of
New Technology-Based Firms: A Review of Recent U.K. Evidence and an Agenda for
Future Research. Small Business Economics, 20, 177-184.

Siegel, D.S., Waldman, D., Link, A. (2003c). Assessing the impact of organizational
practices on the relative productivity of university technology transfer offices: an
exploratory study. Research Policy, 32, 27-48.

Siegel, D., Westhead, P., Wright, M. (2003d). Assessing the impact of university science
parks on research productivity: exploratory firm-level evidence from the United
Kingdom. International Journal of Industrial Organization, 21, 1357-1369.

Siegel, D. S., Phan, P.H., (2004.) Analyzing the Effectiveness of University Technology
Transfer: Implications for Entrepreneurship Education. Working Paper No. 0426.
Rensselaer Polytechnic Institute, Troy, NY.

Siegel, D. S., Veugelers, R., and Wright, M. (2007). Technology transfer offices and
commercialization of university intellectual property: performance and policy
implications. Oxford Review of Economic Policy, 23(4), 640-660.

Siegel, D., Waldman, D., Atwater, L., Link, A.N. (2004). Toward a model of the effective
transfer of scientific knowledge from academicians to practitioners: qualitative
evidence from the commercialization of university technologies. Journal of
Engineering and Technology Management, 21, 115-142.

Siegel D., Wright, M. (2007). Intellectual property: the assessment. Oxford Review of
Economic Policy, 23(4), 529-540.

Slaughter, S., Leslie, L. L. (1997). Academic Capitalism: Politics, Policies, and the
Entrepreneurial University. Baltimore: Johns Hopkins University Press.

Smilor, R., Gibson, D. (1991). Accelerating technology transfer in R&D consortia.

Research Technology Management, 34(1), 44.

Solleiro, J., Castañón, L., Rosario, I. (2008). Gestión Tecnológica: conceptos y prácticas.
México: Plaza y Valdés.

Solleiro, J. L., Gaona, C. (2012). Promotion of a regional innovation system: the case of
the State of Mexico. Procedia-Social and Behavioral Sciences, 52, 110-119.

34
Spann, M., Adams, M., Souder, W. (1995). Measures of technology transfer effectiveness:
key dimensions and differences in their use by sponsors, developers and adopters.
IEEE Transactions on Engineering Management, 42 (1).

Stankiewicz, R. (1994). University firms: spin-off companies from universities. Science

and Public Policy, 21(2), 99-107

Steffensen, M., Rogers, E. M., Speakman, K. (1999). Spin-offs from Research Centers in a
Research University. Journal of Business Venturing, 15, 93-111.

Storper, M. (1995). Regional technology coalitions: an essential dimension of national

technology policy. Research Policy, 24(6), 895–913.

Thursby, J. G., Jensen, R., Thursby, M. C. (2001). Objectives, Characteristics and

Outcomes of University Licensing: A Survey of Major U.S. Universities. Journal of
Technology Transfer, 26(1-2), 59-72.

Thursby, J. G., Thursby, M. C. (2002). Who is selling the Ivory Tower? Sources of Growth
in University Licensing. Management Science, 48(1), 90-104.

Thursby, J. G., Kemp S. (2002b). Growth and productive efficiency of university

intellectual property licensing. Research Policy, 31, 109-124.

Vohora, A., Lockett, A., Wright, M. (2004). Critical junctures in the development of
university high-tech spin out companies. Research Policy, 33(1), 147-175.

Welsh R., Glenna L., Lacy, W., Biscotti D. (2008). Close enough but not too far: Assessing
the effects of university-industry research relationships and the rise of academic
capitalism. Research Policy, 37, 1854-1864.

Westhead, P. (1997). R&D `inputs' and `outputs' of technology-based firms located on and
off science parks. R&D Management, 27(1), 45-62.

Wood, M. (2011). A process model of academic entrepreneurship. Business Horizons, 54,

153-161.

Wright, M., Vohora, A., Lockett, A. (2004b). The Formation of High-Tech University
Spinouts: The Role of Joint Ventures and Venture Capital Investors. Journal of
Technology Transfer, 29(3-4), 287-310.

Wright, M., Clarysse, B., Mustar, P., Lockett, A. (2007). Academic entrepreneurship in
Europe. London: Edward Elgar.

35
Zaltman, G., Dundan, R., Holbeck, J. (1973). Innovation and Organizations. New York:
John Wiley.

Zhao, L.M.., Reisman, A. (1992). Toward meta research on technology transfer. IEEE
Transactions on Engineering management, 39(1), 13-21.

Zucker, L. G., Darby, M. R., Brewer, M. B. (1998). Intellectual human capital and the birth
of U.S. biotechnology enterprises. The American Economic Review, 88(1), 290-306.

Zucker, L. G., Darby, M. R. (2002). Commercializing Knowledge: University Science,

Knowledge Capture, and Firm Performance in Biotechnology. Management Science,
48, 138-153.

36
 CAPÍTULO 2

DETERMINANTES DE LA TRANSFERENCIA
DE TECNOLOGÍA UNIVERSITARIA

37
38
RESUMEN
Este capítulo analiza los factores predominantes en la explicación del desempeño de la
transferencia de tecnología universitaria en México, país que a partir de 2011 ha fomentado
la creación y desarrollo de Oficinas de Transferencia de Tecnología. Los datos del estudio
permiten concluir que el gasto público en I+D, la experiencia de los responsables de la
transferencia de tecnología y el esfuerzo en la solicitud de patentes son factores
determinantes; mientras que la calidad de los Institutos de Educación Superior, el número
de notificación de inventos y la regulación institucional aún no parecen desempeñar un
papel relevante en los procesos de transferencia de tecnología en México.

Palabras clave

Transferencia de tecnología universitaria, teoría de recursos y capacidades, gasto

privado para investigación y desarrollo, regulación institucional, acuerdos de colaboración
universidad-industria.

39
2.1. INTRODUCCIÓN

Entendiendo la transferencia de tecnología universitaria (TTU) como el proceso de

comercialización en el mercado de los inventos y descubrimientos protegidos
intelectualmente de las universidades y centros de investigación académicos (Shane,
2004a; Wright et al., 2007), el elevado número de artículos académicos que analizan la
transferencia tecnológica y el espíritu empresarial académico en los últimos años tiene su
origen en las ventajas resultantes observadas a partir de este fenómeno (Abreu et al., 2013;
Agarwal & Shah, 2014; Bozeman et al., 2015). Un desarrollo eficiente de ésta conlleva los
siguientes beneficios: mayores ingresos adicionales para investigación en las
universidades, la creación de fuentes de empleo de alta calidad a través de la fundación de
nuevas empresas, mejores vínculos de cooperación universidad-industria, y mayores
niveles de desarrollo económico entre regiones y naciones, entre otros (Reisman, 1989;
Zhao y Reisman, 1992; Saxenian, 1996; O’Shea et al., 2005, 2007, 2008; Caldera y
Debande, 2010; Etzkowitz y Viale, 2010, Goldstein et al., 2012; Roessner et al., 2013). En
resumen, la transferencia de tecnología (TT) es un medio hacia el desarrollo socio-
económico, una mejor calidad de vida y la creación de un sistema de valores (Reddy &
Zhao, 1990; Bozeman, 2000). Esto ha despertado de manera lógica el interés entre los
agentes vinculados con las áreas de la ciencia, educación, política, economía y fomento
industrial (Grimaldi et al., 2011; Autio et al., 2014; Link et al., 2015).

La literatura cita diversos canales de comercialización de la producción científica

universitaria, entre los que sobresalen: el número de contratos y cuantía de los ingresos en
investigación y desarrollo, el número y cuantía de los ingresos de licencias negociadas con
la industria, la cartera de patentes, el número de notificaciones y patentes obtenidas por
nuevos inventos, y el número de spin offs creadas (Siegel et al., 2003b; Chapple et al.,
2005; O’Shea et al., 2005; Chukumba y Jensen, 2005; Lach y Schankerman, 2008). Por
otro lado, entre los factores más relevantes que explican las variaciones entre las
instituciones de educación superior (IES) y los centros de investigación respecto al
desempeño en transferencia de conocimiento destacan: la calidad académica, las
notificaciones de descubrimientos a las OTTs y las aplicaciones correspondientes para la
protección intelectual de dichos inventos, la regulación y un sistema de incentivos para los
investigadores en las universidades, la intensidad en la investigación regional, la calidad y
experiencia de las oficinas de transferencia tecnológica (OTTs), el tipo de propiedad
(privada o pública) de la universidad, y la existencia de parques científicos o incubadoras

40
(Jensen y Thursby, 2001; Thursby y Kemp, 2002; Thursby y Thursby, 2002; Siegel et al.,
2003a; Di Gregorio y& Shane, 2003; Siegel et al., 2007; González et al., 2013; Guerrero et
al., 2015).

A pesar de que los análisis sobre los mecanismos y canales de transferencia de

tecnología universitaria se incrementaron en las últimas dos décadas a nivel internacional,
aún existe muy poca investigación teórica y empírica que ayuden a entender este fenómeno
en países con menores niveles de desarrollo, donde la mayoría de los estudios son de
carácter descriptivo (Cimoli, 2005; Caldera y Debande, 2010; Piccaluga y Baldesi, 2012;
Medina et al., 2014; Dutrenit y Arza, 2015). En México, algunos estudios se han centrado
en el diseño de indicadores para evaluar la competitividad del sistema nacional de
innovación como una manera de mejorar la TT (Solleiro y Castañon, 2012). Sin embargo,
estos estudios no realizan una tipología de las IES mexicanas ni su desempeño en materia
de TT. Otros estudios, se enfocan en casos particulares de modelos de vinculación y
transferencia universitaria con la industria (Rosas et al., 2015). De ahí, la necesidad de
llenar este vacío y realizar un estudio global de las IES mexicanas que realizan actividades
de TT.

Por todo ello, el objetivo de este trabajo es identificar los recursos y capacidades de las
universidades y centros de investigación que influyen en su desempeño en materia de TT.
Esto permitirá localizar las carencias de recursos y capacidades que sea necesario cubrir en
las IES para seleccionar estrategias competitivas que permitan aprovechar las
oportunidades de realizar una eficiente TT.

De esta forma, de la creciente literatura sobre TT universitaria, este estudio trata de

aportar a la búsqueda de nuevos enfoques teóricos sistémicos, a través de la identificación
de mejores constructos que incluyan a los países con menor grado de desarrollo
tecnológico. Al llevar a cabo un estudio a nivel organizativo, se identifican elementos
distintivos en el diseño de organizaciones, sistemas de incentivos y valores
organizacionales que podrían incidir en modelos conceptuales normativos en la teoría de
recursos y capacidades, la teoría de las redes sociales o la teoría evolutiva. Este trabajo
también busca profundizar en la discusión teórica acerca de los ecosistemas de innovación
en países en desarrollo y el papel que juegan las políticas públicas, las agencias federales y
agentes privados de financiación a la investigación, las universidades y centros públicos de
investigación, y los científicos con vocación de emprendimiento empresarial académico.

41
 Por otra parte, el estudio empírico sobre los determinantes de la transferencia de
tecnología permite identificar qué recursos y capacidades son significativos en los
resultados de transferencia tecnológica a nivel universidad-industria y/o centros de
investigación-industria. Al recopilar indicadores cuantitativos y cualitativos de los
principales factores que explican la transferencia tecnológica a nivel agregado en las
instituciones de educación superior y centros públicos de investigación en México durante
2012 y 2013, este artículo permite explicar los determinantes de este fenómeno
relativamente nuevo en este país, el cual hasta fechas recientes (2011), no inició procesos
de divulgación y comercialización de las innovaciones realizadas en sus universidades y
centros de investigación.

La siguiente sección recoge la fundamentación teórica y las hipótesis a contrastar.

Posteriormente se presentan los datos recopilados y la metodología a utilizar. La siguiente
sección analiza los resultados obtenidos, y finalmente una última sección presenta la
discusión, conclusiones y futuras líneas de investigación.

2.2. MARCO TEÓRICO

El estudio y análisis de la TT universitaria se ha abordado desde diferentes perspectivas

teóricas como son la institucional, organizativa y evolutiva, entre otras (O’Shea et al.,
2004; Mustar et al, 2006; Rothaermel et al., 2007; Bradley et al., 2013; Bozeman et al.,
2015). De entre ellas, en este trabajo seguimos el enfoque de recursos y capacidades de la
empresa, no sólo porque es una de las teorías que en reiteradas ocasiones se ha aplicado
para contrastar empíricamente los resultados en materia de transferencia (Lockett et al.,
2001, 2004, 2005a), sino porque este enfoque teórico nos permite determinar qué recursos,
capacidades, habilidades y rutinas son cruciales para lograr un desempeño eficiente entre
las entidades académicas universitarias involucradas en TT (O’Shea et al., 2005).

Esta teoría hace énfasis en qué diferentes conjuntos de recursos crean condiciones
únicas que explican niveles de desempeño diferenciado entre las empresas a lo largo del
tiempo, lo que conduce a algunas organizaciones a alcanzar ventajas competitivas
sostenibles (Montgomery y Wernerfelt, 1988; Barney, 1991, 2001), aunque asume que
existen imperfecciones en el mercado que dan lugar a recursos heterogéneos y a un
carácter diferenciado entre las empresas (Dierickx y Cool, 1989). Aún y cuando esta teoría
se desarrolló originalmente en el contexto de empresas privadas que competían por obtener

42
mayores márgenes de ganancia en el mercado, su aplicación se extendió a organizaciones
universitarias involucradas en la comercialización de sus innovaciones y descubrimientos
científicos. De hecho, las universidades inmersas en el denominado espíritu empresarial
académico –academic entrepreneurship– participan activamente en diferentes mercados
demandando, por una parte, profesores y estudiantes con talento para desarrollar y
transmitir capacidades científicas y, por otro lado, ofertando inventos y tecnología al mejor
postor (Etzkowitz, 2002; Shane, 2004a).

Los inventores académicos por otra parte, suelen carecer de habilidades gerenciales para
llevar con éxito la dirección de empresas spinoffs y start ups (Samson y Gurdon, 1993;
Lockett et al., 2005b), por lo que resulta indispensable el control y manejo de una serie de
recursos y competencias, entre las que se incluyen una adecuada dotación de recursos
iniciales que permitan una adecuada incubación y maduración de las organizaciones
empresariales (Clarysse et al., 2005), la contratación de gerentes con alta experiencia
administrativa –surrogate entrepreneurs– (Radosevich, 1995; Franklin et al., 2001),
adecuados recursos organizacionales y comerciales v.g. Oficinas de Transferencia de
Tecnología (OTTs) (Shane y Stuart, 2002), y la disponibilidad de capital de riesgo y
esquemas de alianzas estratégicas – joint ventures – (Wright et al, 2004b).

Así, en el contexto de las organizaciones universitarias que participan en el

emprendimiento empresarial académico se han señalado una serie de relaciones sobre la
positiva influencia que una serie de recursos – humanos, tecnológicos, organizativos,
institucionales, financieros, y de capital social – tienen en el desempeño de la
comercialización científica (Borsch et al., 1999). Por ejemplo, respecto a los recursos
humanos, diversos estudios han señalado la importancia de la calidad del personal
académico para notificar a la OTT una mayor cantidad de inventos (Jensen, Thursby y
Thursby, 2003; Bercovitz y Feldman, 2006), así como en la formación de empresas
universitarias (Di Gregorio y Shane, 2003; O’Shea et al., 2005). En lo que respecta a los
recursos tecnológicos, aun cuando en algunos estudios las patentes no son significativas
como un factor explicativo de la TT (Powers y Mc Dougall, 2005), otros estudios si
señalan al número y grado de radicalidad de patentes como un elemento de incidencia
positiva y significativa sobre la TT (Shane, 2001). En lo referente a los recursos
organizativos, otro conjunto de estudios indican que las OTTs son un factor clave en la
comercialización de inventos universitarios (Colyvas et al., 2002; Friedman y Silberman,
2003; Belenzon y Schankerman, 2009). En lo que respecta a los recursos institucionales,

43
los fondos públicos para la investigación universitaria también han sido asociados con
mayores niveles de TT (Etzkowitz, 2002; Powers y Mc Dougall, 2005). Finalmente
mientras los recursos financieros y la disponibilidad de capital de riesgo también ha sido
asociado a mayores niveles de TT (Carlsson y Fridh, 2002; Wright, 2014); recursos
relacionados con el capital social, redes y relaciones sociales se han señalado igualmente,
como factores que positivamente impactan en la transferencia tecnológica universitaria –
TTU – (Kenney y Goe, 2004; Stuart y Ding, 2006; Mc Adam et al., 2012).

Asimismo, dentro del enfoque teórico de la RBV se ha resaltado el impacto de las

capacidades y rutinas para incrementar el desarrollo de negocios y la experiencia
acumulada en la gestión de procesos en TT (Lockett et al., 2003). Por ejemplo, se ha
señalado que mayores niveles de regalías y recompensas a inventores inciden en mayores
niveles de TT (Link y Siegel, 2005; Debackere y Veugelers, 2005). Asimismo, una
normativa y regulación organizacional proclive a una cultura pro-empresarial de las
instituciones de educación superior fomenta una mayor TT (Di Gregorio y Shane, 2003).
Por último, mayores capacidades para el desarrollo de negocios adquiridas dentro de las
OTTs resultan en un mejor desempeño en actividades de TT (Markman, Gianiodis y Phan,
2006; Phan y Siegel, 2006).

No obstante, pocos trabajos, con la notable excepción de Locket y Wright (2005a) han
abarcado los tres tipos de categorías teóricas, es decir, recursos, capacidades y rutinas para
explicar los determinantes de la transferencia de tecnología universitaria. Sin embargo, el
análisis de Locket y Wright (2005a) se circunscribe a los EE UU. De ahí, la importancia y
novedad en el diseño de nuestro modelo, que incorpora todas las características anteriores
incluyendo los recursos humanos, tecnológicos, organizacionales e institucionales. Así
como rutinas de regulación, incentivos y capacidades de desarrollo de negocios, para su
aplicación en economías ubicadas en una fase intermedia de desarrollo tecnológico.

Dada la heterogenidad de resultados de la literatura existente, en este estudio tratamos

de recopilar los factores más relevantes para construir un modelo único que explique los
procesos de TT universitarias en economías con grado intermedio de desarrollo. Con ello,
este modelo es novedoso al incluir datos de recursos organizativos con un incipiente grado
de maduración, en contraste con los análisis ya realizados en economías más avanzadas.

44
2.2.1. Recursos y la transferencia tecnológica

Los recursos intangibles que la literatura cita como relevantes en el análisis de TT

incluyen los recursos humanos, tecnológicos, organizativos y de red. Asimismo, los
recursos tangibles suelen identificarse con los activos físicos y financieros que las
empresas poseen para llevar a cabo sus procesos productivos (Rasmussen y Mosey, 2014).
Estos recursos tiene un papel clave en el desempeño de la TT universitaria (Clarysse et al.,
2005).

En primer lugar, el capital humano es un recurso clave en las universidades y

laboratorios para llevar a cabo el desarrollo de investigación avanzada y de frontera del
conocimiento (Perkmann et al., 2011; McGuirk et al., 2015). El capital humano incluye a
profesores, alumnos graduados y aquellos realizando estancias postdoctorales quienes
representan una fuente de conocimiento codificado y tácito muy especializado que suelen
trabajar en equipos altamente organizados. De hecho, se ha señalado que muchos
problemas en ciencia requieren de un conjunto de recursos cognitivos que sólo grupos muy
especializados pueden alcanzar (Wuchty et al., 2007). Estos patrones de colaboración
combinan esfuerzo, conocimiento, equipo, materiales y espacio para producir investigación
de vanguardia. De acuerdo a diversos estudios, un investigador típico en los EEUU pasa un
promedio de 52.6 horas semanales en el laboratorio universitario, llegando al extremo de
trabajar hasta 96 horas por semana (Stephan, 2012).

En un contexto de abierta competencia, las universidades se han embarcado en procesos

de atracción y retención de facultades con un alto nivel de expertise técnico y científico, en
donde la reputación suele considerarse un intangible sumamente valioso (Zucker y Darby,
2002). Esto implica considerables inversiones en la contratación de científicos “estrella”,
quienes notifican en promedio un mayor nivel de inventos y son identificados como
recursos únicos e insustituibles que representan una fuente de ventaja competitiva
sostenible, muy difícil de imitar e igualar por las universidades (Deeds et al., 1999; Lee,
2000; Boardman, 2008; Wright, 2014). La formación de un alto nivel en capital humano
también incluye el entrenamiento de científicos, intercambio de personal con
investigadores internacionales expertos y estudiantes, acceso a las redes internacionales de
investigación, técnicas de vanguardia – expertise – en áreas de ingeniería y ciencias, y la
asesoría a empresas y oficinas de gobierno en el uso y desarrollo de tecnologías (Bodas-
Freitas & Geuna, 2013).

45
 Existe el consenso de que una facultad con altas tasas de producción literaria científica
se relaciona positivamente con mayor número de inventos (Bozeman, 2000; Jensen et al.,
2003; Van Looy et at., 2004; Mosey y Wright, 2007; Stephan et al., 2015). Además, el
inventor es, por lo general, el actor mejor posicionado para identificar los posibles
licenciatarios de la tecnología; éstos por su parte, suelen exigir la participación del
científico o grupo de investigadores clave en el desarrollo del proyecto hasta su
comercialización (Markman et al., 2005a; Carree et al., 2014).

Asimismo, la literatura señala que en el área de biotecnología, mayores niveles de

talento humano están relacionados con mayores tasas de transferencia al realizar
interacciones formales e informales de conocimiento con la industria (Deeds et al., 1997;
Zucker et al., 1998). De acuerdo a Agarwal y Shah (2014), el 50% de los inventos en
biotecnología en la última década provienen directamente de entidades académicas; e
incluso, las invenciones universitarias relacionadas con motores de búsqueda y
aplicaciones por internet alcanzan el 57%. Con base en lo anterior se introduce la primera
hipótesis:

H1: El nivel de calidad del capital humano de las IES incide positivamente en la
transferencia tecnológica universitaria.

Un segundo tipo de recursos son los tecnológicos. Los recursos tecnológicos

universitarios se refieren al conjunto de medios y técnicas disponibles en las IES, estos
suelen dividirse en tangibles e intangibles. Los recursos tangibles se asocian con los
activos físicos como maquinaria, hardware, equipo de laboratorio, etc.; activos
indispensables para llevar a cabo la producción de prototipos e invenciones en los centros
de investigación. No obstante, los recursos tecnológicos intangibles son los que poseen una
preponderancia fundamental al incluir: el nivel de intensidad en inversiones I+D, sistemas
de software, el número de notificaciones que los inventores registran ante la OTT. El
inventario de descubrimientos en las OTTs suele presentarse como el insumo intermedio
que forma la base de inventos factibles de ser protegidos vía el registro para la obtención
de patentes (Jensen y Thursby, 2001; Colyvas et al., 2002; Thursby y Thursby, 2002).

Aun cuando una patente no garantiza que un producto llegue a desarrollarse e

introducirse en el mercado, simplemente representa una herramienta que salvaguarda el
potencial futuro de explotación de la innovación (Carlson y Fridh, 2002; Powers y
McDougall, 2005). Por otra parte, en un contexto de crecientes costes en propiedad
intelectual (PI), las universidades suelen poseer limitados presupuestos que las obliga a
46
realizar un cuidadoso escrutinio respecto a la decisión de proteger las invenciones recibidas
en la OTT (Siegel, Waldman et al., 2004).

No obstante, las patentes suelen considerarse señales del compromiso institucional de

las organizaciones universitarias para comercializar sus tecnologías, lo cual suele conducir
al interés por parte de inversionistas y empresas que buscan desarrollar totalmente la
tecnología hasta su explotación comercial (Powers y McDougall, 2005). Asimismo, existe
evidencia de que mayores cantidades invertidas en la obtención de patentes para consolidar
una cartera disponible para potenciales inversionistas, aumenta las actividades relacionadas
con la TT tales como licencias y fundación de spin offs (Owen-Smith y Powell, 2001; Mc
Devitt et al., 2014). A la vez, se ha demostrado que a mayores niveles de radicalidad en las
invenciones protegidas, menor es la probabilidad de imitación por parte de los
competidores, logrando consolidar por ende, ventajas competitivas sostenibles (Nerkar y
Shane, 2003; Schilling, 2010).

A pesar de que el conjunto de recursos tecnológicos suele incluir también los prototipos
en etapa embrionaria, las pruebas de concepto, modelos de utilidad y/o secretos
industriales, la literatura acostumbra utilizar las notificaciones por inventos y las patentes
como proxys para medir la fortaleza tecnológica de las IES y centros de investigación
(Silverman, 1999; Shane, 2001; Tsen y Raudensky, 2014). De esta manera, es posible
establecer que aquellas universidades con una cartera de patentes sobresaliente tanto
cuantitativa como cualitativamente, poseen una ventaja competitiva difícil de imitar y han
acumulado un conjunto de recursos tecnológicos que fomentan la multiplicación de
acuerdos de licencia, spinoffs y otros indicadores clave de desempeño en la transferencia
científica (Lockett et al. 2005a,b; Siegel et al., 2003d). Esto nos conduce a la segunda
hipótesis:

H2: Un mayor número de patentes de las IES incide positivamente en la transferencia

tecnológica universitaria.

Respecto a los recursos organizativos, estos hacen referencia principalmente a las OTTs
universitarias. Estas organizaciones son observadas como entidades intermedias entre los
diversos agentes que están involucrados en la comercialización científica; diversos autores
apuntan que estas organizaciones desempeñan un papel crucial en los procesos de
transferencia. Los profesionales dentro de las OTTs deben poseer habilidades para
identificar proyectos exitosos de comercialización, dirimir diferentes culturas
organizacionales, incentivar una cultura pro-empresarial entre la facultad, establecer
47
contactos con redes industriales de posibles licenciatarios, y lograr acuerdos que traigan un
beneficio económico y en especie para la universidad. (Fontes, 2005; Macho-Staedler et
al., 2007; Siegel et al., 2007; Caldera y Debande, 2010; Algieri et al., 2013; O’Kane et al.,
2015).

De acuerdo a un estudio realizado por Coupe (2003) en los EEUU, una universidad con
una OTT posee la expectativa de obtener un 45% más de patentes que otra universidad de
similares características, pero sin una OTT. De igual modo, dicho análisis señala que se ha
verificado empíricamente en diversos estudios controlados la relevancia de las OTTs para
fomentar una mayor comercialización académica a partir del tercer año de su fundación en
una entidad universitaria. No obstante lo anterior, no basta con la existencia de una OTT
universitaria para automáticamente aumentar los flujos de comercialización académica,
incluso se ha señalado que puede ser un impedimento para una mayor TT (Siegel,
Waldman et al., 2004). De ahí la relevancia de contar con un staff de alta calidad y con
experiencia laborando dentro de las OTTs.

Así, Markman et al. (2005a, 2005b, 2006) en una serie de estudios, señalan la necesidad
de profesionalizar a los agentes que trabajan dentro de las OTT para aumentar el número
de notificaciones de inventos de parte de los académicos. Lo anterior implica profesionales
que logren dirimir problemas de agencia e información asimétrica entre académicos,
empresarios y la propia universidad. La búsqueda de posibles clientes que adquieran el
derecho de utilizar la tecnología debe complementarse con el esfuerzo por convencer al
inventor de su participación hasta el desarrollo final del proyecto comercial. De acuerdo a
estos autores, se debe aumentar los beneficios económicos al staff dentro de las OTT para
mejorar la contratación de personal calificado y su desempeño.

Asimismo, otra serie de análisis coinciden en subrayar que mayores gastos en propiedad
intelectual y regalías a los investigadores debe acompañarse de un mayor staff altamente
calificado laborando en las OTTs para una efectiva TT (Friedman y Silberman, 2003; Lach
y Schankerman; 2004; Link y Siegel, 2005). Se sugiere la profesionalización en técnicas de
negociación, mercadotecnia y administración de portafolios para mejorar el desempeño de
las OTTs (Phan y Siegel, 2006). Lo anterior conlleva una curva de aprendizaje y capacidad
de absorción que usualmente requiere significativos períodos de tiempo (Agrawal, 2001;
Siegel et al., 2003a). De este modo se presenta la tercera hipótesis:

H3: El tamaño del staff trabajando en una OTT de las IES incide positivamente en la
transferencia tecnológica universitaria.
48
 Finalmente, los recursos financieros incluyen los fondos públicos para impulsar
proyectos en ciencia y tecnología, los cuales representan un valioso recurso para las IES en
su misión por aumentar los montos de investigación y la posterior colocación en el
mercado de los resultados de dicha investigación. En las últimas décadas el enfoque de la
misión de las universidades en la sociedad se ha transformado radicalmente, pasando de ser
entidades generadoras de investigación básica a participar activamente en el desarrollo
económico (Etzkowitz y Viale, 2010). Diversos estudios académicos a principios de la
década del 2000, señalan una mayor valoración de las ciencias aplicadas como
biotecnología, ciencias aplicadas e ingenierías entre el sector industrial respecto a ciencias
como matemáticas y física (Cohen et al., 2002; Mowery y Sampat, 2005). En respuesta, los
gobiernos interesados en fomentar la actividad industrial y la innovación tecnológica han
canalizado significativos recursos públicos a las universidades y centros de investigación.
De acuerdo al Banco Mundial, EEUU asignó un promedio del 2.79% de su producto
interior bruto (PIB) a I+D durante el período 2005 a 20126. Así, las cantidades asignadas a
instituciones académicas provenientes de fuentes públicas ascendieron a US$ 39.9 mmdd
en 2013 en EEUU7 a través de diversas agencias incluyendo los institutos nacionales de
salud (NIH), la fundación nacional de las ciencias (NSF), y el departamento de energía
(DOE). Entre otros destinos, estos recursos financieros han sido utilizados para crear
institutos de investigación y laboratorios de alta tecnología (Caryannis, 1998; Stephan,
2012).

Después de EEUU, la zona del Euro fue la que más canalizó recursos a actividades de
I+D en el mismo período equivalentes a 2.14%. En contraste, en América Latina solamente
se invirtieron recursos equivalentes a 0.87% de su PIB; incluso, en el caso de México, el
porcentaje asignado fue menor, alcanzando tan solo 0.43% respecto a su PIB.

De acuerdo a Mowery y Nelson (2015), mayores niveles de inversión pública para I+D
conlleva mayores niveles de descubrimientos con alto potencial industrial, lo cual implica
un mayor conjunto de invenciones protegidas susceptibles de ser comercializadas a través
de la transferecia tecnológica universitaria (Grimaldi et al., 2011). Por ejemplo, el 80% de
los fondos para investigación biomédica que resultan en nuevas invenciones provienen de
fuentes públicas (Light et al., 2012). De esta manera se presenta la siguiente hipótesis:

6
www.worldbank.org [consultado 17/08/2015]
7
www.autm.net [consultado 28/1/2015]

49
 H4: La cantidad de fondos públicos para I+D de las IES incide positivamente en la
transferencia tecnológica universitaria.

2.2.2. Las rutinas, capacidades y la transferencia tecnológica universitaria

Por tradición, las universidades poseen una cultura organizativa que refleja una serie de
valores y normas que resaltan la enseñanza, la investigación básica y la transmisión del
conocimiento a través de publicaciones especializadas como los fines máximos de estas
instituciones educativas. Las universidades que han incorporado como misión adicional el
desarrollo económico a través de la comercialización de sus inventos han añadido a su
sistema de valores, esquemas que recompensan la aplicación de la ciencia aplicada,
acuerdos de colaboración con la industria y la obtención de recursos externos para I+D
(Siegel et al., 2003a; Perkmann et al., 2013).

De este modo, la literatura subraya la importancia de la emisión de una regulación que

establezca normas y procedimientos ad hoc entre inventores y las organizaciones
patrocinadoras de conocimiento para un eficiente desempeño en materia de transferencia
tecnológica (Debackere et al., 2005; Lach y Schankerman, 2008). Estas incluyen la
regulación en los contratos de I+D, conflictos de interés potenciales entre las partes,
normativa sobre derechos de autor en las publicaciones y el establecimiento del porcentaje
asignado en regalías a los inventores.

Algunas universidades han planificado un ventajoso programa de regalías al

investigador buscando incentivar la creatividad y producción de los académicos. Incluso,
algunas universidades que ofrecen menores porcentajes en regalías, buscan estrategias de
mayor comercialización de sus invenciones vía la creación de spin offs fundadas por
académicos (Di Gregorio y Shane, 2003). En resumen, las acciones encaminadas a crear un
esquema de regalías intentan aumentar las ventajas competitivas de las universidades a
través del aumento de la base de recursos tecnológicos que inicia, como ya se ha
mencionado, con el número de notificaciones de inventos que los investigadores registran
ante las OTTs (Friedman y Silverman, 2003; Siegel, Waldman et al., 2004; Debackere et
al., 2005; Lach et al., 2008). Con base en lo anterior se plantea la siguiente hipótesis:

H5: Una mayor proporción de regalías (%) asignadas al inventor en las IES incide
positivamente en la transferencia tecnológica universitaria.

50
 De igual modo, la existencia de normativa en materia de regulación de conflictos de
interés entre los diferentes actores que participan en la TT ha demostrado facilitar los
procesos de comercialización de la tecnología. Ésta incluye una eficiente regulación en
acuerdos de I+D, copyrights, incentivos, fundación de empresas spin offs y/o notificaciones
de invenciones. Lo anterior constituye el establecimiento de una misión estratégico-
institucional para fomentar la comercialización académica sin interferir con las misiones
tradicionales de la universidad relacionadas con la enseñanza y la investigación
(Debackere y Veugelers, 2005; Siegel y Veugelers, 2007). Evidencia empírica muestra que
adecuados contratos y reglamentos contribuyen positivamente en una disposición de los
académicos de participar en procesos de TT vía una mayor divulgación de sus invenciones
(Jensen y Thursby, 2001).

De acuerdo a Siegel et al. (2007), dicha regulación se especifica a través de normativas

y políticas codificadas por las OTTs para dar certeza jurídica y económica a los diferentes
agentes involucrados en la TT universitaria. Aun cuando la literatura señala que la
comunidad científica no siempre se inclina por beneficios financieros directos (Abreu y
Grinevich, 2013), una clara regulación contribuye a crear una cultura que ayude a la
participación de los científicos y evite los mercados informales en TT (Phan y Siegel,
2006). De este modo se sostiene la siguiente hipótesis:

H6: La existencia de una regulación institucional adecuada en las IES incide

positivamente en la transferencia tecnológica universitaria.

Por último, la puesta en marcha de nuevos proyectos empresariales requiere de un

conjunto de habilidades y capacidades gerenciales que se adquieren a través de
conocimientos a lo largo del tiempo (Hindle y Yencken, 2004). Los académicos raramente
poseen habilidades tanto en el ámbito científico como gerencial para poder llevar a cabo
una culminación exitosa de la transferencia de tecnología. Esquemas innovadores dentro de
las OTTs incluyen la contratación de gerentes en dirección de empresas con experiencia
técnica en el desarrollo de negocios que complementen las deficiencias ligadas a los
académicos tradicionales (Franklin et al., 2001). A la vez, la literatura sugiere que la
profesionalización de las OTTs conlleva una descentralización que permita la
incorporación de expertos en diversas disciplinas vinculadas al espíritu empresarial tales
como finanzas, comercialización, propiedad intelectual y administración estratégica
(Debackere y Veugelers, 2005). En el estudio de Lockett y Wright (2005a), se diseña un
constructo que evalúa la capacidad y el aprendizaje adquirido por el personal de las OTTs

51
para desarrollar negocios, crear redes, promocionar inventos académicos – marketing –,
lograr financiación y desarrollar habilidades de negociación. El estudio concluye que
mayores niveles de habilidades adquiridas, se corresponden con niveles de TT más
eficientes. De esta manera se formula nuestra última hipótesis:

H7: El desarrollo de capacidades gerenciales en las OTTs de las IES incide

positivamente en la trasnsferencia tecnológica universitaria.

2.3. METODOLOGÍA

Nuestro estudio utiliza como contexto empírico México. Este país posee características
peculiares respecto a su sistema de innovación tecnológica. Por una parte, en términos
globales este país realiza uno de los menores niveles de inversión en I+D como porcentaje
del PIB; por otra parte, la proporción que aporta el gobierno a las actividades en ciencia y
tecnología rebasa por mucho el promedio observado en otros países miembros del OCDE,
EEUU y Asia. Es precisamente, este conjunto de características únicas lo que nos anima a
contrastar las hipótesis anteriormente planteadas.

Mientras en Japón, EEUU, o España, las empresas contribuyen en un 76.5%, 60% y

43% respectivamente al gasto en investigación científica y desarrollo experimental
(GIDE), en México este porcentaje asciende solamente al 36.8%; en contraposición, el
gobierno mexicano aporta el 59.6% de dicho gasto, en comparación al 16.4%, 33.4% y
46.5% en Japón, EEUU y España respectivamente 8. Asimismo, tal como se ha señalado,
México es el país con la más baja proporción de gasto en I+D respecto a su PIB entre los
países de la OCDE con 0.43%, cuyo promedio ascendió a 2.37% en 2012. De esta manera
en 2012, el gasto público en México destinado a financiar proyectos en ciencia y
tecnología ascendió a aproximadamente $33,327 millones de pesos equivalentes a US$
2,590 millones de dólares9.

La mayor parte de los recursos públicos en I+D son canalizados a través del sistema de
universidades públicas y privadas, así como a través de los centros públicos de
investigación regulados por el consejo nacional de ciencia y tecnología (CONACYT). De

8
https://data.oecd.org/rd/gross-domestic-spending-on-r-d.htm. OECD (2015), Gross domestic spending on
R&D (indicator). doi: 10.1787/d8b068b4-en [Consultado 03/10/2015]
9
http://www.dof.gob.mx/nota_detalle.php?codigo=5354626&fecha=30/07/2014. Diario Oficial de la
Federación. Programa Especial de Ciencia y Tecnología 2014-2018 [consultado 17/03/2015]

52
esta manera, la unidad de análisis de este estudio lo constituyen las IES mexicanas que
realizan actividades relacionadas con TT académica.

2.3.1. Muestra

La muestra está formada por 38 instituciones de educación superior. En particular, de

estas 38 IES, 21 son las universidades públicas y privadas con mayores presupuestos
asignados a investigación en México (en 2012 y 2013) y las otras 17 son centros públicos
de investigación (CPIs) de los 28 adscritos al CONACYT que llevan a cabo actividades de
TT en ciencias naturales y desarrollo tecnológico. Cabe señalar que los CPIs generan el
75% de la actividad científica, tecnológica y de formación de recursos humanos de
posgrado fuera del Distrito Federal. Los restantes 11 CPIs cuya misión se enfoca en las
ciencias sociales y humanidades no fueron encuestados, debido a la nula producción en
materia de TT.

Para recopilar información de 2012 y 2013 para la medición de las variables implicadas
en este estudio se empleó una encuesta que se solicitó a través del portal del instituto
federal de acceso a la información pública (IFAI) entre marzo y junio del 2014. Para las
universidades en provincia, se solicitó la información a través de los portales de acceso a la
información pública locales vinculados a las instituciones de educación superior dentro de
la circuscripción. Asimismo, se solicitó al CONACYT la base de datos 2012-2013 del
programa de estímulos a la innovación (PEI), principal programa del gobierno federal para
incentivar la inversión pública y privada entre las IES y las empresas en ciencia y
tecnología. Finalmente, también se solicitaron las cantidades totales que los CPIs e IES
distribuyeron en gastos de propiedad intelectual ante el instituto mexicano de la propiedad
industrial (IMPI) entre 2012 y 2013.

De las 38 instituciones a las que se les solicitó información, se obtuvieron datos

completos en 25 casos (50 observaciones en total de 2012 y 2013), ya que en 13
universidades se obtuvieron datos parciales (26 observaciones en total de 2012 y 2013).
Para corroborar la validez y representatividad de nuestra muestra se realizó la prueba U
Mann-Whitney10 para las variables: (1) gasto I+D privado – EMPRESA y EMPRESA (2) –

10
Se realizaron las pruebas Shapiro-Wilk, Anderson-Darling, Lilliefors y Jarque-Bera, las cuales rechazaron
la Ho, hipótesis nula de la normalidad en la distribución de las variables seleccionadas a un nivel de
significatividad menor al 1%

53
, (2) gasto I+D público – CONACYT y CONACYT (2) –, y (3) número de acuerdos
privados – NUMCONT y NUMCONT(2) –. Los resultados se presentan en la tabla 2.1.

Tabla 2.1 Estadísticos U de Mann-Whitney para diferencia de medias

Desv. Valor
Variable N M ín. M áx. M edia U Var. (U) Valor p Alfa
Típica Esperado

EM PRESA 26 0 56 10,028 12,261 381.5 702.0 9,476.8 0.001 0.05

EM PRESA (2) 50 653 148,141 34,161 36,064

CONACYT 26 0 45,05 12,876 12,023 396 702 9,477.0 0.002 0.05

CONACYT (2) 50 1009 205,404 39,839 42,987

NUM _CONT 26 0 23 5.885 6.212 347.5 702.0 9,440.12 0.000 0.05

NUM _CONT (2) 50 1 76 16.5 15.60

Nota: La muestra EMPRESA abarca los datos de las 13 universidades con datos parciales y EMPRESA (2)
abarca las 25 universidades con datos completos. Lo mismo para CONACYT y NUM_CONT

En conclusión se puede afirmar a través de esta prueba no paramétrica que existe

independencia entre las tres muestras a un nivel de significación menor al 1%. A
continuación, se introduce el diseño de las variables a utilizar dentro de los modelos a
construir.

2.3.2. Medición de las variables

En primer lugar, para medir la variable dependiente transferencia tecnológica

universitaria, se utilizaron dos indicadores. Por un lado, siguiendo a Shane (2002),
Perkmann (2007) y a Caldera y Debande (2010), se empleó el número de
acuerdos/contratos de investigación y desarrollo privados firmados entre las empresas e
IES en los periodos 2012 y 2013 a través del PEI del CONACYT (NCONTPRI). Por otro
lado, siguiendo a Thursby y Kemp (2002), Coupe (2003), y a Caldera y Debande (2010),
se tomó la cantidad monetaria en pesos mexicanos corrientes que las empresas privadas
invierten en I+D en conjunto con las IES y CPIs en México. Lo anterior medido a través
del programa de estímulos a la innovación del CONACYT (PEI), dicha cantidad es
transformada en su logaritmo natural para evitar la dispersión y sesgo de los datos. Cabe
señalar que a pesar de que en la literatura también se mencionan los ingresos por licencias
entre universidades e industria como una variable recurrentemente observada (Lockett y
Wright, 2005a), los ingresos por licenciamiento en México hasta 2013 son nulos. Lo
54
anterior debido a que existen períodos de tiempo que llegan a alcanzar hasta 5 años para el
inicio de pago de regalías producto de la efectiva comercialización en el mercado de las
tecnologías (Shane, 2004a).

En segundo lugar, pasamos a comentar la forma de medición de las variables

independientes. (1) Para la medición de la calidad del capital humano se emplearon dos
indicadores. Por un lado, se utilizó la calidad académica por universidad (Powers y
McDougall, 2005; O´Shea et al., 2005). Para ello, utilizamos una variable cualitativa tipo
dummy con base en el índice desarrollado anualmente por la revista América Economía
Intelligence, EXECUM-UNAM y el periódico Economista para establecer un ranking de
las IES en México. En este índice se incorporan indicadores incluyendo nivel de
investigación, oferta de posgrado, prestigio internacional, infraestructura, profesores de
tiempo completo, financiación pública, calidad docente. Finalmente, se diseña un índice de
calidad global para las principales universidades públicas y privadas en México. Con base
en el índice anterior se eligen los indicadores de nivel de investigación y calidad docente
para el diseño de nuestra variable. De acuerdo a este índice solamente 9 de las 25
instituciones encuestadas alcanzan un nivel de calidad de excelencia en recursos humanos,
incluyendo la UNAM, ITESM, IPN, UAM, UANL, así como los CPIs cuyos programas
académicos y de investigación alcanzan reconocimiento internacional. Por otro lado,
adicionalmente, para medir el nivel de calidad humano en las OTTs se utiliza el número de
años de experiencia en materia de TT de parte del responsable de realizar actividades de
vinculación y transferencia.

(2) Para medir la cantidad de los recursos tecnológicos, siguiendo a Thursby y Thursby
(2002) y Carlsson y Fridh (2002), se utilizaron el número de solicitudes de patentes
registradas ante las oficinas nacionales e internacionales durante los periodos 2012 y 2013
(PAT). Este indicador fue solicitado directamente a cada IES y CPIs en México a través de
la encuesta requerida a través del IFAI. Se utilizó este indicador en vez de las patentes
otorgadas dado el retraso que puede durar varios años entre el registro y la obtención del
certificado de patente. Asimismo, no se pudo acceder a la obtención del número de las
patentes vigentes en las carteras de cada una de las IES encuestadas.

(3) Para medir los recursos organizativos, se emplea una variable dummy que toma el
valor 1 si existe OTT en la IES y 0 cuando no hay OTT. Aún incluso, si existe una oficina
de vinculación industrial pero no ha sido certificada por la red de OTTs del CONACYT, el
valor que se establece es cero. Una variable adicional utilizada es el tamaño, medido por el

55
número de profesionales – staff – que labora en la OTT dentro de cada institución –
OTT_SIZE –, (Siegel et al., 2003c; Caldera y Debande, 2010; Clarysse et al., 2011).

(4) Para medir los recursos financieros se utilizó el logaritmo neperiano de la cantidad
de recursos públicos para I+D. Este indicador se obtuvo a partir del cuestionario entregado
a cada IES y CPI y fue complementada y comparada con la solicitud realizada al
CONACYT sobre los montos para el programa de estímulos a la innovación (PEI) para los
períodos 2012 y 2013. De acuerdo a Chapple et al. (2005), el número de notificaciones de
invenciones constituye un excelente proxy para el conjunto de tecnologías disponibles de
comercialización en los EE UU. Sin embargo, en países donde no existe el requerimiento
formal de los miembros de las facultades para divulgar sus invenciones, como es el caso de
Reino Unido o México, una alternativa lo constituye el ingreso para I+D público que
reciben las entidades académicas (Coupe, 2003; Friedman y Silberman, 2003; O’Shea et
al., 2005).

(5) Para medir las rutinas establecidas para incentivar a los inventores se diseñó la
variable regalias que oscila entre 0 a 100%, lo anterior en base en la regulación establecida
por las OTTs universitarias en torno al porcentaje de regalías asignadas a los inventores.
De acuerdo a la ley de ciencia y tecnología en México, este porcentaje puede llegar hasta el
70% para el inventor (Thursby y Kemp, 2002; Di Gregorio y Shane, 2003; Jensen, Thursby
y Thursby, 2003; Lockett y Wright, 2005a).

(6) Para medir las rutinas concernientes a la institucionalización de un reglamento para

fomentar la TT, se utiliza una variable dummy (REG_CONF) que identifica la existencia
de una regulación elaborada por la directiva universitaria y staff de la OTT para celebrar
contratos de I+D con la industria, y si existe una normativa documentada para la
divulgación y notificación de invenciones (Caldera et al., 2010).

(7) Para medir las capacidades en el desarrollo de negocios, siguiendo a Vohora (2004)
y a Lockett y Wright (2005a), se recogio información relativa a cinco ítemes con una
escala Likert (1=muy bajo, 5=muy alto) de los responsables de las OTTs en las
instituciones académicas sobre aspectos relacionados con: las técnicas de mercadotecnia
adquiridas para promover invenciones entre emprendedores, la capacidad para desarrollar
negocios en materia de TT, las habilidades para negociar con clientes, el fomento a la
creación de redes y networking, y la promoción de financiación en base a las habilidades
adquiridas para detectar y contratar fondos de capital de riesgo y semilla – seed capital –.

56
 Por último, hemos incluido una serie de variables de control. La literatura destaca otros
factores que inciden en la actividad de transferencia, tales como el grado de intensidad de
investigación regional y el ritmo de actividad económica en el área donde se establecen las
universidades (Saxenian, 1996; Thursby et al., 2001; Powers y Mc Dougall, 2005). Esta
variable de control es relevante en un país como México donde gran parte de la actividad
científica e industrial se concentra alrededor del Distrito Federal, en el centro del país, y en
el estado de Nuevo León, cerca de la frontera norte.

Por otra parte, diversos trabajos en la literatura apuntan que el tipo de propiedad de la
universidad (pública o privada) promueve diferentes niveles de cultura emprendedora entre
los académicos, así como una diferenciación en la flexibilidad y adecuación a los intereses
de los licenciatarios de la tecnología (Samsom y Gurdon, 1993; Siegel et al. 2003a; Jacob
et al., 2003; Hindle et al., 2004; Abbeti, 2004; Rothaermel y Thursby, 2005a; Gideon et al.,
2005). En el caso de México, sin embargo, solamente el Instituto Tecnológico de Estudios
Superiores de Monterrey está participando activamente como universidad privada en
procesos de transferencia de tecnología universitaria. De ahí que incorporemos una
variable dummy en el listado de control. Por otra parte, la existencia dentro de las
universidades de escuelas de medicina ha sido una condición reiteradamente citada en la
literatura como una variable que influye en los montos de comercialización de nuevas
tecnologías especialmente con aquellos relacionados con biotecnología y ciencias médicas
(Locket y Wright, 2005; O’Shea et al., 2005), por lo que incorporamos una variable al
respecto.

Finalmente, se señala la intensidad inventiva regional como una variable que incide en
los niveles de investigación y desarrollo por entidad federativa, de ahí que incorporemos
una variable basada en los porcentajes de patentes que cada entidad federativa posee sobre
el total nacional (Saxenian, 1996; Friedman y Silberman, 2003; Lindelof y Lofsten, 2004).

2.4. RESULTADOS

En primer lugar, pasamos a comentar los resultados obtenidos de los análisis

descriptivos básicos (ver tabla 2.2). Dado que se obtuvieron 50 observaciones
correspondientes a los años 2012 y 2013, se construyó un panel de micro-datos de dos
períodos con información cruzada seccional con 8 variables.

57
 Los datos arrojan que el gasto de inversión en I+D privado posee un mínimo de 653 mil
pesos y un máximo de hasta 148 millones 142 mil pesos, teniendo como media la cantidad
de 34 millones 840 mil pesos equivalente a un coeficiente de variación de 1.04, mientras
que la asimetría y la curtosis arrojan 1.12 y 0.39 respectivamente.

Tabla 2. 2 Estadísticos descriptivos de los datos cuantitativos

Num.
Variable Media Desv Tip. CA(P) Curtosis
Obs
Número de contratos Universidad Industria 50 16.82 15.656 1.476 2.323
Gasto Privado para I+D PEI (CONACYT) 50 $ 34,840 $ 36,238 1.124 0.394
Logaritmo de Gasto Privado I+D 50 16.61 1.417 0.424 -0.779
Calidad del capital humano en las IES 50 0.346 0.480 0.647 -1.582
Años de experiencia del responsable de OTT 50 3.76 5.621 1.743 2.585
Número de aplicación por patentes 50 17.34 21.475 1.232 0.117
Número de personal especializado en OTT 50 5.76 9.714 2.819 8.716
Gasto Público para I+D PEI (CONACYT) 50 $ 40,843 $ 43,060 1.582 2.495
Logaritmo de Gasto Público I+D 50 16.89 1.262 -0.451 -0.381
Porcentaje de regalías al inventor 50 0.27 0.294 0.984 0.394
Regulación inst. de conflictos de interés 50 0.692 0.466 -0.833 -1.306
Índice de capacidades para desarrollar negocios 50 2.79 1.361 -0.403 -1.514
Nota: Gastos en miles de pesos corrientes. CA (P) =
Coeficiente de Asimetría de Pearson

En lo que respecta al número de contratos privados I+D se obtuvo un mínimo de un

contrato y una máximo de 76 contratos en una año, observándose una media de 17
contratos anuales con una desviación típica de 15.8. En lo que respecta al gasto I+D
público, el mínimo valor por institución alcanzado fue de 1 millón 90 mil pesos, en tanto
que el máximo llegó a los 205 millones 404 mil pesos, está última cantidad se logró por la
institución privada ITESM, para el período 2013. Por otra parte, el número de notificación
de invenciones promedio resultó en 7, alcanzándose un máximo de 65 por la misma
institución antes mencionada.

En lo relativo al número de empleados profesionales dentro de las OTTs, se observó una

media de 6 alcanzándose un máximo de hasta 50 empleados en la Benémerita Universidad
Autónoma de Puebla (BUAP), sin que esto, aparentemente, signifique mayores niveles de
productividad en TT. En tanto los años promedio de experiencia que poseen los
responsables de las OTTs u oficinas de vinculación industrial asciende a 3.8 años.

58
 De esta manera se construyeron dos modelos para cada variable dependiente. Para el
primer modelo que utiliza la variable logaritmo natural del gasto privado I+D, se estimaron
modelos de panel de datos log-log y log lineal de efectos aleatorio.

El porcentaje de regalías pagadas a los inventores muestra un promedio del 27.3%.

Respecto al constructo teórico sobre la capacidad de desarrollo de negocios, la encuesta
arrojó un promedio de 2.79 en la escala del 1 al 5. La variable dummy para identificar el
diseño en la regulación de conflictos de interés y notificación de invenciones señaló un
índice de 0.69. Finalmente, se observó que solamente una tercera parte de las universidades
encuestadas poseían una escuela de medicina.
El análisis de matriz de correlación de Pearson (tabla 2.3), nos señala que existe una alta
correlación entre las variables dependientes, así como entre el gasto público y el gasto
privado en I+D. Es de resaltar también la alta correlación entre la variable dummy entre las
escuelas de medicina existentes y el número de aplicación por patentes, de igual manera
existe una alta asociación entre la variable sobre regulación de conflictos y la variable
diseñada para estimar la capacidad de desarrollo de negocios de las OTTs.
Tabla 2. 3. Matriz de correlaciones de Pearson
Variables 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1. Num. Contratos Priv. 1
2. Gasto Privado I+D 0.912 1
3. Ln Gasto Privado I+D 0.798 0.855 1
4. Calidad Capital Humano 0.241 0.177 -0.004 1
5. Num. Aplic. Patentes 0.714 0.713 0.603 0.252 1
6. Tamaño OTT 0.286 0.146 0.142 -0.057 0.368 1
7. Experiencia OTT 0.308 0.298 0.320 -0.186 0.302 0.417 1
8. Ln Gasto Público I+D 0.826 0.830 0.963 0.040 0.571 0.099 0.259 1
9. Porcentaje Regalías -0.005 -0.059 -0.035 0.332 -0.044 0.105 0.152 0.009 1
10. Regulación 0.320 0.211 0.190 0.195 0.270 0.372 0.313 0.242 0.616 1
11. Capacidades Negocios 0.260 0.116 0.248 0.001 0.158 0.426 0.372 0.309 0.353 0.696 1
12. Tipo IES (Pub o Priv) -0.526 -0.420 -0.270 -0.298 -0.425 -0.162 -0.237 -0.307 -0.022 -0.140 -0.153 1
13. Escuela de Medicina 0.556 0.472 0.363 0.145 0.756 0.461 0.187 0.355 -0.096 0.046 -0.091 -0.327 1
14. Índice regional I+D 0.360 0.343 0.240 0.215 0.514 0.123 -0.065 0.254 0.093 0.169 -0.127 -0.086 0.586 1
Los valores en negrita son diferentes de 0 con un nivel de significación alfa=0.05

Esto nos permite disminuir el sesgo de endogeneidad debido a estimaciones sesgadas de

los efectos de las políticas universitarias, su habilidad administrativa y su orientación
comercial (Lach y Schankerman; 2008). Para el segundo modelo que utiliza el número de
contratos privados I+D se calcularon modelos de Poisson y Poisson con la transformación
Box-Cox para la corrección en inflación de varianza. Los modelos se estimaron a través
del módulo XLSTAT de excel y del software LIMPDEP 10. En algunos casos se utilizó el
estimador robusto (sandwich) para corregir la matriz de varianzas y covarianzas en la
regresión lineal. En otros casos se utilizó la prueba Breusch-Pagan para la detección de
heteroscedasticidad lineal de primer orden y la prueba DW para autocorrelación.

59
 De acuerdo a los resultados de la Tabla 2.4, resalta que solamente dos variables
explicativas en los modelos son significativas: el número de aplicación por patentes y el
gasto público en I+D. En el primer caso resulta un modelo del tipo log lineal donde el valor
del coeficiente β equivalente a 0.01764 del modelo 7 se esperaría impactara positivamente
en el crecimiento del gasto privado I+D en dicha proporción eβ ≈ 1.8%. En el segundo caso
se estima un modelo log-log11 donde en los modelos 5 y 7 con coeficientes beta para el
logaritmo natural del gasto público equivalente a 1.0123 y .968 y calculando eβresultaría en
incrementos entre 2.63 a 2.75 pesos en gasto privado por cada peso público adicional
invertido por el gobierno.

Al correr el test del multiplicador de Lagrange (LM) en el modelo 4 es notable el

resultado que arroja una preferencia del modelo de regresión simple clásico sobre el
modelo de efectos variables. Así estimamos otro modelo número 4 del tipo OLS. Sin
embargo el resultado fue prácticamente idéntico al primer modelo número 4 (REM).

Tabla 2.4. Resultados de modelo con variable dependiente ln gasto privado en I + D

Modelo 4
Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6 Modelo 7
VARIABLE OLS
DEPENDIENTE Gasto Priv Gasto Priv Gasto Gasto Gasto Gasto Gasto
Gasto Priv I+D
I+D I+D Priv I+D Priv I+D Priv I+D Priv I+D Priv I+D
-.3043 -0.5262 -0.3684 -0.1369 -0.1289 -0.06815 -0.1576 -0.1593
Capital Humano
(.5596) (-0.4747) (-0.5032) (-0.1365) (-0.1291) (-0.1486) (-0.1497) (-0.1408)
.03948*** .0386*** .0117** .01031** .00986* .01670*** .01764***
Patentes
(-0.0126) (-0.014) (-.0051) (-0.0049) (-0.0051) (-0.00455) (-0.0044)
-0.00855 0.0011 0.0015 0.00262 0.00277 0.00725
Tamaño OTT
(-0.0209) (-0.007) (-0.0067) (-0.00708) (-0.0067) (-0.00691)
Experiencia de 0.04602 0.0126 0.0129 0.01617 0.01304 0.01428
Responsable OTT (-0.0438) (-0.0119) (-0.0113) (-0.0122) (-0.0125) (-0.01173)
1.002*** 1.014*** 1.0123*** .9384*** .96815***
Gasto Público I+D
(-0.0554) (-0.0536) (-0.055) (-0.0476) (-0.04744)
-0.2193 0.08427 0.0886
Regalías
(-0.2182) (-0.2587) (-0.2448)
-0.2115 -0.1116
Regulación
(-0.1563) (-0.168)
-0.0938
Capacidades
(-0.0597)
CONTROL PARA CARACTERÍSTICAS UNIVERSITARIAS

Tipo IES Pública o -1.53 -0.6854 -0.4378 0.3699 0.3759 0.3937 0.30907 0.2932
Privada (1.402) (-1.205) (-1.25) (-0.336) (-0.3173) (-0.3292) (-0.3401) (-0.3191)
.688 -0.1867 -0.307 -0.1675 -0.1568 -0.2015 0.3259 -.4415**
Escuela de Medicina
(.653) (-0.6197) (-0.7661) (-0.2215) (-0.2102) (-0.2203) (-0.2253) (-0.2248)
Índice I+D por .0235 0.0039 0.0102 0.003 -0.0029 -0.0013 -0.0013 -0.0029
entidad federativa (.271) (-0.024) (-0.0252) (-0.0071) (-0.0067) (-0.0072) (-0.00722) (-0.0069)
R-SQUARED 0.18 0.411 0.9414

Test de Lagrange 19.36 15.66 14.07 .00 0.09 1.46 4.83

PROBABILIDAD .0000 .00 0.0001 0.98 0.75 0.22 0.027

11
También puede ser definido como cambio de elasticidades o cambios porcentuales de x sobre y (Benoit,
2011).

60
 OBSERVACIONES 50 50 50 50 50 50 50 50
Nota: LNG_I_D=ln Gasto Privado en I+D. *** Significativo al 1%, ** significativo al 5%, * significativo al 10%. Todos los modelos
poseen intercepto.

De acuerdo a los modelos basados en el conteo de datos con la variable dependiente

número de contratos privados I+D (tabla 2.5), es posible observar una mayor bondad de
ajuste. Lo cual se observa al estimar los primeros 4 modelos de Poisson, de hecho estos
modelos logran un mejor ajuste al aplicarles la transformación de Box-Cox, la cual
estabiliza la inflación en la varianza de los datos.

En estos modelos no solamente el número de aplicación por patentes y el gasto público

I+D son positivamente significativos sino otras variables incluyendo el número de años de
experiencia del responsable de TT en cada institución académica y el poseer una escuela de
medicina. Por otra parte parece tener una influencia negativa en los resultados el tamaño de
la oficina de transferencia de tecnología (OTT) y el porcentaje de regalías otorgados al
investigador. Finalmente variables relacionadas con la existencia de una regulación sobre
notificación de invenciones, conflictos de interés y desarrollo en la capacidad de negocios
dentro de las OTTs parece no tener ninguna relevancia.

Tabla 2.5 Resultados de modelo con variable dependiente número de contratos

privados con IES
Modelo 4 Modelo 5 Modelo 6 Modelo 7
Tipo de Modelo 1 Modelo 2 Modelo 3 Modelo 4 Modelo 5 Modelo 6
Poisson Poisson Poisson Poisson
Modelo Poisson Poisson Poisson Poisson Poisson Poisson
Box-Cox Box-Cox Box-Cox Box-Cox
VARIABLE Numero Numero Numero Numero Numero Numero Numero Numero Numero Numero
DEPENDIE Contratos Contratos Contratos Contratos Contratos Contratos Contratos Contratos Contratos Contratos
NTE Privados Privados Privados Privados Privados Privados Privados Privados Privados Privados

.0474 .0768**
Capital .0976 -.0501 -.1675 .0587*** 0.0735 .0307* .0718 .06933
(.0334)
Humano (.2118) (.087) (.1041) (.0065) (.1108) (.0158) (.1108) (.5732)
(.0936)
.0206*** .0167*** .0066*** 0.0 -.0042 0.0 -.0041 .2104*** .42***
Patentes
(.0023) (.0026) (.0025) (.00015) (.0028) (.003) (.0028) (.0005) (.0099)
Tamaño .0003 .00035*** .0105*** -.6562***
OTT (.0002) (.00001) (.0007) (.0134)
Experiencia .0559***
de .0206*** -.0087 .0082*** .0076 .0016** .0067 (.0023) .2957***
Responsable (.0073) (.0084) (.0005) (.0079) (.0008) (.0084) (.0234)
OTT
Gasto .087*** .7322*** .7055*** .7315*** .7050*** .8717*** 1.74***
Público I+D (.0129) (.002) (.0482) (.0005) (.0483) (.0135) (.0332)
-.2344* -.0104*** -.2166* -.2825*** -1.23***
Regalías
(.1204) (.0007) (.1315) (.0390) (.2774)
.2024 .1910*** -.8215**
Regulación
(.1540) (.0390) (.3277)
.0143
Capacidades
(.0430)
CONTROL PARA CARACTERÍSTICAS UNIVERSITARIAS
Tipo IES
-.9106*** -.586*** -.4775*** .4468** .0606*** .0374 .0431** .037 .0809
Pública o .0461
(.3246) (.1308) (.1353) (.1746) (.008) (.1559) (.0209) (.155) (.7296)
Privada (.0343)
Escuela de .5813** .0101 .0790 -.0935 .4806*** .5069 .3317*** .5112*** .5102*** .3848
Medicina (.2772) (.1248) (.1395) (.1564) (.0114) (.1603) (.0296) (.1609) (.0446) (1.15)

61
Índice I+D .0851***
.0113 .0028 .0057 -.0008 -.0094*** -.0081 -.0092*** -.007 .6383***
por entidad (.0016)
(.0113) (.0044) (.0047) (.005) (.0003) (.0066) (.0009) (.006) (.0325)
federativa
AIC/N 12.41 10.98 10.86 5.93 549.17 5.64 281.8 5.68 153.92 127.03
McFaddenPs
.279 .366 .377 .47 .68 .69
eudo R2
.050*** 0.050*** -.1265*** -1.79***
ALPHA
(.0003) (.0003) (.0014) (.022)
PROBABILID .0000
AD
.0000 .0000 .0000
OBSERVACIO 50
NES
50 50 50 50 50 50 50 50 50
Nota: NCONTPRI=Núm de Contratos Privados I+D. *** significativo al 1%, ** significativo al 5%, * significativo al 10%. Todos los modelos
poseen intercepto

2.5. CONCLUSIONES

2.5.1. Discusión y contribuciones del trabajo

Los estudios sobre la transferencia de tecnología universitaria han proliferado en las

últimas décadas. El éxito alcanzado por algunos centros de investigación y universidades
en sus actividades de comercialización académica ha alentado a otras entidades a seguir su
ejemplo. Sin embargo, una efectiva TT ha demostrado ser un proceso complejo y difícil de
replicar. De este modo, este trabajo ha identificado algunos factores teóricos y empíricos
en contextos de incipiente desarrollo en materia de transferencia de resultados de
investigación académica. Al utilizar datos provenientes de 25 de las principales IES en
México, se ha examinado la validez del enfoque teórico organizacional basado en recursos,
rutinas y capacidades – RBV – en el contexto de las recién inauguradas OTTs
universitarias.

Una primera contribución de este análisis confirma el bajo nivel de maduración que aún
poseen las OTTs en México. Los resultados empíricos muestran que algunas universidades
que poseen grandes OTTs no se corresponden con un eficiente desempeño en materia de
TT. De hecho, podría afirmarse que algunas OTTs con un significativo personal laborando
para las IES públicas, no están alcanzando niveles de eficiencia para lograr un nivel
mínimo de acuerdos entre sus universidades y la industria. Lo anterior parece corroborar lo
señalado por Debackere y Veugeleurs (2005), acerca del requerimiento de impulsar
esquemas de alta especialización en áreas científicas entre los miembros de las OTTs. Esto
evidentemente no se ha concretado en México debido al incipiente grado de desarrollo en
las OTTs.

Derivado de lo anterior, parece que en el período entre 2012 y 2013, aquellas IES que
han fundado una OTT no se distinguen significativamente en su desempeño de aquellas
instituciones que aún carecen de ellas. Sin embargo, en concordancia con Caldera y

62
Debande (2010), la experiencia medida en años, en comercialización académica del
responsable de la OTT, sí parece incidir en el número de acuerdos que se alcanzan con la
industria. Lo anterior, quizás sea debido en mayor parte, a la experiencia histórica y a una
creación de red de contactos e intercambios con la industria, más que al desarrollo de
capacidades y habilidades gerenciales (Siegel et al., 2007).

En segundo lugar, en corcondancia con el estudio de Powers y Mc Dougall (2005), los

recursos tecnológicos expresados en este estudio como el número de aplicaciones anuales
para obtener registros de patentes, si resultan relevantes para explicar la posibilidad de
mayores inversiones privadas, como para incidir en un mayor número de contratos con la
industria. Si bien esta interpretación puede conllevar problemas de endogeneidad, parece
confirmarse el hecho de que mayores recursos destinados a gastos en propiedad intelectual
sí está asociado y explica flujos incrementales de TT universitaria (Thursby y Thursby,
2002). De este modo, un gran número de empresas parecen sentirse atraídas a establecer
contactos con IES no solamente inmersas en una intensiva actividad en I+D, sino con
entidades académicas que asumen un compromiso institucional para proteger y
comercializar sus inventos (Owen-Smith y Powell, 2001).

Como una tercera contribución, este estudio revela que el indicador de la calidad del
capital humano de la universidad, que en otros países es determinante para explicar el
desempeño en TT (Powers y McDougall, 2005), en México no parece tener gran
relevancia. Lo anterior, debido probablemente al esquema vigente de incentivos que aun
privilegia la calidad docente y de investigación sobre la difusión y vinculación de los
productos emanados de la investigación. Estos resultados parecen coincidir con los
encontrados en estudios llevados a cabo fuera de EE UU (Lissoni et al., 2008). Sin
embargo, la calidad del capital humano laborando en las OTTs expresada por el número de
años de experiencia en desarrollo de negocios si parece ser un factor determinante de
mayores niveles de TT (Franklin et al., 2001).

En cuarto lugar, en contraste con otros estudios sobre OTTs que resaltan la importancia
de factores organizativos y rutinas tales como el establecimiento de un reglamento para
dirimir conflictos de interés y el pago de regalías a los inventores (Friedman y Silberman,
(2003; Lach y Schankerman, 2004), este estudio no encontró una relación significativa que
nos ayudara a identificarlos como factores explicativos de la TT universitaria en México.
Lo anterior debido a que aún existe una falta de cultura empresarial generalizada entre las
IES a pesar de los esfuerzos institucionales para fomentar una mayor TT (Wright et al.,

63
2004a; Mosey y Wright, 2007). Ligado a lo anterior, las capacidades de negocios dentro de
las OTTs que incluyen habilidades para la negociación y mercadeo, creación de redes, y
capacidad de obtener capital semilla, no parecen poseer mayor impacto, esto en contraste
con estudios elaborados en los EEUU (Lockett y Wright, 2005a,b). Nuevamente, esto
puede deberse al incipiente grado de desarrollo de las OTTs en México.

Por último, aun cuando se confirman los resultados positivos del programa de estímulos
a la innovación (PEI) del CONACYT, cuyo objetivo es aumentar acuerdos de colaboración
y montos de inversión en conjunto entre el gobierno, la academia e industria; lo más
importante en este estudio ha sido el hallazgo de evidencia de crecientes economías a
escala. Estas nos indican que una mayor inversión pública para realizar proyectos en I+D,
resulta en variaciones positivas más que proporcionales de parte de las empresas privadas,
para la realización de acuerdos en TT. Lo anterior es relevante para los diseñadores de
políticas tecnológicas en México donde, como ya se ha mencionado, la inversión del
gobierno alcanza hasta dos terceras partes del gasto en investigación científica y desarrollo
experimental (GIDE). Sin embargo, si México desea llegar a la meta de invertir el 1% del
PIB en el GIDE, de acuerdo al planteamiento expresado en el documento del programa
especial de ciencia y tecnología 2014-2018 (PECITE), se deben alentar mecanismos para
que la iniciativa privada comparta dicho esfuerzo.

2.5.2. Limitaciones y líneas futuras de investigación

A pesar de las contribuciones, este trabajo presenta una serie de limitaciones que
señalamos a continuación. En primer lugar, en contraste con países más avanzados, la
creación de OTTs en México se remonta en promedio al año 2011, esto representa una
seria limitación para identificar capacidades de aprendizaje en estas organizaciones.
Futuras líneas de investigación deben emprender adicionales enfoques teóricos como la
detección de capacidades dinámicas y de absorción para entender mejor el desempeño y
papel que juegan en la TT universitaria.

En segundo lugar, la serie de tiempo utilizada que se restringe a 2 períodos, impide

señalar la exacta naturaleza de la relación entre nuevas patentes y mayores niveles de
inversión privada en las IES. Es decir, se desconoce con precisión si el gasto privado
canalizado a través del PEI genera una mayor cantidad de descubrimientos con potencial

64
para ser protegidos intelectualmente o viceversa. La recopilación de series de tiempo más
amplias en el futuro ayudará a compensar esta limitación.

En tercer lugar, en la autoevaluación requerida a los responsables de las OTTs, la

información obtenida sobre los mismos conceptos y rubros presenta cierto grado de
heterogeneidad. De esta manera en el futuro, el diseño de mejores constructos teóricos e
índices más apropiados a entornos con cierto grado de retraso tecnológico permitirá la
estimación y construcción de modelos normativos y sistémicos más adecuados.

En cuarto lugar, este estudio se ha enfocado en los determinantes de la TT universitaria

en términos globales, en el futuro se esperaría realizar un análisis teórico y empírico
especializado, y en base a diferentes disciplinas científicas (Coupe, 2003; O’Shea et al.,
2005). Lamentablemente, la base de datos del PEI proporcionada por CONACYT no
realiza un desglose de los proyectos de acuerdo a su área científica. En el futuro, este tipo
de estudios permitirán la identificación de ventajas distintivas en áreas estratégicas
nacionales vinculadas a la TT universitaria tales como la biotecnología, metalmecánica,
aeroespacial y energética.

En quinto lugar, el embrionario nivel de la TT universitaria en México ha impedido el uso

y medición de instrumentos típicos en la literatura tales como número e ingresos por
acuerdos de licenciamiento. Asimismo, se ha utilizado como proxy del gasto público en
I+D, los montos monetarios relacionados exclusivamente con el PEI del CONACYT. Sin
embargo, el CONACYT contempla diferentes fondos adicionales para el fomento de la
ciencia y la tecnología, así como para la formación de capital humano de alto nivel. En el
futuro, estos recursos públicos también deberán ser evaluados para conocer su impacto en
la TT universitaria en México.

65
BIBLIOGRAFÍA

Abbeti, P. A. (2004). Government-Supported Incubators in the Helsinski Region, Finland:

Infrastructure, Results, and Best Practices. Journal of Technology Transfer, 29, 19-40.

Abreu, M., Grinevich, V. (2013). The nature of academic entrepreneurship in the UK:
Widening the focus on entrepreneurial activities. Research Policy, 42, 408-422.

Agrawal, A. (2001). University-to-industry knowledge transfer: literature review and

unanswered questions. International Journal of Management Reviews, 2(4), 285-302.

Agarwal, R., Shah, S. (2014). Knowledge sources of entrepreneurship: Firm formation by

academic, user and employee innovators. Research Policy, 43, 1109-1133.

Algieri, B., Aquino, A., Sucurro, M. (2013). Technology transfer offices and academic
spin off creation: the case of Italy. The Journal of Technology Transfer, 38, 382-400.

Autio, E., Kenney, M., Mustar, P., Siegel, D., Wright, M. (2014) Entrepreneurial
innovation: The importance of context. Research Policy, 43, 1097-1108.

Barney, J. (1991). Firm Resources and Sustained Competitive Advantage. Journal of

Management, 17, 99-120.

Barney, J., Wright, M., Ketchen, D. (2001). The resource based view: 10 years after 1991.
Journal of Management, 27(6), 625-642.

Belenzon, S., Schankerman, M., (2009). University knowledge transfer: private ownership,
incentives, and local development objectives. Journal of Law and Economics 52(1),
111–144.

Bercovitz J., Feldmann, M. (2006). Entrepreneurial universities and technology transfer: A

conceptual framework for understanding knowledge-based economic development.
Journal of Technology Transfer, 31, 175-188.

Boardman, C. P. (2008). Beyond the stars: The impact of affiliation with university
biotechnology centers on the industrial involvement of university scientists.
Technovation, 28, 291-297.

Bodas-Freitas, I.M., Argou-Marques, R., Mirra de Paula, E. (2013a). University–industry

collaboration and innovation in emergent and mature industries in new industrialized
countries. Research Policy, 42, 443-453.

66
Bodas-Freitas, I., Geuna, A., Rossi, F. (2013b). Finding the right partners: Institutional and
personal modes of governance of university-industry interactions. Research Policy, 42,
50-62.

Borsch, O.J., Huse, M., Senneseth, K. (1999). Resource configurations, competitive

strategies, and corporate entrepreneurship: an empirical examination of small firms.
Entrepreneurship Theory and Practice, 24, 49-70.

Bozeman, B. (2000). Technology Transfer and Public Policy: a review of research and
theory. Research Policy, 29, 627-655.

Bozeman, B., Rimes, H., Youtie, J., (2015). The evolving state-of-the-art in technology
transfer research: Revisiting the contingent effectiveness model. Research Policy, 44,
34-49.

Bradley, S., Hayter, C., Link, A. (2013). Models and methods of university technology
transfer. Working Paper. 13-10. June. The University of North Carolina Greensboro,
1-73.

Caldera, A., Debande, O. (2010). Performance of Spanish universities in technology

transfer: An empirical analysis. Research Policy, 39, 1160-1173.

Carayannis, E. G., Rogers, E. M., Kurihara, K., Allbritton, M.M. (1998). High technology
spin-offs from government R&D laboratories and research institutes. Technovation,
18(1), 1-10.

Carlsson, B., Fridh, A. (2002). Technology transfer in United States universities: A survey
and statistical analysis. Journal of Evolutionary Economics, 12, 199-232.

Carree, M., Della Malva, A., Santarelli, E. (2014). The contribution of universities to
growth: empirical evidence for Italy. The Journal of Technology Transfer. 39(3), 393-
414.

Chapple, W., Lockett, A., Siegel, D., Wright, M. (2005). Assessing the relative
performance of U.K. university technology transfer offices: parametric and non-
parametric evidence. Research Policy, 34, 369-384.

Chukumba, C., Jensen, R. (June, 2005). University Invention, Entrepreneurship, and Start-
Ups. Working Papers 11475. NBER. Washington DC.

67
Cimoli, M., Ferraz, J. C., Primi, A. (2005). Science and Technology Policies in Open
Economies: The Case of Latin America and the Caribbean. Productive Development
Series 165. ECLAC, United Nations, Santiago de Chile, Chile.

Clarysse, B., Wright, M., Lockett, A., Van de Velde, E., Vohora, A. (2005). Spinning out
new ventures: a typology of incubation strategies from European research institutions.
Journal of Business Venturing, 20, 183-216.

Clarysse, B., Tartari ,V., Salter, A. (2011). The impact of the entrepreneurial capacity,
experience and organizational support on academic entrepreneurship. Research Policy,
40, 1084-1093.

Cohen, W. M., R. R. Nelson, Walsh, J. (2002). Links and Impacts: The Influence of Public
Research on Industrial R&D. Management Science 48, 1–23.

Colyvas, J., Crow, M., Gelijns, A., Mazzoleni, R., Nelson, R., Sampat, B. N. (2002). How
Do University Inventions Get into Practice? Management Science, 48(1), 61-72.

Coupe, T. (2003). Science Is Golden: Academic R&D and University Patents. Journal of
Technology Transfer, 28(1), 31-46.

Debackere, K., Veugelers, R. (2005). The role of academic technology transfer

organizations in improving industry science links. Research Policy, 35, 321-342.

Deeds, D., DeCarolis, D., Coombs, J. (1997). The impact of firm specific capabilities on
the amount of capital raised in an initial public offering: evidence from the
biotechnology industry. Journal of Business Venturing, 12, 31–46.

Deeds, D., DeCarolis, D., Coombs, J. (1999). Dynamic capabilities and new product
development in high technology ventures: An empirical analysis of new biotechnology
firms. Journal of Business Venturing, 15, 211-229.

Dierickx, I., Cool, K. (1989). Asset Stock Accumulation and the Sustainability of
Competitive Advantage. Management Science, 35(12), 1504-1511.

Di Gregorio, D., and Shane, S. (2003). Why do some universities generate more start-ups
than others? Research Policy, 32, 209-227.

Dutrénit, G., Arza, V. (2015). Features of interactions between public research

organizations and industry in Latin America: the perspective of researchers and firms.

68
 In: Developing National Systems of Innovation: University-industry Interactions in the
Global South. Cheltenham UK: Edward Elgar Pub.

Etzkowitz, H. (2002). MIT and the Rise of Entrepreneurial Science. London: Routledge.

Etzkowitz, H., Viale, R. (2010). Polyvalent knowledge and the Entrepreneurial University:
A Third Academic Revolution? Critical Sociology, 36, 4.

Fontes, M. (2005).The process of transformation of scientific and technological knowledge

into economic value conducted by biotechnology spin-offs. Technovation, 25, 339-
347.

Franklin, S. J., Wright, M., Lockett, A. (2001). Academic and Surrogate Entrepreneurs in
University Spin-out Companies. Journal of Technology Transfer, 26(1-2), 127-141.

Friedman, J., Silberman, J. (2003). University technology transfer: do incentives,

management and location matter? Journal of Technology Transfer, 28, 17-30.

Gideon, D. M., Gideon, D., Phan, P. H., Balkin, D. B., Gianiodis, P. T. (2005).
Entrepreneurship and university-based technology transfer. Journal of Business
Venturing, 20, 241-263.

Goldstein, H., Bergmann, E.M., Maier, G. (2012). University mission creep: Comparing
EU and US faculty views of university involvement in economic regional
development and commercialization. Annals of Regional Science, Special Issue Paper.

González, J., Kuechle, G., Legazkue, I. (2013). An assessment of the determinants of

university technology transfer. Economic Development Quarterly, 27, 6-17.

Grimaldi, R., Kenny, M., Siegel, D., Wright, M. (2011). 30 years after Bayh-Dole:
Reassessing academic entrepreneurship. Research Policy, 40, 1045-1057.

Guerrero, M., Cunningham, J., Urbano, D., (2015). Economic impact of entrepreneurial
universities’ activities: An exploratory study of the United Kingdom. Research Policy,
44, 748-764.

Hindle, K., and Yencken, J. (2004). Public research commercialization, entrepreneurship

and new technology based firms: an integrated model. Technovation, 24, 794-803.

Jacob, M., Lundqvist, M., Hellsmark, H. (2003). Entrepreneurial transformations in the

Swedish University system: the case of Chalmers University of Technology. Research
Policy, 32, 1555-1568.

69
Jensen, R., Thursby, M. (2001). Proofs and prototypes for sale: The licensing of university
inventions. The American Economic Review, 91, 240-259.

Jensen, R. A., Thursby, J. G., Thursby, M. C. (2003). Disclosure and licensing of

University inventions: ‘The best we can do with the s**t we get to work with'.
International Journal of Industrial Organization, 21, 1271-1300.

Kenney, M., Goe, W.R. (2004). The role of social embeddedness in professional
entrepreneurship: A comparison of electrical engineering and computer science at UC
Berkeley and Stanford. Research Policy, 33, 691-707.

Lach, S., Schankerman, M. (2004). Royalty sharing and technology licensing in

universities. Journal of European Economic Association, 2 (2/3), 252–264.

Lach, S., Schankerman, M. (2008). Summer. Incentives and invention in universities. The
Rand Journal of Economics, 39, 403-433.

Lee, Y. S. (2000). The sustainability of university-industry research collaboration. Journal

of Technology Transfer, 25, 111–133.

Lindelhof, P., Lofsten, H. (2004). Proximity as a resource base for competitive advantage:
university-industry links for technological transfer. The Journal of Technology
Transfer, 29(3-4), 311-326.

Light, D. W., Lexchin, J. R. (2012). Pharmaceutical research and development: what do we

get for all that money? British Management Journal, 345.

Link, A. N., Scott, J. T. (2005). Opening the ivory tower´s door: An analysis of the
determinants of the formation of U.S. university spin-off companies. Research Policy,
34, 1106-1112.

Link, A., Siegel, D., Wright, M. (2015). The Chicago Handbook of University Technology
Transfer and Academic Entrepreneurship. Chicago: Chicago University Press.

Lissoni, F., Llerena, P., McKelvey, M., Sanditov, B. (2008). Academic patenting in
Europe: new evidence from the KEINS database. Research Evaluation, 17(2), 87-102.

Lockett, A., Thompson, S. (2001). The resource-base view and economics. Journal of
Management, 27, 723-754.

Lockett, A., Wright, M., Franklin, S. (2003). Technology Transfer and Universities' spin-
out strategies. Small Business Economics, 20, 185-200.

70
Lockett, A., Thompson, S. (2004). Edith Penrose´s contribution to the resource-based
view: an alternative view. Journal of Management Studies, 41(1), 193-203.

Lockett, A., Wright, M. (2005a). Resources, capabilities, risk capital and the creation of
university spin-out companies. Research Policy, 34, 1043-1057.

Lockett, A., Siegel, D., Wright, M., Ensley, M. D. (2005b). The creation of spin-off firms
at public research institutions: managerial and Policy Implications. Research Policy,
34, 981-993.

Macho, I., Pérez. D., Veugelers, R. (2007). Licensing of university inventions: The role of
a technology transfer office. International Journal of Industrial Organization, 25, 483-
510.

Markman, G., Gianiodis, P. T., Phan, P. H., Balkin, D. B. (2005a). Innovation speed:
Transferring university technology to market. Research Policy, 34, 1058-1075.

Markman G., Phan P., Balkin D., Gianiodis P. (2005b). Entrepreneurship and university-
based technology transfer. Journal of Business Venturing, 20, 241-263.

Markman, G., Gianiodis, P., Phan, P. (2006). An agency theoretic study of the relationship
between knowledge agents and university technology transfer offices. IEEE Trans
Engineering Management, 55, 29-36.

McAdam, R., Miller, K., McAdam, M., Teague, S. (2012). The development of university
technology transfer stakeholder relationships at a regional level: Lessons for the
future. Technovation, 32, 57-67.

McDevitt, V. L., Mendez-Hinds, J., Winwood, D., Nijhawan, V., Sherer, T., Ritter, J. F.,
Sanberg, P. R. (2014). More than money: The exponential impact of academic
technology transfer. Technology and innovation, 16(1), 75.

McGuirk, H., Lenihan, H., Hart, M. (2015).Measuring the impact of innovative human
capital on small firms’ propensity to innovate. Research Policy, 44(4), 965-976.

Medina, E., Da Costa Marques, I., Holmes, C., Cueto, M. (2014). Beyond Imported Magic:
Essays on Science, Technology, and Society in Latin America. Cambridge MA: MIT
Press.

Montgomery, C., Wernerfelt, B. (1988). Diversification, Ricardian rents, and Tobin’s q.

RAND Journal of Economics, 19(4), 623-632.

71
Mosey, S., Wright, M. (2007). From Human Capital To Social Capital: A Longitudinal
Study of Technology-Based Academic Entrepreneurs. Entrepreneurship Theory and
Practice, 31(6), 909-935.

Mowery, D.C., Nelson, R.R., Sampat, B.N., Ziedonis, A. A. (2001). The growth of
patenting and licensing by U.S. universities: an assessment of the effects of the Bayh-
Dole act in 1980. Research Policy, 30, 99-119.

Mowery, D., Nelson, R., Sampat, B., Ziedonis, A. (2015). Ivory tower and industrial
innovation: University-industry technology transfer before and after the Bayh-Dole
Act. Palo Alto, CA: Stanford University Press.

Mustar, P., Renault, M., Colombo, M. G., Piva, E., Fontes, M., Lockett, A., Wright, M.,
Clarysse, B., Moray, N. (2006). Conceptualising the heterogeneity of research-based
spin-offs: A multi-dimensional taxonomy. Research Policy, 36, 289-308.

Nerkar, A., Shane, S. (2003). When do start-ups that exploit patented academic Knowledge
survive? International Journal of Industrial Organization, 21, 1391-1410.

O’Kane, C., Mangematin, V., Geoghegan, W., Fitzgerald, C., (2015). University
technology transfer offices: The search for identity to build legitimacy. Research
Policy, 44, 421-437.

O’Shea, R., Allen, T.J., O’Gorman, C., Roche, F. (2004). Universities and technology
transfer: a review of academic entrepreneurship literature. Irish Journal of
Management, 25(2), 11-29.

O'Shea, R., Allen, T. J., Chevalier, A., Roche, F. (2005). Entrepreneurial orientation,
technology transfer and spinoff performance of U.S. universities. Research Policy, 34,
994-1009.

O’Shea, R., Allen, T. J., Morse, K., O’Gorman, C., Roche, F. (2007). Delineating the
anatomy of an entrepreneurial university: The Massachusetts Institute of Technology
Experience. R&D Management, 37(1), 1-16.

O’Shea, R., Chugh, H., Allen, T. J. (2008). Determinants and consequences of university
spin-off activity: A conceptual framework. Journal of Technology Transfer, 33(6),
653–666.

Owen-Smith, J., Powell, W.W. (2001). To patent or not: faculty decisions and institutional
success at technology transfer. Journal of Technology Transfer, 26(1-2), 99-114.

72
Perkmann, M. (2007). University-industry relationships and open innovation towards a
research agenda. International Journal of Management Reviews, 9(4), 1-55.

Perkmann, M., King, Z., Pavelin, S. (2011). Engaging excellence? Effects of faculty
quality on university engagement with industry. Research Policy, 40, 539-552.

Perkmann, M., Tartari, V., McKelvey, M., Autio, E., Broström, A., D’Este, P., Sobrero, M.
(2013). Academic engagement and commercialisation: A review of the literature on
university–industry relations. Research Policy, 42(2), 423-442.

Phan, P. H., Siegel, D. S. (2006). The effectiveness of university technology transfer:

lessons learned from qualitative and quantitative research in the US and UK.
Foundations and Trends in Entrepreneurship, 2, 66–144.

Piccaluga, A., Baldessi, C., (2012). The Proton Europe Ninth Annual Survey Report
(Fiscal year 2011). Brussels, Belgium: Proton Europe.

Powers, J. B., McDougall, P. P. (2005). University start-up formation and technology

licensing with firms that go public: a resource-based view of academic
entrepreneurship. Journal of Business Venturing, 20, 291-311.

Radosevich, R. (1995). A model for entrepreneurial spin-offs from public technology

sources. International Journal of Technology Management, 10, 879-893

Rasmussen, E., Mosey, S., Wright, M. (2014).The influence of university departments on

the evolution of entrepreneurial competencies in spin-off ventures. Research Policy,
43, 92-106.

Reddy, M., Zhao, L. (1990). International technology transfer: A review. Research Policy,
19(4), 285-307.

Reisman, A. (1989). Technology transfer: a taxonomic view. Journal of Technology

Transfer, 14(3-4), 31-36.

Roessner, D., Bond, J., Okubo, S., Planting, M. (2013). The economic impact of licensed
commercialized inventions originating in university research. Research Policy, 42, 23-
24.

Rosas, H., Cruz, P., Gámez, A. (2015). Modelo de Vinculación Universidad-Empresa.

Global Conference on Business & Finance Proceedings, 10(1), 1064-1073.

73
Rothaermel, F., Thursby, M. (2005a). Incubator firm failure or graduation? The role of
University linkages. Research Policy, 34, 1076-1090.

Rothaermel, F.T., Agung, S., Jiang, L. (2007). University entrepreneurship: a taxonomy of

the literature. Industrial and Corporate Change, 16, 691–791.

Samsom, K. J., Gurdon, M. A. (1993). University scientists as entrepreneurs: a special case

of technology transfer and high-tech venturing. Technovation, 13, 63-71.

Saxenian, A. L. (1996). Regional Advantage: culture and competition in Silicon Valley and
Route 128. Boston: Harvard University Press.

Schilling, M. A. (2010). Strategic Management of Technological Innovation. (3rd Ed.)

New York: Mc Graw Hill.

Shane, S. (2001). Technological opportunities and new firm creation. Management

Science, 47, 205-220.

Shane, S., Stuart, T. (2002). Organizational Endowments and the Performance of Start-
Ups. Management Science, 48(1), 154-170.

Shane, S. (2004a). Academic Entrepreneurship; University Spinoffs and Wealth Creation.

Cheltenham, UK: Edward Elgar.

Siegel, D. S., Waldman, D. A., Atwater, L. E., Link, A. N. (2003a). Commercial

knowledge transfers from universities to firms: improving the effectiveness of
university–industry collaboration. Journal of High Technology Management Research,
14, 111-133.

Siegel, D. S., Westhead, P., and Wright, M. (2003b). Science Parks and the Performance of
New Technology-Based Firms: A Review of Recent U.K. Evidence and an Agenda for
Future Research. Small Business Economics, 20, 177-184.

Siegel, D.S., Waldman, D., Link, A. (2003c). Assessing the impact of organizational
practices on the relative productivity of university technology transfer offices: an
exploratory study. Research Policy, 32, 27-48.

Siegel, D., Westhead, P., Wright, M. (2003d). Assessing the impact of university science
parks on research productivity: exploratory firm-level evidence from the United
Kingdom. International Journal of Industrial Organization, 21, 1357-1369.

74
Siegel, D., Waldman, D., Atwater, L., Link, A.N. (2004). Toward a model of the effective
transfer of scientific knowledge from academicians to practitioners: qualitative
evidence from the commercialization of university technologies. Journal of
Engineering and Technology Management, 21, 115-142.

Siegel, D. S., Phan, P.H., (2004.) Analyzing the Effectiveness of University Technology
Transfer: Implications for Entrepreneurship Education. Working Paper No. 0426.
Rensselaer Polytechnic Institute, Troy, NY.

Siegel D., Wright, M. (2007). Intellectual property: the assessment. Oxford Review of
Economic Policy, 23(4), 529-540.

Siegel, D. S., Veugelers, R., and Wright, M. (2007). Technology transfer offices and
commercialization of university intellectual property: performance and policy
implications. Oxford Review of Economic Policy, 23(4), 640-660.

Silverman, B. (1999). Technological Resources and the Direction of Corporate

Diversification: Toward an Integration of the Resource-Based View and Transaction
Cost Economics. Management Science, 45(8), 1109-1124.

Solleiro, J. L., Castañón, R. (2012). Competitividad, Innovación y Transferencia de

Tecnología en México. Innovación y Competitividad, 869(6), 149-161.

Stephan, Paula, (2012). How Economics Shapes Science. Cambridge, MA: Harvard
University Press.

Stephan, P., Franzoni, C., Scellato, G. (2015). Global competition for scientific talent:
evidence from location decisions of PhDs and postdocs in 16 countries. Industrial and
Corporate Change, Forthcoming.

Stuart, T., Ding, W. (2006). When do scientists become entrepreneurs? The social
structural antecedents of commercial activity in the academic life sciences. American
Journal of Sociology, 112(1), 97-144.

Thursby, J. G., Jensen, R., Thursby, M. C. (2001). Objectives, Characteristics and

Outcomes of University Licensing: A Survey of Major U.S. Universities. Journal of
Technology Transfer, 26(1-2), 59-72.

Thursby, J. G., Thursby, M. C. (2002a). Who is selling the Ivory Tower? Sources of
Growth in University Licensing. Management Science, 48(1), 90-104.

75
Thursby, J. G., Kemp S. (2002b). Growth and productive efficiency of university
intellectual property licensing. Research Policy, 31, 109-124.

Tseng, A. A., Raudensky, M. (2014). Performance evaluations of technology transfer

offices of major US research universities. Journal of Technology Management &
Innovation, 9(1), 93-102.

Van Looy, B., Ranga, L.M., Callaert, J., Debackere, K., Zimmermann, E. (2004).
Combining entrepreneurial and scientific performance in academia: towards a
compounded and reciprocal Matthew effect? Research Policy, 33(3), 425-441.

Vohora, A., Lockett, A., Wright, M. (2004). Critical junctures in the development of
university high-tech spin out companies. Research Policy, 33(1), 147-175.

Wright, M., Vohora, A., Lockett, A. (2004b). The Formation of High-Tech University
Spinouts: The Role of Joint Ventures and Venture Capital Investors. Journal of
Technology Transfer, 29(3-4), 287-310.

Wright, M., Clarysse, B., Mustar, P., Lockett, A. (2007). Academic entrepreneurship in
Europe. London: Edward Elgar.

Wright, M. (2014). Academic entrepreneurship, technology transfer and society: where

next? The Journal of Technology Transfer, 39(3), 322-334.

Wuchty, S., Jones, B., Uzzi, B. (2007). The Increasing Dominance of Teams in Production
of Knowledge. Science, 316, 1036-1039.

Zhao, L.M.., Reisman, A. (1992). Toward meta research on technology transfer. IEEE
Transactions on Engineering management, 39(1), 13-21.

Zucker, L. G., Darby, M. R., Brewer, M. B. (1998). Intellectual human capital and the birth
of U.S. biotechnology enterprises. The American Economic Review, 88(1), 290-306.

Zucker, L. G., Darby, M. R. (2002). Commercializing Knowledge: University Science,

Knowledge Capture, and Firm Performance in Biotechnology. Management Science,
48, 138-153.

76
 CAPÍTULO 3

LOS DETERMINANTES DE LA CREACIÓN Y

DESARROLLO DE EMPRESAS SPIN OFF

77
78
RESUMEN

Este capítulo presenta un análisis de los recientes procesos conducentes a la fundación y

desarrollo de las empresas de base tecnológica, spin offs, en países en desarrollo,
directamente emanadas de las universidades y centros públicos de investigación.
Utilizando un modelo dinámico que incorpora una diversidad de factores teóricos
explicativos encontrados en la literatura – evolutivos, institucionales, organizacionales,
ambientales – se busca encontrar los determinantes de estas empresas de base tecnológica
universitaria. Los resultados muestran que la dependencia histórica, el aprendizaje
dinámico acumulado y una cultura pro-empresarial en las universidades son factores
explicativos en la fundación de empresas spin offs en México durante el período 2011-
2013, en tanto que factores organizativos y ambientales encontrados en economías más
avanzadas no parecen ser significativos. Estos resultados tienen importantes implicaciones
en el diseño de futuras políticas públicas en tecnología e innovación en el contexto de
economías en desarrollo que pretendan mejorar el desempeño de transferencia tecnológica
mediante la promoción de empresas de base tecnológica universitaria del tipo spin off.

Palabras clave

Empresas de base tecnológica, spin offs universitarias, trayectoria histórica, inversión en

investigación y desarrollo, oficinas de transferencia de tecnología.

79
3.1. INTRODUCCIÓN

El emprendimiento empresarial académico tiene como fundamento y principal objetivo

difundir la tecnología y la propiedad intelectual que emerge de las universidades buscando
el desarrollo de nuevos productos, la creación de nuevas industrias y la generación de
empleos con alto valor agregado (Mustar et al., 2006; Abreu et al., 2013; Perkmann et al.,
2013; Kalar et al., 2015). Las spin offs universitarias se definen como nuevas empresas
creadas por parte de los profesores universitarios, el staff o los estudiantes, quienes
innovan en un contexto de investigación académica y posteriormente explotan
comercialmente este conocimiento (Shane, 2004; Lockett et al., 2005; Agarwal y Shah,
2014).

Desde la década de los 80, los estudios académicos internacionales sobre spin offs han
cobrado relevancia debido a que representan un subconjunto económicamente importante
de las nuevas empresas de base tecnológica (Grimaldi et al., 2011; Autio et al., 2014;
Rizzo, 2015). Estas empresas han mostrado un alto potencial para crear empleo de alta
calidad y alentar el desarrollo económico. De acuerdo con Shane (2004a), el estudio sobre
spin offs es importante por lo menos cuatro aspectos:

En primer lugar, en cuanto al incremento en el desarrollo económico local y la difusión

del conocimiento especializado –knowledge spillovers– en áreas cercanas a las
universidades donde se localizan (Audretsch et al., 2005; Cowan et al., 2013; Iacobucci et
al., 2015) El efecto multiplicador de beneficios a partir de la instalación de spin offs en un
área o región se incrementa principalmente por dos razones: por una parte, por aumentos
de demanda observable en los mercados locales de insumos, mano obra especializada,
tecnologías complementarias, etc. y, por otra, por los mayores flujos de inversión privada
para investigación, desarrollo y comercialización en comparación a otras empresas de base
tecnológica (Goldfarb et al., 2003). De acuerdo con Shane (2004a), se calcula que en
EEUU, en promedio cada empresa spin off genera US$10 millones en valor agregado y
crea aproximadamente 83 puesto de trabajo de alta calidad.

Asimismo, en segundo lugar, las spin offs universitarias facilitan la comercialización de

tecnologías universitarias que, por lo general suelen permanecer como prototipos o pruebas
de concepto (Festel, 2013; Agarwal y Shah, 2014). Lo anterior se debe a que en general las
empresas establecidas persiguen estrategias de minimización de riesgos y evitan invertir en
tecnologías con incipientes niveles de desarrollo (Thursby y Thursby, 2002). En
consecuencia, las pequeñas empresas directamente surgidas de los laboratorios
80
universitarios denominadas spin offs se han convertido en el vehículo idóneo para la
comercialización exitosa de estas tecnologías tempranas (Thursby et al., 2001).

Además, en tercer lugar, estas empresas contribuyen a la misión fundamental de las

universidades de impulsar la investigación y enseñanza mediante la obtención de fondos y
financiación para I+D de manera más ágil que los laboratorios e institutos de investigación
(Stephan, 2012). Asimismo, las spin offs fomentan la permanencia y retención de
académicos de alta calidad en las universidades mediante esquemas de compensación
complementarias (Powell y Owen-Smith, 1998).

En cuarto lugar, las spin offs poseen un desempeño operativo y financiero en promedio
superior a otras empresas. Algunos trabajos empíricos señalan que en los EEUU las spin
offs poseen una tasa de sobrevivencia y generación de valor agregado como porcentaje de
ventas superior al resto de empresas start-up (Bray y Lee, 2000).

A su vez, con base en O’Shea et al. (2008), es posible señalar que los estudios sobre los
determinantes de las spin offs pueden agruparse en diversas categorías, entre las que
destaca: los factores organizativos, las características de las instituciones y el contexto
ambiental y externo. Entre los científicos sociales que se han enfocado en analizar los
aspectos organizativos y de financiación en I+D para determinar la actividad de spin offs
sobresalen los trabajos de Lockett y Wright (2005a,b) y Powers y Mc Dougall (2005).
Estos estudios han encontrado una relación significativa y positiva entre el gasto en I+D y
la actividad de las spin offs. Por su parte, O’Shea et al. (2005) encuentra que ciertas áreas
científicas son relevantes para generar un mayor número de spin offs. Otros estudios
resaltan la importancia de las las oficinas de transferencia de tecnología OTTs para facilitar
la generación de spin offs (Carlsson y Fridh, 2002; Siegel, Waldman y Link et al., 2003).
En lo que respecta a las características de las instituciones, se identifica los valores y
normas culturales impulsados por las universidades y gobiernos como determinantes en la
creación de spin offs (O’Shea et al., 2007; Djokovic et al., 2008). Asimismo, esta corriente
señala que los incentivos tales como las regalías a investigadores puede incidir en la
creación de empresas universitarias (Di Gregorio y Shane, 2003). Finalmente un último
grupo de estudios relacionados con factores externos identifica al capital de riesgo, la
infraestructura regional, el gasto público y el tipo de asignación legal de las invenciones
como elementos clave en la creación de las spin offs (Florida y Kenney, 1988; Shane,
2004b; Wright et al., 2004b).

81
 De lo anterior y siguiendo una tendencia internacional, se desprende el creciente interés
que en México y otros países en desarrollo ha despertado la formulación de programas para
el impulso de spin offs universitarias (Etzkowitz et al., 2005; Thorn y Soo, 2006; Bas,
2012; Borges et al., 2013). En un trabajo comparativo entre los principales centros de
investigación en Chile, México y Brasil, Solleiro et al. (2009) identifican las principales
fortalezas y debilidades en relación con la gestión de conocimiento. En México, hay pocos
trabajos que analicen los vínculos entre la academia y la industria para impulsar la
transferencia de tecnología (Torres et al., 2009). Sin embargo, existen instituciones de
educación superior (IES) que activamente han desarrollado un ambicioso programa para
incubar y fundar spin offs en los últimos años (Molina et al., 2011). El Plan Nacional de
Desarrollo 2007-2012 menciona la importancia de las spin offs como vehículo para
dinamizar el desarrollo económico. Asimismo, el Programa de Ciencia y Tecnología 2008-
2012 señala la creación de unidades de vinculación y OTTs, capital de riesgo y semilla,
parques tecnológicos e incubadoras y el diseño de paquetes tecnológicos para la operación
de spin offs y otros mecanismos que coadyuven a la transferencia de tecnología
(CONACYT, 2008, 2010).

Por todo lo expuesto, el objetivo de este trabajo es identificar los elementos explicativos
de la generación de las spin offs universitarias. Al incorporar un conjunto único de
variables y factores teóricos se señalan aspectos relevantes en la creación de spin offs, en el
contexto de economías de desarrollo tecnológico medio. De este modo, este trabajo señala
directrices para los gestores de políticas universitarias para mejorar el proceso de creación
de spin offs. Asimismo, busca difundir entre los académicos con espíritu empresarial, un
mejor entendimiento de estos procesos en economías en desarrollo.

El trabajo se ha estructurado de la siguiente forma. En primer lugar se presenta la

fundamentación teórica del trabajo. La siguiente sección realiza una revisión literaria de
los principales estudios teórico-empíricos en torno a las spin offs universitarias en el
ámbito internacional y realiza el planteamiento de las hipótesis a contrastar. En el apartado
3 se explicita la metodología de la investigación. Finalmente en las secciones 4 y 5 se
presentan los resultados y conclusiones de este estudio.

82
3.2. ANTECEDENTES TEÓRICOS EN LA LITERATURA SOBRE SPIN OFFS

Entre los diversos estudios teóricos que estudian las características de las spin offs,
destacan los que señalan a los factores individuales, evolutivos, organizativos, propios de
la institución, ambientales y sistémicos como determinantes en la creación de este tipo de
empresas. En este trabajo nos enfocamos en el estudio de las spin offs a nivel universitario,
dejando de lado factores de tipo individual y sistémico Por ello nos concentramos
exclusivamente en los factores organizativos, afínes a las instituciones y ambientales. A
continuación se revisa cada uno de estos tipos de factores.

3.2.1. Factores organizativos vinculados a la actividad universitaria de spin offs

La corriente de estudios relativa a los determinantes organizativos busca establecer los

vínculos entre la actividad de las spin offs y un conjunto de factores ligados a un eficiente
funcionamiento de las organizaciones. Debackere (2000) señala la importancia de
establecer adecuadas estructuras organizativas para una eficiente TT, las cuales incluyen
procesos (capital semilla, propiedad intelectual, planes de negocios y servicios para el
desarrollo de nuevas empresas), nuevas rutinas, y estructuras de gobierno matriciales para
fomentar la investigación multidisciplinaria (Rasmussen y Mosey, 2014).

La literatura cita entre las más relevantes variables de tipo organizativo: el tipo de
investigación y la tecnología desarrollada en las universidades, la calidad de los
investigadores, la existencia de OTTs, incubadoras y parques tecnológicos (Druilhe y
Garnsey, 2004; Heirman y Clarysse, 2004; Mustar et al., 2006).

Durante décadas, las medidas basadas en patentes han sido utilizadas para medir la
capacidad innovadora de universidades y empresas (Griliches, 1990). El área de
investigación científica por universidad también parece ser un factor importante para
explicar la actividad de las spin offs. De acuerdo con O´Shea et al. (2005), cuyo estudio
examina 141 universidades en los EEUU en el período de 1995 a 2001, las ciencias
biológicas, químicas, y de la informática poseen un efecto estadísticamente significativo
sobre las tasas de creación de nuevas spin offs. En otro trabajo, Agarwal y Shah (2014)
señalan que el 50% de las patentes en biotecnología y el 57% de las invenciones protegidas
en las áreas de internet e informática provienen de las IES. Uno de los recursos clave con
los que cuenta una universidad o centro de investigación, en sus esfuerzos por

83
comercializar su conocimiento, lo constituyen sus invenciones protegidas. Las patentes son
instrumentos que dan certidumbre jurídica y son signos del compromiso institucional para
difundir invenciones científicas en el mercado. De acuerdo a Nerkar y Shane (2003), la
radicalidad de las invenciones y la amplitud y alcance de la protección conferida a la
patente -patent claim- reducen la probabilidad de fracaso de nuevas spin offs. Asimismo, al
obtener la titularidad y el derecho exclusivo de explotar las invenciones, las spin offs
universitarias obtienen una ventaja competitiva temporal al mantener una cartera de
patentes difícil de imitar (Sampat et al., 2003; Hsu et al., 2013). De este modo, se introduce
la primera hipótesis:

H1: Las IES con un mayor número de patentes y aplicaciones para protección intelectual
de inventos muestran mayor número de creación de empresas spin offs.

Un segundo elemento organizativo citado en la literatura que condiciona la creación de

las spin offs es la calidad de los cuerpos académicos. De acuerdo con DiGregorio y Shane
(2003), los académicos de las universidades más prestigiosas poseen la capacidad de
conjuntar recursos y competencias con mayor facilidad para el establecimiento de spin offs.
Asimismo Zucker et al. (1998) señala que aquellas universidades con capital humano
intelectual sobresaliente – stars –, poseen la habilidad de fundar nuevas firmas con base en
su “halo de prestigio”, disminuyendo la información asimétrica entre inversionistas y
académicos. En síntesis, el capital humano es el recurso más relevante que poseen las
universidades y los centros de investigación avanzados (Powers y Mc Dougall, 2005). De
allí que formulemos nuestra segunda hipótesis:

H2: Las IES con mayor nivel de calidad en sus cuadros académicos y de investigadores
de alto nivel muestran mayor número de creación de empresas spin offs.

Un tercer elemento del tipo organizativo a considerar es la existencia de oficinas de

transferencia de tecnología y conocimiento (OTTs), las cuales son entidades que diseminan
y propagan los resultados de investigación de la universidades para el bienestar público y
común (Carlsson y Fridh, 2002). Asimismo, las OTTs aglutinan invenciones de varios
laboratorios de investigación y construyen una reputación entre las universidades (Macho-
Stadler et al., 2007). Una eficiente OTT tiene una relación cercana y continua con los
investigadores, construye activos complementarios para la transferencia, diseña atractivos
paquetes de compensación y coordina la investigación básica y aplicada para enfrentar los
cambios en la economía y sociedad (Debackere y Veugelers, 2005). A pesar de que
algunos estudios señalan que las OTTs también pueden obstaculizar la transferencia de
84
tecnología (Siegel et al., 2003), las OTTs disminuyen conflictos de agencia buscando la
protección de la propiedad intelectual de los inventos, vinculando a los emprendedores
empresariales académicos con fuentes de financiación y capital de riesgo y estableciendo
representatividad en el consejo de administración de las spin offs (Fontes, 2005; O’Kane et
al., 2015). Así, de acuerdo con Lockett y Wright (2005), las OTT’s son vehículos
identificados como recursos comerciales que facilitan la transferencia de tecnología a
través de varias vías siendo una de las más relevantes la formación de spin offs. Esto nos
conduce a nuestra siguiente hipótesis:

H3 Las IES que poseen una OTT muestran mayor número de creación de empresas spin
offs.

3.2.2. Factores relacionados con las características de las instituciones académicas

La segunda tendencia de literatura sobre spin offs evalúa la influencia de las prácticas,
valores culturales, rutinas, procedimientos de las universidades en la comercialización de
sus invenciones. Un claro ejemplo lo constituyen las normas y prácticas existentes en
instituciones establecidas en ciertas universidades reconocidas internacionalmente (MIT,
Utah, Berkeley, UCSF, Cambridge, Stanford) para impulsar el emprendimiento
empresarial académico a través del impulso de la creación de spin offs (Shane, 2002;
Moray y Clarysse, 2005; O´Shea et al., 2007). Dentro de este enfoque, las relaciones
sociales, los patrones de imitación y la colaboración empresarial por parte de académicos
sobresalientes, determinan la participación de los profesores en actividades de
comercialización de inventos a través de la fundación de spin offs (Kenney y Goe, 2004;
Stuart y Ding, 2006; Djokovic y Souitarois, 2008, Agarwal y Shah, 2014).

Diversos estudios apuntan que el ambiente pro-empresarial de las comunidades

académicas es un elemento crucial en la creación de recursos y capacidades para la
fundación de empresas universitarias (Franklin et al., 2001; Clarysse et al., 2005).
Asimismo, Clarke (1998) en un estudio transnacional de cinco universidades europeas
identificó la cultura empresarial como elemento clave para la transferencia de tecnología
universitaria exitosa. Las universidades tradicionalmente poseen esquemas culturales que
reflejan una serie de valores y normas que resaltan la enseñanza, la investigación básica y
la transmisión del conocimiento a través de publicaciones especializadas como los fines
máximos de estas instituciones educativas. Las universidades que han incorporado como

85
misión adicional el desarrollo económico a través de la comercialización de sus inventos,
han añadido a su sistema de valores esquemas que recompensan la aplicación de la ciencia
aplicada, la vinculación con la industria y la obtención de recursos externos para I+D
(Siegel, et al., 2003, Perkmann et al., 2013; Guerrero et al., 2015).

Los procesos evolutivos de aprendizaje tecnológico, capacidades de absorción en el

capital humano y adaptaciones continuas en las rutinas organizacionales impulsan
esquemas innovadores de TT como es la fundación de spin offs (Nelson y Winter, 1982;
Lockett y Wright, 2005; Nielsen, 2015). Los procesos de acumulación de conocimiento
poseen un carácter dinámico, requieren de espacios en el tiempo para evolucionar;
trascienden los períodos de ciclos anuales y muestran su impacto en el medio y largo plazo
(Mustar y Wright., 2010; Rasmussen et al., 2010). Las trayectorias históricas se han
relacionado con la evolución de las tecnologías, las estrategias de las empresas y las
estructuras industriales. Así, los procesos de cambio en el largo plazo de hábitos, normas,
costumbres y conocimiento tecnológico dependen de la historia y la evolución (David,
2007). Este conjunto heterogéneo de habilidades adquiridas en el pasado permite un
desempeño diferencial en subsecuentes períodos de tiempo a considerar. Así, Blundell et
al. (1995) y O’Shea et al. (2005) diseñan metodologías para evaluar la heterogeneidad no
observada que se relaciona con la cultura tradicional e histórica de fomentar la creación de
spin offs en cada institución académica. De este modo se formula la siguiente hipótesis:

H4: Las IES que poseen una trayectoria histórica en el aprendizaje de habilidades para
la formación de empresas – path dependency – muestran mayor número de creación de
empresas spin offs.

La construcción de reglas y regulaciones son parte de las características propias de las

organizaciones. De este modo, se establecen los incentivos, limitaciones y directrices que
permiten el desempeño diferencial entre las organizaciones económicas (Powell y Di
Maggio, 1999; Wright et al., 2004a; Binkauskas, 2012). En consecuencia, factores en las
instituciones que inhiben la TT se vinculan a los mayores incentivos que reciben los
investigadores a publicar, por encima de los incentivos a inventar, vinculado así con un
desinterés por atender la problemática industrial en comparación a la investigación
académica (Ndonzauau et al., 2002). El estudio de DiGregorio y Shane (2003) indica que
mayores regalías a los investigadores en la creación de licencias de las invenciones
aumentan el coste de oportunidad e inhiben el interés de los académicos para fundar spin
offs propias. En respuesta a lo anterior, Debackere y Vaugelers (2005) sostienen que las

86
universidades deben (1) diseñar estructuras con incentivos adecuados para recompensar los
esfuerzos empresariales académicos; (2) descentralizar las estructuras tradicionales para
brindar una mayor autonomía a grupos de investigación que se vinculen con el entorno
industrial; y (3) contar con expertos en transferencia de tecnología (OTTs) para administrar
los asuntos de los contratos que permitan disminuir los costes de información y transacción
relacionados con los procesos de transferencia de tecnología (North, 2006). La quinta
hipótesis sostiene que:

H5: Las IES con una regulación y normativa institucional muestran mayor número de
creación de empresas spin offs.

3.2.3. Factores externos en la promoción de las spin offs

Una tercera tendencia de literatura en el estudio sobre las spin off explora los factores
del entorno o ambientales que influyen en las innovaciones académicas (Mowery et al.,
2001). Florida y Kenney (1988) y Sorenson y Stuart (2001) destacan el papel central que
desempeña la disponibilidad en el contexto ambiental universitario de financiación federal
para proyectos de I+D, capital de riesgo, ángel y semilla – seed capital – para alentar la
formación de empresas de alta tecnología. En diversos trabajos Clarysse et al. (2004, 2005,
2007) resaltan la importancia del capital inicial en diversas instituciones europeas en sus
esfuerzos por generar spin offs. Estos trabajos indican que el acceso a financiación es
especialmente relevante en las etapas tempranas y de configuración inicial de recursos de
las empresas universitarias.

Aun cuando algunos estudios presentan resultados ambiguos en torno a la

significatividad de la abundancia de capital de riesgo en los resultados de TT (Di Gregorio
y Shane, 2003), la mayoría de los análisis señalan la importancia de los inversores de
capital semilla no solamente como fuente de recursos financieros sino también como
asesores en materia de administración y planificación estratégica de las empresas (Shane y
Stuart., 2002; Wright et al., 2004b; Clarysse et al., 2005; O'Shea et al., 2005). En
consecuencia se presenta la siguiente hipótesis:

H6: Las IES con disponibilidad de capital financiero y de riesgo muestran mayor
número de creación de empresas spin offs. .

Diversos estudios encuentran una relación positiva y estadísticamente significativa entre

el gasto público anual en I+D en las universidades y la actividad en spin offs (O’Shea et al.,

87
2005; Algieri et al., 2013). Lo anterior se debe a que mayores niveles de inversión para
I+D generan una mayor cartera disponible de tecnologías viables de explotación comercial
(Lockett y Wright, 2005). De hecho, en un estudio empírico, Kolympiris et al. (2014)
encontraron una relación estructural positiva entre el gasto público federal y la formación
de empresas spin off; lo anterior, al realizar un estudio longitudinal entre los gastos
provenientes de los institutos nacionales de salud y la creación de empresas
biotecnológicas en EEUU.

En México, al igual que otros países en desarrollo, la mayor parte de la investigación en

I+D se sustenta principalmente en los recursos que otorga el gobierno federal (CONACYT,
2010; Padilla-Perez y Gaudin, 2014). Principalmente es a través del Consejo Nacional de
Ciencia y Tecnología (CONACYT) como el gobierno asigna fondos a proyectos para
impulsar la innovación tecnológica.

En base a lo anterior se plantea la séptima y última hipótesis:

H7: Las IES con mayores cantidades de gasto público federal asignado a la
investigación muestran mayor número de creación de empresas spin offs.

3.3. METODOLOGÍA DE LA INVESTIGACIÓN

3.3.1. Análisis de la muestra de datos

El país donde se recoge la muestra para este estudio es México. Los datos fueron
obtenidos mediante una solicitud realizada a 17 centros públicos de investigación aplicada
adscritos al CONACYT, y a las 10 principales IES en México en términos de docencia,
investigación y prestigio internacional. De las 27 IES encuestadas, se tuvo respuesta
completa de 25 entidades académicas (ver tabla 3.1). Los 17 CPIs respondieron a la
encuesta y de entre las IES solamente en 2 universidades (Instituto Politécnico Nacional y
Universidad de Guadalajara) no hubo respuesta.

La selección de los 17 CPIs del CONACYT del estudio se hizo con base en identificar
solo aquellos que realizan actividades de ciencia aplicada, ciencias naturales y desarrollo
tecnológico. Por ello, se omitieron aquellas CPIs cuya investigación se centra en el estudio
de ciencias sociales y humanidades. En lo que respecta a las universidades, se siguió un
criterio similar, solicitando información en las diez universidades con mayor reputación y
prestigio que realizan actividades de I+D en tecnología.

88
 Se consultaron los índices elaborados por la revista America Economía12, webometrics13
y el International Colleges & Universities14. La muestra comprende 50 observaciones (25
IES x 2 períodos anuales 2012 y 2103) para construir una base de datos balanceada de tipo
micro panel.

Tabla 3.1 Número de spinoffs creadas en México por IES y CPIs

Institución Número de spin offs

2011 2012 2013
Centro de Investigación en Alimentación y Desarrollo, A.C. (CIADAC) 0 0 0
Centro de Investigación y Asistencia en Tecnología y Diseño del Estado de Jalisco (CIATEJ) 0 0 0
Centro de Tecnol ogía Ava nza da A.C. (CIATEQ) 0 0 0
Centro de Investigaciones Biológicas del Noreste S.C. (CIBNOR) 1 2 1
Centro de Investigación Científica y de Educación Superior de Ensenada (CICESE) 0 0 0
Centro de Investigación Científica de Yucatán, A.C.(CICY) 0 0 0
Centro de Ingeniería y Desarrollo Industrial (CIDESI) 0 0 0
Centro de Investigación y Desarrollo en Electroquímica, S.C. (CIDETEQ) 0 0 0
Centro de Investigación en M ateriales Avanzados, S.C (CIM AV) 0 0 0
Centro de Investigación en M atemáticas A.C. (CIM AT) 0 0 0
Centro de Investigación y de Estudios Avanzados (CINVESTAV) 0 0 0
Centro de Investigaciones en Óptica A.C. (CIOPTAQ) 0 0 0
Centro De Investigación En Química Aplicada (CIQA) 0 0 0
Colegio de Posgraduados (COLPOS) 0 0 0
Corporación M exicana de Investigación en M ateriales (COM IM SA) 0 0 0
Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE) 0 0 1
Instituto Nacional de Ecología y Cambio Climático (INECC) 0 0 0
Centro de Investigación e Innovación en Tecnologías de la Información y Comunicación
(INFOTEC) 0 0 0
Instituto Potosino de Investigación Científica y Tecnológica (IPICYT) 0 0 0
Universidad Nacional Autónoma de M éxico (UNAM ) 0 0 0
Instituto Tecnológico y de Estudios Superiores de M onterrey (ITESM ) 4 9 1
Universidad Autónoma de Nuevo León (UANL) 0 0 0
Benemérita Universidad Autónoma de Puebla (BUAP) 0 0 0
Universidad Autónoma M etropolitana (UAM ) 0 0 0
Universidad Veracruzana (UVER) 0 0 0
Fuente: Elaboración propia

Se recopilaron datos de trece variables solicitadas a través de una fuente secundaria, es

decir el portal del Instituto Nacional de Acceso a la Información Pública (IFAI) entre los
meses de mayo y diciembre del 2014. Esta institución del gobierno federal obliga a las IES
que reciben financiación pública a proporcionar información de sus actividades. De este
modo se obtuvo información sobre el número de patentes solicitadas en el período en
cuestión, la calidad de los cuerpos académicos, la existencia y antigüedad de la oficina de
transferencia de tecnología, la existencia de regulación sobre spin offs, la disponibilidad de
financiamiento y el gasto público dedicado a actividades de I+D.
12
Ver http://rankings.americaeconomia.com/mejores-universidades-mexico-2013/ [Consultado 23/4/2014]
13
Ver www.webometrics.info/es/Latin_America_es/ [Consultado 4/5/2014]
14
Ver http://www.4icu.org/mx/ [Consultado 30/4/2014]

89
 A pesar de que el número total de spin offs generadas en México es desconocido, la
muestra pareció abarcar la mayoría de dichas empresas académicas de base universitaria
consideradas como spin offs, formalmente registradas en cada institución encuestada
durante 2012 y 2013 (ADIAT, 2008, 2010). De esta forma, el sesgo de muestra no debería
limitar los resultados de nuestro análisis. La siguiente sección describe las variables
dependientes e independientes de nuestro modelo empírico.

3.3.2. Medición de las variables

Para medir la variable dependiente se utilizó el número de spin offs fundadas y en activo
durante los años 2012 y 2013. El dato adicional de la variable “número de spin offs
fundadas y en activo” para el año 2011 fue requerido para determinar el número de spin
offs fundadas con un período de retraso y establecer el grado de experiencia previo en la
fundación de este tipo de empresas. El análisis exploratorio de esta variable muestra una
distribución altamente asimétrica (6.13 coeficiente de Pearson) y leptocúrtica (37.9
Pearson) concentrando una gran cantidad de IES sin reportar ninguna spin off. En
consecuencia, este dato arroja una mediana y moda igual a cero y un valor promedio
equivalente a 0.28.

Respecto a las variables independientes, en primer lugar, el número de aplicaciones por

patentes representa un proxy de las capacidades innovadoras de cada IES, al asociarse con
el número de inventos notificados y evaluados exitosamente por las autoridades
pertinentes, por lo regular empleados especializados en las OTTs. Es notable resaltar que
el promedio de patentes solicitadas por las IES en el país durante el período 2012-2103 es
de 16, con solamente una institución académica sin aplicaciones presentadas y 3
instituciones (UNAM, ITESM y CINVESTAV) con más de 60. Se ha preferido utilizar el
número de patentes solicitadas sobre las otorgadas debido a los períodos de tiempo que
suelen transcurrir desde el registro inicial hasta la concesión definitiva de este título legal.

En segundo lugar, ante la imposibilidad de obtener un índice de calidad académica de

todas las IES mexicanas se requirió el diseño de una variable categórica, clasificando a las
entidades académica en 3 niveles de excelencia (1=bajo, 2=medio, 3=alto). Con base en el
ranking anual presentado por la revista América Economía de la calidad de las
universidades en México15, se calificó a los CPIs adscritos al CONACYT en base al grado

15
http://rankings.americaeconomia.com/universidades-mexico-2014/ [Consultado 20/Jun/2014]

90
de desarrollo institucional de sus programas de posgrado (En desarrollo = 1, Consolidados
= 2, Con reconocimiento internacional = 3). De esta manera, 16 IES alcanzaron nivel 2 y 8
lograron ubicarse en el nivel 3.

En tercer lugar, la existencia de oficinas de transferencia parece ser un recurso

organizativo clave en los esfuerzos por aumentar la transferencia tecnológica vía spin offs.
De este modo, se diseñó una variable dicotómica que se expresa igual a uno si existe una
OTT certificada por CONACYT en la IES encuestada o asume el valor de cero en caso
contrario.

En cuarto lugar, a partir de la variable retardada en el tiempo del número de spin offs
creadas, se configura una variable de aprendizaje “dinámica”. Se asume el supuesto que los
mecanismos emprendidos en el pasado para la creación de empresas spin off conllevan una
experiencia de aprendizaje de este complejo proceso, aunque la calidad de este
conocimiento posee un factor de depreciación con el tiempo. Siguiendo a O’Shea et al.
(2005) este parámetro se fija en 0.7 equivalente a una tasa de depreciación del 30% anual
para los datos del 2011 y 2012.

Lo anterior se puede expresar como: SPOt = (1)

Asimismo, se propone una variable para parametrizar el nivel de acumulación conjunta

de aprendizaje en procesos de diseño y creación de spin offs. Esta variable se construye a
partir de la suma de empresas spin offs fundadas entre 2011 y 2012 y busca validar la
existencia de continuidad en el desarrollo e impulso en programas de fomento a este tipo
de empresas de base tecnológica.

En quinto lugar, se diseña una variable cualitativa para identificar la existencia de un

reglamento institucional y normativo en torno a las directrices y lineamientos que se deben
observar en la constitución de las spin offs. En sexto lugar, otra variable categórica señala
la disponibilidad en las IES de capital semilla y de riesgo para emprender proyectos
asociados al lanzamiento en el mercado de tecnologías promocionadas y desarrolladas por
las spin offs.

Por último, una variable de tipo cuantitativo sirvió para medir el gasto público real en
I+D en las IES del país. Al solicitar este indicador a cada CPI y/o universidad no fue
posible distinguir entre el gasto de inversión en actividades de investigación y el gasto
corriente para la operación de cada centro. Así, con el propósito de homogeneizar los datos
se utilizan las cantidades aportados por el CONACYT a cada IES dentro del programa de

91
estímulos a la innovación (PEI) calculados en millones de pesos corrientes16. A pesar de
que dichas cantidades son inferiores a las cantidades reales en I+D provenientes de fuentes
públicas, es de esperarse una alta correlación entre estos dos indicadores.

Por otra parte, la literatura cita un conjunto de variables de control que influyen de
forma indirecta en el desempeño de las spin offs. Estas variables incluyen:

El tipo de propiedad sobre la IES (pública = 1, privada = 0), el cual es categorizado a

través de un indicador dicotómico. La literatura señala que las universidades privadas
suelen impulsar con mayor dinamismo una cultura emprendedora pro-empresarial y la
investigación aplicada a través de un vasto conjunto de actividades institucionales. En
cambio, las universidades públicas suelen enfocarse en las tareas tradicionales de
enseñanza e investigación básica (O’Shea et al., 2005).

La existencia de instalaciones como escuelas de medicina, hospitales y laboratorios

clínicos se midió a través de una variable de tipo dummy organizacional. De acuerdo a
diversos estudios empíricos, la mayor proporción de invenciones patentadas a partir de los
años ochenta se relacionan con las áreas de salud, biotecnología y ciencias de la vida
(Agarwal y Shah, 2014).

La creación de parques científicos, los cuales, diversos estudios empíricos relacionan

con la difusión y propagación de conocimiento altamente especializado y tácito –
knowledge spillovers–, contribuyen a mayores niveles de desarrollo económico a nivel
local. Una variable dummy asume el valor igual a 1, si este tipo de infraestructura que
permite albergar la existencia de spin offs, está vinculada a la IES encuestada (Link y
Scott, 2005).

En regiones con tasas intensivas en inventiva e innovación industrial es observable una

mayor cantidad relativa de formación de spin offs (Feldman y Desroches, 2003; Markman
et al., 2005b). Así, se construye un proxy de la capacidad inventiva por entidad federativa
en el país, ligada al lugar donde geográficamente se ubica cada IES, y representa un factor
ambiental que condiciona los niveles de intensidad regional de I+D (Saxenian, 1996). Este
indicador se diseña como proporción del número de patentes otorgadas a nivel estatal sobre
el total nacional para los años 2012 y 2013.

16
Estos valores no fueron deflactados debido a los bajos índices inflacionarios en el período considerado en
México. La inflación anual al cierre de 2013 fue de 3.97% y de 3.57% durante 2012. www.inegi.gob.mx
[Consultado 20/Dic/2014]

92
3.3.3. Diseño del modelo econométrico

La construcción de un modelo con datos de panel en cuatro diferentes variantes fue

diseñado con el propósito de validar las hipótesis planteadas anteriormente. Se parte de una
ecuación de producción de spin offs del tipo (Hausman et al., 1984; Blundell et al., 1995):

Yit = f (Xit, uit) para i = 1,... N y t = 1,... T (2)

Donde Yit en la variable discreta positiva de recuento de datos del número de spin offs
fundadas, y Xit es un vector de las características de la IES i y condiciones ambientales que
influyen en el proceso en los periodos de tiempo t. El término u it representa la
heterogeneidad no observable entre las IES.

La re-especificación del modelo (2) se describe de la siguiente manera para incorporar

los procesos institucionales dinámicos en la creación de spin offs:

Yit = f (βo + β1 INSTit-t + β2 ORGit + β3 AMBit +ai +n1 + vt) (3)

Donde Yit es el número de empresas spin offs inauguradas legalmente en la IES i en el

año t. Esta variable es una función de un conjunto de factores evolutivos de las
características de las instituciones (INST), organizativas (ORG) y ambientales (AMB).
Asimismo, ai representan un conjunto de variables de control, mientras n1 + vt miden la
heterogeneidad no observada en cada unidad académica a lo largo del tiempo. Cabe
resaltar el conjunto de variables INSTit-t, las cuales representan el efecto de
retroalimentación dinámica, la cultura entre las instituciones académicas de promoción del
espíritu empresarial, y la curva de aprendizaje acumulado que cada IES ha desarrollado
para la creación de spin offs hasta los períodos previos de análisis.

La literatura sugiere el uso de la distribución de Poisson o binomial negativa en los

modelos de recuento de datos (Greene, 2011). En nuestro caso, el segundo método es
preferible debido a que éste modelo permite una sobre dispersión de datos en la variable
dependiente y entre las IES. De este modo se asume una distribución binomial negativa del
tipo:
X’itβ
(4)

Las primeras dos variantes del modelo 1 se diseñan sin incorporar efectos dinámicos
(ver tabla 3.4). Este modelo de estimación de promedios poblacionales con datos
agrupados – pooled population average model – se eligió sobre el modelo de efectos

93
aleatorios. Lo anterior, debido a que al efectuar el test de Breusch y Pagan del
multiplicador de Lagrange (LM), se aceptó la hipótesis nula Ho que la Var (u) = 0, y por
ende la ausencia de efectos aleatorios17. A la vez, el modelo de efectos fijos también fue
descartado por la cantidad de variables explicativas del modelo que no varían en el tiempo
y que pueden resultar en resultados sesgados. La primera variante del modelo 1 es
estimado mediante el método de ecuación de estimadores generalizados (GEE). Este
método nos permite obtener estimaciones de los parámetros consistentes aún si la
estructura de covarianzas no está correctamente especificada (Wooldridge, 2002). La
segunda variante del modelo 1, estima el primer modelo con corrección autorregresiva de
grado 1. Ambas ecuaciones utilizan la corrección de errores estándar Huber-White –
sandwich variance – para obtener estimadores robustos (Ziegler, 2011).

La tercera variante (ver Modelo 2 en tabla 3.4) incorpora una medida de experiencia y
aprendizaje continuo en el pasado para evaluar la importancia en la creación de spin offs.
El supuesto básico señala que los académicos con espíritu empresarial y líderes de las IES
aprenden de experiencias pasadas, sin embargo, la calidad de este conocimiento se
deprecia con el tiempo. En específico, de acuerdo a Foltz (2003), la tasa de depreciación se
establece como λ = 30%18. De este modo se establece la siguiente ecuación:

NSPOSDEPit = SPOs (5)

Finalmente, la cuarta variante (Modelo 3 en la tabla 3.4) incorpora la variable de conteo

SPOSACEFFi para capturar el número de spin offs totales creadas en períodos previos.
Esta variable busca medir ventajas competitivas sostenibles y persistencia de barreras de
entrada a lo largo del tiempo. Este tercer modelo abarca un número de observaciones de 25
datos correspondientes al año 2013, lo anterior con la finalidad de agregar la suma total de
spin offs fundadas en los dos período previos (2011 y 2012). Este modelo binomial
negativo estándar (BN) se compara con el modelo binomial de inflación de ceros (ZINB) –
zero inflation model – el cual señala que el proceso de generación de exceso de ceros en la
variable dependiente puede ser explicada parcialmente por un modelo de decisión binario
logístico. Sin embargo, al aplicar la prueba de Voung, se determina que el modelo estándar
BN es mejor que el modelo ZINB. Lo anterior resulta relevante debido a la muestra
caracterizada por un número excesivo de datos con valores cero. Sin embargo al diseñar el

17
También el test de máxima verosimilitud entre el modelo de efectos aleatorios y el de datos agrupados
confirmó la significación de este último sobre el primero.
18
Variación en los porcentajes aplicados entre el 10% al 30% no varían significativamente en los resultados.

94
modelo logístico ZINB en base a dos variables: tipo de propiedad de la IES – pública o
privada – y existencia o ausencia de OTT, no fue posible establecer un modelo con mayor
poder explicativo que el binomial negativo estándar (GEE).

3.4. RESULTADOS

La tabla 3.2 nos muestra que la variable dummy que se asocia con el tipo de propiedad
pública o privada de la IES está altamente asociada con la mayoría de las variables
explicativas implicando un problema de multicolinealidad potencial. El factor de inflación
de varianza (VIF) de esta variable es equivalente a 30.90 con un margen de tolerancia de
solamente el 3%. Esta variable está fuertemente correlacionada con la variable
correspondiente al número de spin offs instituidas legalmente con un retraso en el tiempo
igual a uno.

Tabla 3.2. Matriz de correlaciones y factores de inflación de varianza

Variables 1 2 3 4 5 6 7 8 9 10 11 12 13
Número de spin offs 1.00
Número de spin offs t-1 0.48 1.00
Num. aplicación patentes 0.32 0.36 1.00
Gasto Público I+D -0.01 0.07 -0.12 1.00
Índice intensidad I+D 0.05 0.04 0.52 -0.31 1.00
Tamaño OTT 0.06 0.17 0.38 -0.22 0.12 1.00
Tipo de Propiedad IES -0.74 -0.91 -0.43 0.01 -0.09 -0.16 1.00
Escuela de Medicina 0.21 0.28 0.76 -0.30 0.59 0.47 -0.33 1.00
Parque Científico 0.38 0.38 0.21 0.21 -0.13 0.03 -0.36 0.07 1.00
Calidad de capital humano IES 0.21 0.24 0.28 0.03 0.03 -0.05 -0.28 0.17 0.23 1.00
Financiación 0.33 0.42 0.05 0.01 -0.15 0.03 -0.47 -0.03 0.27 0.18 1.00
Existencia de OTT 0.15 0.21 0.21 -0.20 0.06 0.52 -0.20 0.06 0.16 -0.10 0.20 1.00
Regulación 0.22 0.29 -0.05 0.01 -0.07 0.31 -0.27 -0.10 0.26 0.00 0.35 0.30 1.00
R² 0.84 0.94 0.70 0.28 0.52 0.61 0.97 0.76 0.41 0.19 0.37 0.47 0.39
Tolerancia 0.16 0.06 0.30 0.72 0.48 0.39 0.03 0.24 0.59 0.81 0.63 0.53 0.61
VIF 6.40 17.47 3.39 1.38 2.07 2.57 30.90 4.19 1.71 1.23 1.59 1.90 1.65
Fuente: Elaboración propia

La tercera variable con mayor coeficiente de VIF es la variable dummy de la existencia

de escuela de medicina con un valor igual a 4.19, la cual arroja un valor de R2 igual a 0.76.
Esta variable se observa fuertemente asociada a la variable que registra el número de
solicitudes de patentes registradas por cada unidad encuestada. A su vez, esta última
variable parece estar correlacionada con el indicador del grado de inventiva regional donde
se ubica geográficamente cada IES. El resto de las variables muestran en promedio una
tolerancia mayor al 50%.

Por otra parte, la tabla 3.3 muestra un resumen descriptivo de los datos de este estudio,
que como se señaló, se basan en la recopilación de 13 datos provenientes de 25 entre 27
IES encuestadas, lo que resultó en una tasa de respuesta completa del 93%.

95
 La estimación descriptiva e inferencial de los datos estadísticos es realizada con los
paquetes de software XLSTAT 2015 y STATA 12 respectivamente. La prueba estructural
de Wald muestra una significación del conjunto de parámetros diferente de cero en el total
de los modelos estimados. De allí, que los modelos como el conjunto total de variables
sean significativos (ver tabla 3.4).

Tabla 3.3. Descripción de datos muestrales

Variable Observ Mínimo Máximo Media Desv. Típica

Número de Spin offs 50 0 9 0.28 1.31

Número de aplicaciones para patentes 50 0 65 15.64 20.25

Índice de calidad de capital humano de la IES 50 1 3 2.28 0.54

Existencia de OTT certificada 50 0 1 0.52 0.50

Número de empleados especializados en OTT 50 0 50 5.40 9.78

Número de Spin offs período t-1 50 0 9 0.30 1.40

Existencia de regulación de SPOs 50 0 1 0.36 0.48

Existencia de financiación para SPOs 50 0 1 0.16 0.37

50 2.14 404.44 153.9 130.1

Gasto Público I+D en millones de pesos
Tipo de Propiedad de la IES 50 0 1 0.96 0.20

Existencia de escuela de medicina 50 0 1 0.28 0.45

Existencia de parque industrial 50 0 1 0.24 0.43

Índice de intensidad I+D x entidad federal 50 0.01 33.05 8.66 10.40

Fuente: IFAI y CONACYT

La primera variable analizada es el número de aplicación de patentes – numappat –. En

el primer modelo (variante 1), el parámetro arroja un valor de 0.18 a un nivel de
significación mayor al 99%. Este resultado se interpretaría como una semi-elasticidad; es
decir, por cada aplicación de patente habría una probabilidad positiva de alrededor del 20%
de formar una spin off. Sin embargo, la significación y valor del parámetro no se
corroboran en los modelos 1 (variante 2) y modelos 2 y 3. Por ello, este resultado debe ser
tomada con cautela y sujeta a futuras estimaciones con un mayor número de observaciones
buscando una mejor bondad de ajuste.

La siguiente variable de tipo organizativo que mide la calidad de los cuerpos

académicos en las IES – qualuniver – nuevamente nos indica la quasi nula relación entre la

96
calidad de docencia, investigación y posgrados, con la fundación de empresas spin offs. De
hecho, el único parámetro significativo en el modelo 2 arroja un coeficiente negativo.

Tabla 3.4. Resultados de modelos para determinar número de spin offs creadas
Modelo 1. Base Datos Modelo 1. Estimadores Modelo 2. Aprendizaje continuo Modelo 3. Aprendizaje
Variable Agrupados (GEE population- Robustos (AR1). GEE Datos (Binomial Negativo AR(1) Acumulado (Binomial
averaged model) Agrupados Robusto) Negativo)
Número de aplicación x patentes 0.1804 (.0190) *** 0.0198 (.0233) -0.0613 (.0227)*** -0.0799 (.0527)
Índice de calidad de cuerpos académicos de las IES -0.0977 (.6884) .7949 (1.504) -4.291 (1.1405)*** .0066 ( .4569)
Existencia de OTT certificada por CONACYT -6.235 (.7013)*** -0.0570 (1.4992) -3.3414 (1.3269)** 17.117 (.9742)***
Número de empleados especializados en OTT nd nd nd -.0779 (.0511)
Número de spin offs en año t-1 con tasa de depreciación = 70% 2.6435 (.3488) ***
Número de spin offs totales en años previos 2011 y 2012 0.5648 (.0891)***
Existencia de regulación sobre SPOs 12.432 (.8302)*** 0.2140 (1.334) -0.3295 (.9122) 4.542 (.725)***
Existencia de financiación para SPOs -8.531 (1.201)*** 0.6412 (1.389) 0.7695 (1.3061) -6.331 (.8793)***
Gasto publico I+D en millones de pesos 0.0279 (.0024) *** 0.0042 (.0163) nd -0.0083 (.0037)**
logaritmo natural del gasto público en I+D nd nd -4.128 (1.0074)*** nd
Existencia de parque científico -1.358*(0.7328)* 18.873 (.9521)*** 38.713 (5.444)*** 5.038 ( .5844)***
Índice de intensidad I+D x entidad federal -0.2655 (.7687) 0.044 (0351)
Existencia de escuela de medicina -15.935 (1.476)***
Tipo de propiedad de la IES -4.137 (.6346)*** -12.875 (3.435)*** 4.129 (6.503)

constante -8.659 (1.624)*** -21.834 (5.361)*** 50.1118 (16.7950)***-10.1715 (1.8023)***

Número de Observaciones 50 (25 x 2) 50 (25 x 2) 50 (25 x 2) 25
Log pseudolikelihood -15.37 -3.026
Pseudo R2 0.3765
Wald Chi2 (Prob > Chi2) 303.68 (0.000) 2088.35 (0.000) 3643.7 (0.000) 300.44 (0.000)
* p < .10
** p < .05
*** p < .01

En el siguiente conjunto de variables cualitativas tipo dummy – findummy, ottdum,

regspos, parksc, med, iesownwer – el resultado se puede interpretar de la siguiente forma:
βk
la media condicional es veces mayor si Xk toma valor 1 en vez de 0 (Cameron y
Travedi, 1998). Los resultados muestran que la existencia de disponibilidad de acceso a
financiación no determina, en contraste con la mayoría de estudios internacionales, la
existencia de spin offs (Shane y Stuart, 2002; Upstill y Symington, 2002; Coupe, 2003;
Clarysse et al., 2005). Es decir, la mayoría de las IES han subutilizado este recurso externo
para fomentar una mayor transferencia. Por otro parte, la variable ottdum refleja resultados
ambiguos. El modelo 1 (versión 1) y modelo 2, si bien indican valores significativos al
99% y 95%, estos coeficientes son negativos. Cabe señalar, no obstante, el modelo 3 si nos
presenta un valor positivo significativo para el año 2013 de la incidencia de las OTTs en la
creación de empresas universitarias. Por su parte, la variable regspos, como indicador de la
existencia de un reglamento institucional y contractual para regular y dar certidumbre
jurídica a la existencia de spin offs, muestra un valor positivo y significativo al 99% en los
modelos 1 y 3.

La variable – gpdiezmill – de tipo ambiental, se relaciona con el gasto público

distribuido por el CONACYT en proyectos de I+D en las IES. Este indicador solo es

97
significativo en el modelo 1 (variante 1), implicando que aumentos en el gasto público por
cada millón de pesos impactarían en un 3% sobre la creación de spin offs. No obstante, este
resultado no se confirma en los siguientes modelos, inclusive en el modelo 2, donde se
incorpora el logaritmo natural de esta variable para medir la elasticidad, el valor arrojado
es significativo pero con valor negativo (-4.1%).

Dentro del conjunto de variables de control, se puede afirmar que la variable parksc que
representa la existencia de parques científicos asociados a los campus de las IES si es un
factor de impacto positivo para la generación de spin offs. Asimismo, es notable que el
perfil privado de las instituciones de educación superior, caso en específico del ITESM, si
impacta fuertemente en la búsqueda por inaugurar e impulsar este tipo de empresas. Por el
contrario, la existencia de escuelas de medicina o la localización geográfica en entidades
federativas de alta concentración en I+D no parecen tener mayor impacto.

Por último, el modelo 2 que incorpora la variable dinámica nsposdep nos arroja un valor
positivo significativo mayor al 99% equivalente a 2.64, literalmente este indicador sería
interpretado de la siguiente forma, de que aquellas IES con procesos de aprendizaje y
experiencia previo en la generación de spin offs, poseen hasta 14 veces más probabilidad
de fundar este tipo de empresas en comparación con aquellas IES que carecen de este
conocimiento. Asimismo, el modelo 3 que acumula el total de spin offs generadas en
algunas IES en 2 períodos previos a través de la variable sposaceff, nos presenta un valor
de parámetro positivo significativo equivalente a 0.56, lo que implicaría la probabilidad del
75% aproximadamente de obtener ventajas competitivas para la generación de spin offs en
períodos futuros con respecto a aquellas IES sin experiencia previa.

3.5. CONCLUSIONES

A nivel internacional, las universidades se han embarcado en procesos de transferencia

de sus invenciones al mercado vía la fundación de spin offs, contribuyendo en el desarrollo
económico local, desarrollando investigaciones de vanguardia, fomentando la innovación y
creando empleos de alto valor agregado (Audretsch y Lehmann, 2014). Las causas por las
que las universidades experimentan diferentes tasas en la creación de este tipo de empresas
se ha constituido como un tópico de interés académico entre economistas e investigadores
de la administración tecnológica (Grimaldi et al., 2011; Autio et al., 2014). El objetivo de
este trabajo ha sido entender que factores explican la creación de spin offs en el ámbito de

98
economías en desarrollo. Así, en este estudio se ha diseñado un modelo teórico y empírico
para entender las razones de las variaciones interinstitucionales en las IES mexicanas en la
producción de estas empresas. Asimismo, al diseñar un modelo de micro panel se ha
reducido la cuestión de endogeneidad presente en la mayoría de estudios transversales
sobre transferencia tecnológica.

La contribución más relevante de este estudio confirma que la experiencia histórica y la

acumulación de aprendizaje dinámico en los procesos de creación de spin offs son factores
que positivamente impactan las variaciones en el desempeño entre universidades y CPIs en
México (Rasmussen et al., 2010; Ortín-Angel et al., 2014). Al igual que los resultados
obtenidos por O’Shea et al. (2005), es posible subrayar la importancia para los diseñadores
de políticas públicas y directivos de las IES, de impulsar programas institucionales de
fomento de la TT y de la cultura pro emprendedora empresarial de largo plazo entre los
miembros de las facultades académicas (Bozeman et al., 2013, 2015; Shane et al., 2015).
En este sentido, es notable el caso del ITESM, universidad privada, que en un estudio de la
OCDE (2012) señala que aun cuando su desempeño en la generación de spin offs parece
ser limitada en comparación con otras IES de la OCDE, no obstante, es muy significativa
respecto a otras instituciones académicas y de investigación en México. De hecho, en base
a una entrevista realizada con la responsable de la OTT en el ITESM en el primer semestre
del año 2015, se nos informó que en el año 2014 se fundó una spin off y al primer trimestre
del 2015 se constituyeron dos empresas más, ratificando la perseverancia y continuidad de
las habilidades y rutinas adquiridas en la creación empresarial. Asimismo, es probable que
la alta concentración industrial en Monterrey, lugar donde se asienta el campus principal
del ITESM, haya alcanzado un umbral para el desarrollo de un ecosistema local que
fomente la aparición de un cluster tecnológico (Iacobucci et al., 2015). Tal como se ha
señalado anteriormente, los resultados señalan que existe una alta probabilidad de crear
nuevas spin offs en instituciones como el ITESM que han fundado empresas en dos
períodos anteriores de forma consecutiva. Esta experiencia evolutiva puede ser equivalente
a la formación de barreras de entrada difíciles de remontar por otras IES carentes de dicha
experiencia y están en concordancia con otros estudios empíricos (Foltz et al., 2003;
Algieri et al., 2013).

Por otra parte, si bien existen programas federales de incentivos económicos a los
académicos en universidades públicas por su desempeño en áreas de docencia,
investigación y divulgación, estos estímulos no contemplan actividades de emprendimiento

99
empresarial19. De allí la importancia de alentar programas de educación empresarial y de
fomento a la protección intelectual que divulguen entre estudiantes, miembros de
facultades y directores de programas académicos la nueva misión que las universidades
llevan a cabo en el ámbito económico (Franklin et al., 2001; Friedman y Silberman, 2003;
Luthje y Franke, 2003; Guerrero et al., 2015).

Una segunda contribución indica que ciertos factores organizativos citados en la

literatura, como relevantes en el desempeño de transferencia tecnológica parecen no poseer
mayor incidencia en la fundación de spin offs en México durante el período estudiado (Di
Gregorio y Shane, 2003; Powers y McDougall, 2005). Por ejemplo, la calidad de las
universidades no parece poseer incidencia alguna sobre la creación de spin offs.
Nuevamente, esto parece deberse al poco énfasis en incentivar aspectos relacionados con la
vinculación industrial y el emprendimiento empresarial académico. A pesar de la
reconocida calidad a nivel internacional de miembros de instituciones públicas como la
UNAM, CINVESTAV, UAM, entre otras, hay evidencia empírica de que la fundación de
empresas basadas en investigación universitaria no es regularmente reportada y registrada
de manera formal en las IES (Klofsten y Jones, 2000; Aldridge y Audretsch, 2011). De
hecho, un estudio elaborado por Fini et al. (2011), concluye que una considerable
proporción de negocios iniciados por académicos se basan en invenciones no notificadas ni
patentadas a través de las organizaciones universitarias designadas como las OTTs.
Asimismo, se ha señalado que abundan las spin offs no reguladas pero que éstas se
especializan en productos y procesos genéricos más que en investigaciones altamente
especializadas (Bathelt y Kogler, 2010). Lo anterior es relevante en países como México,
donde la difusión para el conocimiento de las actividades que realizan las OTTs aún es
deficiente y muy limitado, lo cual implica desafíos para la legitimización de estas
organizaciones (Bodas-Freitas y Argou-Marques et al. 2013; O’Kane et al., 2015).

La tercera contribución reafirma la noción que los procesos de formación de spin offs
son complejos y dinámicos (Mowery y Sampat, 2005; Parente y Feola, 2013). La
existencia de esquemas de apoyo financiero para el impulso de spin offs parece ser una
condición necesaria pero no suficiente para fomentar activamente la creación de este tipo
de empresas en México. Este factor que ha sido identificado como clave en países más
avanzados, parece estar ligado a un mercado financiero de capital de riesgo – venture

19
La Secretaría de Educación Pública implementa anualmente un programa de estímulos que compensa con
beneficios económicos adicionales al salario base en el desempeño del personal académico de las IES. Las
bases y método de evaluación se puede consultar en www.gaceta.udg.mx/suplementosn.php

100
capital – incipiente y no consolidado en México. En el país no existen casos de
participación accionarial conjunta entre las universidades y las empresas que podrían
generar ganancias en menores plazos comparados al licenciamiento tradicional (Bray y
Lee, 2002). Cabe señalar que futuros análisis cualitativos deben profundizar en los
requerimientos legales, financieros y económicos a los que se enfrentan las empresas que
buscan este tipo de apoyos.

Una cuarta contribución señala que la transferencia de tecnología implica un fuerte

compromiso institucional plasmado en el diseño organizativo de entidades de apoyo como
son las oficinas de transferencia de tecnología (OTTs). Estas agencias de intermediación
entre académicos y la industria elaboran y supervisan la regulación y normativa sobre el
comportamiento de las spin offs (Fontes, 2005). Sin embargo, este estudio solo valida
parcialmente las hipótesis 4 y 6; incluso, en contraste con otros estudios empíricos (O’Shea
et al. 2005), no parece existir una relación significativa entre el número de personas
especializadas trabajando en las OTTs y un mayor número de spin offs. En resumen, es
necesario llevar a cabo un análisis en el futuro que profundicen en la relación de OTTs
certificadas con el surgimiento de spin offs universitarias en el país.

La quinta contribución nos indica, en contraste a lo señalado por otros trabajos

empíricos (O’Shane et al. 2005), que el gasto público en I+D no incide en la formación de
nuevas empresas tipo spin off. No obstante, este resultado parece estar en sintonía con el
trabajo de Lockett y Wright (2005), quienes encontraron resultados ambiguos en la
relación entre las cantidades de investigación de las universidades y la creación de spin
offs. Este resultado nuevamente parece corroborar el hecho de que los factores ambientales
deben complementarse con el compromiso institucional de llevar a cabo amplios esquemas
de fomento pro-empresarial entre los académicos.

Finalmente como una sexta contribución, se señala en concordancia con otros trabajos
empíricos, que organizaciones de apoyo como parques científicos si tienen un impacto
positivo en la creación de empresas spin offs (Link y Scott, 2005). Estas organizaciones
impulsan el desarrollo económico local a través de la formación de clusters, empleos de
alta calidad y creación de redes de conocimiento (Westhead y Storey, 1995; Audretsch et
al., 2005). Es de esperar una alta correlación y vinculación entre la existencia de parques
científicos e incubadoras de empresas, sin embargo, es necesario analizar el papel de las
incubadoras en la tasas de graduación de empresas que se convierten en spin offs
(Rothaermel y Thursby, 2005; Mc Adam et al., 2008). Diversos estudios señalan que

101
menos del 9% de las empresas incubadas sobreviven en América Latina (Hoeser y Versino,
2006; Peña, 2011). Además el porcentaje de empresas de alta tecnología en México que
son incubadas no alcanza el 5% del total20. De allí, la necesidad de estudios futuros para
investigar si el pobre desempeño de las incubadoras universitarias en países en desarrollo
también contribuye al escaso número de spin offs creadas (Rogova, 2014).

En este seminal estudio empírico sobre las determinantes de la creación de spin offs en
México se concluye que el incipiente desarrollo de este tipo de empresas de base
tecnológica universitarias se debe por una parte, a la falta de programas de fomento a la
cultura pro-empresarial y, por otra parte, a un escaso desarrollo organizativo y ambiental
en el sistema de innovación. Este estudio conlleva una serie de limitaciones incluyendo un
número reducido de observaciones que se remite a solo tres períodos de tiempo (2011-
2013), en comparación a estudios internacionales que han abarcado más de una década.
Asimismo, este estudio se limita al análisis de las spin off en general con la necesidad
futura de realizar estudios por sectores y actividades de ciencia (producto, servicio,
desarrollo) para distinguir las áreas en las cuales se están generando fortalezas y
capacidades competitivas v.g. biológicas, médicas, físicas, ingeniería, mecánicas, entre
otras (Autio, 1997; Pirnay et al., 2003).

Otra limitación de este estudio se refiere al diseño de los índices de calidad de las IES
de la muestra. De ahí la necesidad que en futuros trabajos se afine la construcción de este
tipo de indicadores con énfasis en las capacidades empresariales y emprendedoras de los
inventores académicos (Siegel, Waldman et al., 2004). Este estudio no incorpora
características que evalúen los perfiles a nivel individual de los académicos y su grado de
compromiso y participación para la conclusión del proceso empresarial. Asimismo, aun
cuando se establece que existen procesos dinámicos de aprendizaje y retroalimentación en
la acumulación de conocimiento, es necesario ahondar en el estudio de los mecanismos
específicos que operan a nivel interno de las IES para una mayor comprensión del
fenómeno. Una limitación adicional reside en que este estudio no aborda los mecanismos
subyacentes en las estructuras que generan las spin offs universitarias v.g. redes exo y endo
institucionales (Nicolau y Birley 2003). Este trabajo tampoco ha profundizado en el
modelo de negocios y sus combinaciones que permitan determinar el desempeño futuro de
las spin offs (Mangematin et al., 2003; Clausen y Rasmussen, 2013; Lehoux et al., 2014).

20
Fuente: Secretaría de Economía. http//:www.siem.gob.mx/SNIE/CoberturaSNIE.asp [Fecha de consulta 25
de Julio del 2013]

102
Finalmente, se requieren futuras metodologías, modelos alternativos adicionales con
metodologías que representen mejor contextos de sistemas nacionales de innovación donde
muy pocas IES están generando spin offs.

De esta manera, si el objetivo de los diseñadores de políticas públicas universitarias y

científicas es aumentar el número de spin offs, este trabajo ha buscado señalar algunos
rasgos iniciales. Futuros trabajos deben profundizar en el impacto el gasto público a través
de los diferentes programas del CONACYT está teniendo en el fomento de empresas spin
off. Asimismo, otros trabajos deberán ahondar en el papel que juega el sistema financiero e
instrumentos de riesgo para alentar la creación de empresas universitarias. Finalmente,
otros estudios deberán responder porque las OTTs están privilegiando otros mecanismos
de TT en lugar de la promoción de spin offs. Por tanto, es de esperarse que nuevos trabajos
en el futuro, amplíen el estudio de estos temas que permitan elaborar estrategias más
eficientes para facilitar la proliferación de este tipo de empresas en el país.

103
BIBLIOGRAFÍA

Abreu, M., Grinevich, V. (2013). The nature of academic entrepreneurship in the UK:
Widening the focus on entrepreneurial activities. Research Policy, 42, 408-422.

ADIAT (2008). Desarrollo de un modelo de transferencia de tecnología para México.

México: Asociación Mexicana de Directivos de la Investigación Aplicada y el
Desarrollo Tecnológico-ADIAT.

ADIAT (2010). Oficinas de Transferencia de Tecnología. Fundamentos para su

Formación y operación en México. México: Asociación Mexicana de Directivos de la
Investigación Aplicada y el Desarrollo Tecnológico-ADIAT.

Agarwal, R., Shah, S. (2014). Knowledge sources of entrepreneurship: Firm formation by

academic, user and employee innovators. Research Policy, 43, 1109-1133.

Aldridge, T. T., Audretsch, D. B. (2011). The Bayh–Dole act and scientist

entrepreneurship. Research Policy, 40(8), 1058–1067.

Algieri, B., Aquino, A., Sucurro, M. (2013). Technology transfer offices and academic
spin off creation: the case of Italy. The Journal of Technology Transfer, 38, 382-400.

Audretsch, D. B., Lehmann, E. E., Warning, S. (2005). University spillovers and new firm
location. Research Policy, 34, 1113-1122.

Audretsch, D. B., Lehmann, E. E., Wright, M. (2014). Technology transfer in a global

economy. The Journal of Technology Transfer, 39(3), 301-312.

Autio, E. (1997). New Technology-based firms in innovation networks. Research Policy,

26, 263-281.

Autio, E., Kenney, M., Mustar, P., Siegel, D., Wright, M. (2014). Entrepreneurial
innovation: The importance of context. Research Policy, 43, 1097-1108.

Bas, Thomas. (2012). Comparing High Technology Firms in Developed & Developing
Countries. Hershey, PA: IGI Global.

Bathelt, H., Kogler D., Munro, A. (2010). A knowledge-based typology of university spin-
offs in the context of regional economic development. Technovation, 30, 519-532.

104
Binkauskas, G. (2012). Academic entrepreneurship: Barriers and fears versus wishes and
opportunities. International Journal of Technology Management & Sustainable
Development, 11(3), 231-244.

Blundell, R., Griffith, R., Van Reenen, J. (1995). Dynamic count data models of
technological innovation. Economic Journal, 105, 333–344.

Bodas-Freitas, I.M., Argou-Marques, R., Mirra de Paula, E. (2013). University–industry

collaboration and innovation in emergent and mature industries in new industrialized
countries. Research Policy, 42, 443-453.

Bodas-Freitas, I., Geuna, A., Rossi, F. (2013). Finding the right partners: Institutional and
personal modes of governance of university-industry interactions. Research Policy, 42,
50-62.

Borges, C., Filion, J.L. (2013). Spin-off process and the development of academic
entrepreneur’s social capital. Journal of Technology Management & Innovation, 8(1),
21-34.

Bozeman, B., Fay, D., Slade, C. (2013). Research collaboration in universities and
academic entrepreneurship: the-state-of-the-art. Journal of Technology Transfer, 38,
1–67.

Bozeman, B., Rimes, H., Youtie, J., (2015). The evolving state-of-the-art in technology
transfer research: Revisiting the contingent effectiveness model. Research Policy, 44,
34-49.

Bray, M.J., Lee, J.. (2000). University Revenues from Technology Transfer Licensing Fees
vs. Equity Positions. Journal of Business Venturing, 15, 385-392.

Cameron, A.C., Travedi, P.K. (1998). Regression Analysis of Count Data. Cambridge, UK:
Cambridge University Press.

Carlsson, B., Fridh, A. (2002). Technology transfer in United States universities: A survey
and statistical analysis. Journal of Evolutionary Economics, 12, 199-232.

Clarke, B.R., (1998). Creating Entrepreneurial Universities; Organizational Pathways of

Transformations. New York: IAU Press.

Clausen, T., Rasmussen, E., (2013). Parallel business models and the innovativeness of
research-based spin-off ventures. Journal of Technology Transfer, 38, 836–849.

105
Clarysse, B., Moray, N. (2004). A process study of entrepreneurial team formation: the
case of a research-based spin-off. Journal of Business Venturing, 19(1), 55-79.

Clarysse, B., Wright, M., Lockett, A., Van de Velde, E., Vohora, A. (2005). Spinning out
new ventures: a typology of incubation strategies from European research institutions.
Journal of Business Venturing, 20, 183-216.

Clarysse, B., Wright, M., Lockett, A., Mustar, P., Knockaert, M. (2007). Academic spin-
offs, formal technology transfer and capital raising. Industrial and Corporate Change,
16(4), 609-640.

CONACYT. (2008). Informe General del Estado de la Ciencia y Tecnología. México:

CONACYT.

CONACYT. (2010). Informe General del Estado de la Ciencia y Tecnología. México:

CONACYT.

Coupe, T. (2003). Science Is Golden: Academic R&D and University Patents. Journal of
Technology Transfer, 28(1), 31-46.

Cowan, R., Zinovyeva, N., (2013). University effects on regional innovation. Research
Policy, (42), 788-800.

David, P. A. (2007). Path dependence: a foundational concept for historical social science.
Cliometrica, 1(2), 91-114.

Debackere, K. (2000). Managing academic R&D as a business at K.U. Leuven: context,

structure and process. R&D Management, 30(4), 323-328.

Debackere, K., Veugelers, R. (2005). The role of academic technology transfer

organizations in improving industry science links. Research Policy, 35, 321-342.

Di Gregorio, D., Shane, S. (2003). Why do some universities generate more start-ups than
others? Research Policy, 32, 209-227.

Djokovic, D., Souitaris, V. (2008). Spinouts from academic institutions: a literature review
with suggestions for further research. Journal of Technology Transfer, 33(3), 225-247.

Druilhe, C., Garnsey, E. (2004). Do Academic Spin-Outs Differ and Does it Matter?
Journal of Technology Transfer, 29, 269-285.

106
Etzkowitz, H, Mello, J., Almeida, M. (2005). Towards ‘metainnovation’ in Brazil: the
evolution of the incubator and the emergence of a triple helix. Research Policy, 34,
411–424.

Feldman, M., Desrochers, P. (2003). Research universities and local economic

development: lessons from the history of Johns Hopkins University. Industry and
Innovation, 10(1), 5-24.

Festel, G., (2013). Academic spin-offs, corporate spin-outs and company internal start-ups
as technology transfer approach. The Journal of Technology Transfer, 38, 454-470.

Fini, R., Grimaldi, R., Santoni, S., Sobrero, M. (2011). Complements or substitutes? The
role of universities and local context in supporting creation of academic spin-offs.
Research Policy, 40, 113-1127.

Florida, R., Kenney M. (1988). Venture capital financed innovation and technological
change in the United States. Research Policy 17, 119–137.

Friedman, J., Silberman, J. (2003). University technology transfer: do incentives,

management and location matter? Journal of Technology Transfer, 28, 17-30.

Foltz, J., Kim, K., Barham, B. (2003). A Dynamic Analysis of University Agricultural
Biotechnology Patent Production. American Journal of Agricultural Economics, 85(1),
189-199.

Fontes, M. (2005).The process of transformation of scientific and technological knowledge

into economic value conducted by biotechnology spin-offs. Technovation, 25, 339-
347.

Franklin, S. J., Wright, M., Lockett, A. (2001). Academic and Surrogate Entrepreneurs in
University Spin-out Companies. Journal of Technology Transfer, 26(1-2), 127-141.

Goldfarb, B., Henrekson M. (2003). Bottom-up versus top-down policies towards the
commercialization of university intellectual property. Research Policy, 32, 639-658.

Greene, W. (2011). Econometric Analysis. 7th Ed. New York: Prentice Hall

Griliches, Z., (1990). Patent statistics as economic indicators: a survey. Journal of

Economic Perspectives, 28(4), 1661–1707.

Grimaldi, R., Kenny, M., Siegel, D., Wright, M. (2011). 30 years after Bayh-Dole:
Reassessing academic entrepreneurship. Research Policy, 40, 1045-1057.

107
Guerrero, M., Cunningham, J., Urbano, D., (2015). Economic impact of entrepreneurial
universities’ activities: An exploratory study of the United Kingdom. Research Policy,
44, 748-764.

Hausman, J., Hall, B., Griliches, Z. (1984) Economic Models for Count Data with an
Application to the Patents-R&D Relationship. Econometrica, 52, 909–938.

Heirman, A., Clarysse, B. (2004). How and Why do Research-Based Start-Ups Differ at
Founding? A Resource-Based Configurational Perspective. Journal of Technology
Transfer, 29, 247-268.

Hoeser, U., Versino, M. (2006). A diez años del inicio de la incubación de empresas de
base tecnológica en Argentina. Balance de la evolución del fenómeno y análisis de las
experiencias recientes. Redes, 12(24), 15-41.

Hsu, D. H., Ziedonis, R.H. (2013). Resources as dual sources of advantage: Implications
for valuing entrepreneurial‐firm patents. Strategic Management Journal, 34(7), 761-
781.

Iacobucci, D., Micozzi, A., (2015). How to evaluate the impact of academic spin-offs on
local development: an empirical analysis of the Italian case. The Journal of
Technology Transfer, 40, 434-452.

Kalar, B., Antoncic, B. (2015). The entrepreneurial university, academic activities, and
technology and knowledge transfer in four European countries. Technovation, 36, 1-
11.

Kenney, M., Goe, W.R. (2004). The role of social embeddedness in professional
entrepreneurship: A comparison of electrical engineering and computer science at UC
Berkeley and Stanford. Research Policy, 33, 691-707.

Klofsten, M., Jones-Evans, D. (2000). Comparing academic entrepreneurship in Europe–

the case of Sweden and Ireland. Small Business Economics, 14(4), 299-309.

Kolympiris, C., Kalaitzandonakes, N., Miller, D. (2014). Public funds and local
biotechnology firm creation. Research Policy, 43(1), 121-137.

Lehoux, P., Daudelin, G., Williams-Jones, B., Denis, J., Longo, C. (2014). How do
business model and health technology design influence each other? Insights from a
longitudinal case study of three academic spin-offs. Research Policy, 43, 1025-1038.

108
Link, A. N., Scott, J. T. (2005). Opening the ivory tower's door: An analysis of the
determinants of the formation of U.S. university spin-off companies. Research Policy,
34, 1106-1112.

Lockett, A., Wright, M. (2005a). Resources, capabilities, risk capital and the creation of
university spin-out companies. Research Policy, 34, 1043-1057.

Lockett, A., Siegel, D., Wright, M., Ensley, M. D. (2005b). The creation of spin-off firms
at public research institutions: managerial and Policy Implications. Research Policy,
34, 981-993.

Lüthje, C., Franke, N. (2003). The ‘making’of an entrepreneur: testing a model of

entrepreneurial intent among engineering students at MIT. R&D Management, 33(2),
135-147.

Macho, I., Pérez. D., Veugelers, R. (2007). Licensing of university inventions: The role of
a technology transfer office. International Journal of Industrial Organization, 25, 483-
510.

Mangematin, V., Lemarié, S., Boissin, J. P., Catherine, D., Corolleur, F., Coronini, R.,
Trommetter, M. (2003). Development of SMEs and heterogeneity of trajectories: the
case of biotechnology in France. Research Policy, 32(4), 621-638.

Markman, G., Gianiodis, P. T., Phan, P. H., Balkin, D.B. (2005a). Innovation speed:
Transferring university technology to market. Research Policy, 34, 1058-1075.

Markman G., Phan P., Balkin D., Gianiodis P. (2005b). Entrepreneurship and university-
based technology transfer. Journal of Business Venturing, 20, 241-263.

McAdam, M., McAdam, R. (2008). High Tech start-ups in University Science Park
incubators: The relationship between the start-up's lifecycle progression and the use of
the incubator's resources. Technovation, 28, 277-290.

Molina, A., Aguirre, J. M., Breceda, M., Cambero, C. (2011). Technology parks and
knowledge-based development in Mexico: Tecnológico de Monterrey CIT2
experience. International Journal of Entrepreneurship and Innovation Management,
13(2), 199-224.

Moray, N., Clarysse. B. (2005). Institutional change and resource endowments to science-
based entrepreneurial firms. Research Policy, 34, 1010-1027.

109
Mowery, D.C., Nelson, R.R., Sampat, B.N., Ziedonis, A.A. (2001). The growth of
patenting and licensing by U.S. universities: an assessment of the effects of the Bayh-
Dole act in 1980. Research Policy, 30, 99-119.

Mowery, D.C., Sampat, B.N. (2005).The Bayh-Dole Act of 1980 and University-Industry
Technology Transfer: A Model for Other OECD Governments. Journal of Technology
Transfer, 30,115-127.

Mustar, P., Renault, M., Colombo, M. G., Piva, E., Fontes, M., Lockett, A., Wright, M.,
Clarysse, B., Moray, N. (2006). Conceptualizing the heterogeneity of research-based
spin-offs: A multi-dimensional taxonomy. Research Policy, 36, 289-308.

Mustar, P., Wright, M., (2010). Convergence or path dependency in policies to foster the
creation of university spin-off firms? A comparison of France and the United
Kingdom. The Journal of Technology Transfer, 35(1), 42–65.

Ndonzauau, F. N., Pirnay, F., Surlemont, B. (2002). A stage model of academic spin-off
creation. Technovation, 22, 281–289.

Nelson, R.R., Winter, S.G. (1982). An Evolutionary Theory of Economic Change.

Cambridge MA: Belknap Press of Harvard University Press.

Nerkar, A., Shane, S. (2003). When do start-ups that exploit patented academic Knowledge
survive? International Journal of Industrial Organization, 21, 1391-1410.

Nicolaou, N., Birley, S. (2003). Academic networks in a trichotomous categorization of

university spinouts. Journal of Business Venturing, 18, 333-359.

Nielsen, K., (2015). Human capital and new venture performance: the industry choice and
performance of academic entrepreneurs. The Journal of Technology Transfer, 40, 453-
474.

North, Douglas C. (2006). Instituciones, Cambio Institucional y Desempeño Económico. 3ª

Reimpresión. México D.F.: Fondo de Cultura Económica.

OCDE, (2012). Evaluación de la OCDE del sector de nuevas empresas basadas en el

conocimiento. México D.F.: OCDE

OECD. (1999). University Research in Transition, Paris: Organization for Economic Co-
operation and Development.

110
OECD. (2003). Turning Science into Business. Patenting and Licensing at Public Research
Organizations. Paris: Organisation for Economic Co-operation and Development.

O’Kane, C., Mangematin, V., Geoghegan, W., Fitzgerald, C., (2015). University
technology transfer offices: The search for identity to build legitimacy. Research
Policy, 44, 421-437.

Ortín-Ángel, P., Vendrell-Herrero, F. (2014). University spin-offs vs. other NTBFs: Total
factor productivity differences at outset and evolution. Technovation, 34, 101-112

O'Shea, R., Allen, T. J., Chevalier, A., Roche, F. (2005). Entrepreneurial orientation,
technology transfer and spinoff performance of U.S. universities. Research Policy, 34,
994-1009.

O’Shea, R., Allen, T. J., Morse, K., O’Gorman, C., Roche, F. (2007). Delineating the
anatomy of an entrepreneurial university: The Massachusetts Institute of Technology
Experience. R&D Management, 37(1), 1-16.

O’Shea, R., Chugh, H., Allen, T. J. (2008). Determinants and consequences of university
spin-off activity: A conceptual framework. Journal of Technology Transfer, 33(6),
653–666.

Padilla-Pérez, R., Gaudin, Y. (2014). Science, technology and innovation policies in small
and developing economies: The case of Central America. Research Policy, 43, 749-
759.

Parente, R., Feola, R. (2013). Entrepreneurial intent and entrepreneurial commitment of

young researchers. International Journal of Technology Management & Sustainable
Development, 12(2), 155-166.

Peña, J.C. (2011). Análisis de las características de las incubadoras de empresas en

Colombia: un estudio de casos. Journal of Economics, Finance and Administrative
Science, 16(30), 9-43.

Perkmann, M., Tartari, V., McKelvey, M., Autio, E., Broström, A., D’Este, P., Sobrero, M.
(2013). Academic engagement and commercialisation: A review of the literature on
university–industry relations. Research Policy, 42(2), 423-442.

Pirnay, F., Surlemont, B., Nlemvo, F. (2003). Toward a typology of university spin-offs.
Small Business Economics, 21(4), 355-369.

111
Powell, W., Smith, J. (1998).Universities and the market for intellectual property in the life
sciences. Journal of Policy Analysis and Management, 17(2), 253-277.

Powell, W., Di Maggio, P. Comps. (1999). El Nuevo Institucionalismo en el Análisis

Organizacional. México D.F.: Fondo de Cultura Económica.

Powers, J. B., McDougall, P. P. (2005). University start-up formation and technology

licensing with firms that go public: a resource-based view of academic
entrepreneurship. Journal of Business Venturing, 20, 291-311.

Rasmussen, E., Borch, O. J. (2010). University capabilities in facilitating entrepreneurship:

A longitudinal study of spin off ventures at mid-range universities. Research Policy,
39, 602-612.

Rasmussen, E., Mosey, S., Wright, M. (2014).The influence of university departments on

the evolution of entrepreneurial competencies in spin-off ventures. Research Policy,
43, 92-106.

Rizzo, Ugo., (2015). Why do scientists create academic spin-offs? The influence of the
context. The Journal of Technology Transfer (40), 198-226.

Rogova, E. (2014). The effectiveness of business incubators as the element of the

universities’ spin-off strategy in Russia. International Journal of Technology
Management & Sustainable Development, 13(3), 265-281.

Rothaermel, F., Thursby, M. (2005a). Incubator firm failure or graduation? The role of
University linkages. Research Policy, 34, 1076-1090.

Rothaermel, F. T., Thursby, M. (2005b). University–incubator firm knowledge flows:

assessing their impact on incubator firm performance. Research Policy, 34, 305-320.

Sampat, B. N., Mowery, D. C., Ziedonis, A. A. (2003). Changes in university patent

quality after the Bayh–Dole act: a re-examination. International Journal of Industrial
Organization, 21(9), 1371-1390.

Saxenian, A. L. (1996). Regional Advantage: culture and competition in Silicon Valley and
Route 128. Boston: Harvard University Press.

Shane, S. (2002). Executive forum: University technology transfer to entrepreneurial

companies. Journal of Business Venturing, 17, 537-552.

112
Shane, S., Stuart, T. (2002). Organizational Endowments and the Performance of Start-
Ups. Management Science, 48(1), 154-170.

Shane, S. (2004a). Academic Entrepreneurship; University Spinoffs and Wealth Creation.

Cheltenham, UK: Edward Elgar.

Shane, S. (2004b). Encouraging university entrepreneurship? The effect of the Bayh-Dole

Act on university patenting in the United States. Journal of Business Venturing, 19(1),
127-151.

Shane, S., Dolmans, S., Jankowski, J., Reimen, I., Romme, A.G., (2015). Academic
entrepreneurship: Which inventors do technology licensing officers prefer for
spinoffs? The Journal of Technology Transfer, 40, 273-292.

Siegel, D.S., Waldman, D.A., Atwater, L. E., Link, A.N. (2003a). Commercial knowledge
transfers from universities to firms: improving the effectiveness of university–industry
collaboration. Journal of High Technology Management Research, 14, 111-133.

Siegel, D.S., Waldman, D., Link, A. (2003c). Assessing the impact of organizational
practices on the relative productivity of university technology transfer offices: an
exploratory study. Research Policy, 32, 27-48.

Siegel, D., Waldman, D., Atwater, L., Link, A.N. (2004). Toward a model of the effective
transfer of scientific knowledge from academicians to practitioners: qualitative
evidence from the commercialization of university technologies. Journal of
Engineering and Technology Management, 21, 115-142.

Siegel, D.S., Phan, P.H., (2004.) Analyzing the Effectiveness of University Technology
Transfer: Implications for Entrepreneurship Education. Working Paper No. 0426.
Rensselaer Polytechnic Institute, Troy, NY.

Solleiro, J. L. (2009). Gestión del conocimento en centros de investigación y desarrollo de

México, Brasil y Chile, Vol. 3. Mexico: FLACSO.

Sorenson, O., Stuart, T., (2001). Syndication networks and the spatial distribution of
venture capital financing. American Journal of Sociology, 1006, 1546-1588.

Stephan, Paula, (2012). How Economics Shapes Science. Cambridge, MA: Harvard
University Press.

113
Stuart, T., Ding, W. (2006). When do scientists become entrepreneurs? The social
structural antecedents of commercial activity in the academic life sciences. American
Journal of Sociology, 112(1), 97-144.

Thorn, K., Soo, M. (2006). Latin American universities and the third mission: trends,
challenges and policy options. Vol. 4002, World Bank Publications.

Thursby, J. G., Jensen, R., Thursby, M.C. (2001). Objectives, Characteristics and
Outcomes of University Licensing: A Survey of Major U.S. Universities. Journal of
Technology Transfer, 26(1-2), 59-72.

Thursby, J. G., Thursby, M.C. (2002a). Who is selling the Ivory Tower? Sources of
Growth in University Licensing. Management Science, 48(1), 90-104.

Torres, A., Dutrénit, G., Sampedro, J. L., Becerra, N. (2009). What are the factors driving
Academy-Industry linkages in Latecomer Firms: Evidence from Mexico. Mimeo

Upstill, G., Symington, D. (2002). Technology transfer and the creation of companies: the
CSIRO experience. R&D Management, 32(3), 233-239.

Westhead, P., Storey, D. (1995). Links between higher education institutions and high
technology firms. Omega-International Journal of Management Science, 23, 345-360.

Wooldridge, J. F. (2002). Econometric Analysis of Cross Section and Panel Data.

Cambridge MA: The MIT Press.

Wright, M., Birley, S., Mosey, S. (2004a). Entrepreneurship and University Technology
Transfer. Journal of Technology Transfer, 29(3), 235-246.

Wright, M., Vohora, A., Lockett, A. (2004b). The Formation of High-Tech University
Spinouts: The Role of Joint Ventures and Venture Capital Investors. Journal of
Technology Transfer, 29(3-4), 287-310.

Ziegler, A. (2011). Generalized Estimating Equations. New York: Springer.

Zucker, L. G., Darby, M. R., Brewer, M. B. (1998). Intellectual human capital and the birth
of U.S. biotechnology enterprises. The American Economic Review, 88(1), 290-306.

114
 CAPÍTULO 4

EVALUACIÓN DE LA EFICIENCIA Y LA
PRODUCTIVIDAD EN LA TRANSFERENCIA
DE TECNOLOGÍA

115
116
RESUMEN

El objetivo de este capítulo es evaluar y determinar los niveles de eficiencia y

productividad entre las unidades académicas involucradas en la transferencia tecnológica.
Los resultados obtenidos mediante métodos paramétricos y no paramétricos muestran una
homogeneidad relativa en las instituciones de educación superior y centros públicos de
investigación que participan desde 2011 en estos procesos en México. Sin embargo, en
contraste con otros países más desarrollados, la productividad en factores como número e
ingresos por licencias, número de notificaciones de invenciones y experiencia de las
oficinas de transferencia tecnológica es muy limitada. Estos resultados sugieren que la
eficiencia técnica ha permanecido estable en períodos cortos de tiempo.

Palabras clave

Medidas de productividad y eficiencia, modelos de envolvimiento de datos (DEA),

modelos de frontera estocástica (SFE), unidades de transferencia de tecnología
universitaria.

117
4.1. INTRODUCCIÓN

En las últimas décadas, instituciones académicas de referencia internacional,

especialmente de EEUU y Europa, han alcanzado un considerable éxito en sus procesos de
vinculación y transferencia tecnológica (O'Shea et al, 2005; Lerner, 2005; Wright et al.,
2007; Guerrero et al. 2015). Estas instituciones han logrado establecer mecanismos para
obtener fuentes de ingresos adicionales y alternativos a las tradicionales formas de
financiación de las universidades; como por ejemplo, generando regalías y pagos en
efectivo o en especie a través del licenciamiento y proyectos de investigación patrocinados
por la industria (Lach y Schankerman, 2004; Mowery et al. 2015). Asimismo, diversos
estudios han resaltado el desarrollo económico alrededor de estos centros académicos
como consecuencia de la creación de nuevos empleos de alta calidad vinculados a la
creación de empresas de alto contenido tecnológico (Saxenian, 1996; Shane 2004a,b;
Wright et al., 2004a,b; Agarwal et al., 2014).

Pero no todas las instituciones de investigación superior (IES), como las de referencia
internacional, han conseguido los mismos niveles de desempeño respecto a sus esfuerzos
por transferir al mercado los resultados de su investigación científica (Bok, 2003, Stephan,
2012). Este fenómeno ha estimulado una considerable cantidad de literatura en el ámbito
de la dirección de la tecnología, relacionada con la revisión de los factores clave en el éxito
o el fracaso en la transferencia de tecnología universitaria – TTU – (Di Gregorio y Shane,
2003; Lerner, 2005; Link et al, 2005; O´Kane et al. 2015).

Más allá de identificar los factores que explican los procesos de transferencia de
tecnología universitaria, otros trabajos han evaluado y medido los niveles de eficiencia
alcanzados por las unidades de tranasferencia de resultados de investigación. Entre estos
estudios resaltan los trabajos elaborados para los EEUU por Thursby y Kemp (2002),
Siegel, et al. (2003), Anderson et al., (2007) y el trabajo comparativo para Italia y Reino
Unido de Agasisti y Johnes (2009); de la misma manera que la serie de trabajos elaborados
por Chapple et al. (2005) en Reino Unido; Glass et al. (2006), Rossi, (2014) y Curi et al.
(2015). La mayoría de estos estudios proponen como objeto de análisis y medición a las
oficinas de transferencia de tecnología (OTTs) por su papel estratégico en los resultados
que las universidades y centros de investigación obtienen al licenciar o fundar nuevas
empresas start ups y/o spin offs (Debackere y Veugelers, 2005; Fitzgerald et al., 2015).

118
 En América Latina existen algunos estudios comparativos para medir la eficiencia de la
educación, la transferencia de conocimiento y el desempeño de las universidades. Por
ejemplo, en un estudio comparativo de 14 países, Albornoz (1997) utiliza los insumos de
planta física, clima organizacional y miembros de las facultades académicas para evaluar el
nivel educativo entre las IES. Por su parte, Deutsch et al. (2013) utilizando los resultados
de la prueba PISA, diseña un modelo estocástico de frontera para determinar la eficiencia
en el aprendizaje en cinco países de América Latina. Este estudio concluye que la
localización de las escuelas, nivel de financiación y la auto estima de los alumnos son
determinantes para alcanzar niveles de eficiencia en el aprendizaje escolar. Por su parte,
Cáceres et al. (2014) miden la eficiencia mediante el método DEA de 15 departamentos en
una universidad chilena, resultando el 33% de los departamentos en la frontera de
eficiencia.

En México este tipo de estudios se han enfocado en evaluar la eficiencia y

productividad de los sistemas de innovación regional y estatal (Valdez-Lafarga et al.,
2015), las universidades (Güemes-Castorena, 2008; Antonio et al., 2012; Becerril-Torres et
al., 2012), y las facultades y departamentos universitarios (Altamirano-Corro et al., 2014).
Sin embargo, no existe ningún trabajo centrado en la evaluación de la eficiencia de las
OTTs (CONACYT, 2013).

En cuanto a los trabajos que estudian la medición y evaluación en el desempeño

productivo de la TTU, algunos autores utilizan una metodología de programación lineal
denominada de análisis envolvente de datos (DEA) y la aplican a universidades en el Reino
Unido (Chapple et al., 2005). Esta técnica mide las diferentes unidades productivas de
acuerdo con su nivel de eficiencia para establecer las unidades de análisis de referencia
(unidades de mayor preferencia). De esta forma, se calculan los índices de eficiencia
individual para cada unidad productiva. En una segunda etapa, una serie modelos
econométricos se diseñan utilizando la técnica de SFE para identificar los factores
relevantes para determinar tanto la eficiencia y los niveles de ineficiencia a nivel global y
regional (Chapple et al., 2005; Glass et al., 2006). Estos estudios resaltan el contexto
particular en materia de transferencia de tecnología en un país como México donde no
existe una legislación del tipo del acta Bayh- Dole, la cual surgió en EEUU.

En México tampoco existe una iniciativa de ley del tipo de esta acta, de ahí la
conveniencia de la metodología utilizada por estos autores para la identificación de los
factores que explican la eficiencia en TT. Por todo ello, el objetivo de este trabajo es medir

119
y evaluar los niveles de eficiencia alcanzados por las unidades de trasferencia tecnológica.
Utlizando la metodología introducida por Thursby y Kemp (2002), Chapple et al. (2005) y
Glass et al. (2006), se busca lograr este objetivo. Así, este estudio diseña tanto un modelo
paramétrico (SFE), como un modelo no paramétrico (DEA) con los datos recogidos de la
investigación empírica llevada a cabo entre las oficinas de transferencia y de vinculación
universitaria en México.

Este trabajo contribuye a la literatura académica al evaluar contextos donde este tipo de
iniciativas públicas aún son inexistentes. Este estudio busca contribuir en forma teórica a
explicar los niveles de eficiencia y productividad en países con nivel medio de desarrollo
tecnológico. Asimismo, este análisis empírico pretende sentar un precedente para la
evaluación de la productividad en unidades de transferencia de tecnología en
Latinoamérica y asentar la utilidad de esta metodología para los diseñadores de política
pública tecnológica y los directores de las IES, los cuales tendrán una base para impulsar
mejores prácticas en la transferencia de tecnología universitaria.

De esta manera, este artículo se estructura postulando en la siguiente sección 2, los

antecedentes y el conjunto de indicadores internos y externos que explican la productividad
en las IES y en los centros de investigación pública. En la sección 3, se introduce la
metodología para estimación de los modelos empíricos utilizados en la estimación de la
eficiencia relativa de las universidades y centros de investigación. La sección 4 y 5
describen la característica de los datos y los resultados obtenidos en nuestro(s) modelo(s).
Finalmente en la sección 6 se presentan las conclusiones y una agenda para futuras
investigaciones.

4.2. EVALUACIÓN DEL DESEMPEÑO EN LA TRANSFERENCIA DE

RESULTADOS DE INVESTIGACIÓN

La literatura académica se ha centrado en analizar los resultados y la productividad de

los gastos en inversión para investigación y desarrollo en tres niveles: (1) sistemático, (2)
universidad y sus departamentos, (3) unidades de transferencia de conocimiento científico
v.g. OTTs.

El primer nivel se ha enfocado en medir el impacto sobre la industria y la economía

nacional. En un trabajo seminal, Griliches (1979) plantea una metodología para estimar el
impacto que tienen los gastos privados y públicos en investigación científica sobre el

120
producto bruto en la economía y en sectores con industrias intensivas en capital asociadas
al conocimiento. Este autor señala la necesidad de marcar diferencias entre los retornos en
investigación básica y aplicada, así como los efectos de transmisión de conocimiento entre
empresas – spillovers–. Por su parte, Heher (2005, 2006) estima que los retornos sobre las
inversiones en ciencia y tecnología son positivos y oscilan entre el 2% y 3% con retrasos
de 10 años a nivel institucional y de hasta 20 años a nivel nacional.

En segundo nivel se encuentran estudios que en diversos países se han realizado para
medir el desempeño administrativo, productividad y de eficiencia en universidades y
facultades. Por ejemplo Glass et al. (2006) analizando datos para 98 universidades en el
Reino Unido durante 1996 indica que los rangos en los niveles de eficiencia han
aumentado durante una década. En EEUU se han desarrollado una amplia serie de artículos
académicos enfocados en la productividad de las IES donde la varianza en productividad
encontrada es menor a la observada en instituciones en el Reino Unido. Por ejemplo,
Reichmann (2004) analiza 118 universidades americanas encontrando que las de menor
desempeño solamente son 32% menos productivas que las más eficientes. Este resultado
revela un mayor grado de homogeneidad en las universidades americanas que sus
contrapartes europeas; por otra parte, Cobert (2000) en un estudio sobre los 24 principales
programas de maestría en administración de negocios en los EEUU mostró diferencias de
tan solo 8% en eficiencia educativa. Finalmente, diversos estudios incluyendo instituciones
en Canadá (Mc Millan y Chan, 2006), Austria (Leitner et al., 2007), Australia
(Worthington y Lee, 2008), entre otros, también han analizado la productividad y
eficiencia operativa en educación superior. El estudio en Canadá analiza 45 universidades
utlizando los métodos DEA y SFE, si bien encuentra divergencia de resultados en cada
método, por otra parte, logra resultados consistentes en el orden de las eficiencias
individuales de las universidades. El estudio en Austria, enfatiza que tanto las
universidades grandes como pequeñas, poseen niveles de eficiencia, resaltando que no
existe un nivel de escala simple para determinar el establecimiento en la frontera de
eficiencia. Finalmente, el estudio de 35 universidades en Australia entre 1998 y 2003
arroja un crecimiento anual en productividad del 3.3% debido principalmente al progreso
tecnológico.

En un tercer grupo de estudios, la principal línea de investigación gira en torno al

rendimiento y productividad de las actividades en materia de transferencia tecnológica y en
el desempeño de las OTTs. Existen estudios basados en análisis financieros de pérdidas y

121
ganancias (P/L) de las oficinas de transferencia de tecnología (Trune y Goslin, 1998;
Abrahms et al., 2009), y a partir de la década que inicia en el año 2000, diversos estudios
utilizan: (1) los enfoques basados en funciones de producción, y (2) el enfoque de
funciones de producción de frontera (Bonaccorsi y Dario, 2004). Mientras en el primer
caso se construye una función para estimar a través de la ecuación de regresión la
tendencia promedio de las observaciones; en el segundo caso, se construyen modelos
basados a partir de un punto óptimo de referencia en la frontera. Siegel y Phan (2004)
describen la estimación estocástica de frontera (SFE) y al análisis envolvente de datos
(DEA) como las dos herramientas más ampliamente utilizadas para llevar a cabo esta
evaluación.

Mientras, el método DEA utiliza la programación lineal para determinar niveles de

eficiencia, este no está limitado por los supuestos ligados a los análisis paramétricos
tradicionales de regresión, como es el supuesto de la independencia entre las variables
independientes. Estos modelos incorporan factores organizativos y externos que influyen
directa o indirectamente en el rendimiento de la transferencia de tecnología. El otro método
recurrentemente utilizado en el estudio de la eficiencia es el denominado de frontera
estocástica (SFE), el cual consiste en un modelo paramétrico con dos funciones: (a) de
eficiencia y (b) de ineficiencia técnica respectivamente (Aigner et al., 1977; Meeusen y
Van Den Broeck, 1977). El método estima una frontera de eficiencia mediante el uso de
una función de producción y calcula los parámetros de la función de producción mediante
el uso de regresión. Al ser un método paramétrico permite construir pruebas de hipótesis y
la construcción de los niveles estadísticos de confianza.

La tabla 4.1 recoge los principales trabajos realizados sobre la eficiencia de la

transferencia de tecnología universitaria y las OTTs. Las variables principales de entrada-
salida (input-outputs) utilizadas en estos modelos incluyen a los gastos para investigación y
desarrollo (I+D), ingresos por licenciamiento, número de licencias, número de empresas
fundadas, regalías, número de acuerdos de investigación, número de notificaciones de
inventos, tamaño de la OTT, gastos en propiedad intelectual, y patentes aplicadas y/o
obtenidas. A continuación se detalla cada uno de los estudios señalando metodología,
muestra, enfoque y las combinaciones de variables utilizadas.

122
 Tabla 4.1. Trabajos empíricos sobre la eficiencia de la transferencia de tecnología
universitaria y de las OTTs

Trabajo de Muestra/Países Método Enfoque Variables Input Variables Output

Investigación
Tamaño OTT Financiación de la
Financiación federal Industria
Actividades de
Bio. facultad Regalías
DEA combinado transferencia
Thursby y Kemp 112 universidades Ing. facultad Notificaciones
con un análisis de de tecnología
(2002) en EEUU Físicas. facultad Aplicaciones por
regresión universitaria
Bio calidad nuevas patentes
(UITT)
Ing. calidad Licencias
Físicas calidad
Etapa 1: Etapa 1:
Financiación federal Notificaciones
e industrial Etapa 2:
DEA (3 etapas).
Personal en OTT Aplicaciones por
Calcula factores Oficinas de
Etapa 2: patente
Thursby y Thursby 64 universidades en totales de transferencia
Notificaciones Etapa 3:
(2002) EEUU productividad de tecnología
Calidad de facultad Licencias y
para cada etapa (OTTs)
Etapa 3: acuerdos de
(TFP)
Notificaciones opciones
Aplicaciones por
patente
Oficinas de Notificaciones Acuerdos por
89 universidades en transferencia Tamaño de la OTT licencias
Siegel et al. (2003) SFE
EEUU de tecnología Gastos legales Ingresos por
(OTTs) licencias
Ingresos para la Acuerdos por
Oficinas de
investigación licencias
Chapple et al. 98 universidades en transferencia
DEA y SFE Notificaciones Ingresos por
(2005) el R.U. de tecnología
Tamaño de la OTT licencias
(OTTs)
Gastos legales PI
Actividades de Staff académico Investigación
transferencia Gastos de inversión Enseñanza
de tecnología en capital
98 universidades en
Glass et al. (2006) DEA y SFE universitaria
R.U.
(UITT) y
actividades de
enseñanza
Actividades de Gasto en Licencias, número
transferencia investigación de SPOs e Ingreso
Anderson et al. 57 universidades en
DEA de tecnología por licencias,
(2007) EEUU
universitaria patentes aplicadas,
(UITT) patentes otorgadas
Gasto en Licencias, número
investigación, de SPOs e Ingreso
Oficinas de
Gastos externos en por licencias
120 universidades transferencia
Siegel et al. (2008) SFE PI, staff en OTT,
en EEUU y R.U. de tecnología
calidad de la
(OTTs)
facultad, edad de la
OTT
Total de recursos Número de
Actividades de financieros estudiantes
transferencia Número total de graduados
Agostini y Johnes 184 universidades
DEA de tecnología empleados y Número de becas
(2009) en R.U. e Italia
universitaria profesores externas
(UITT) Estudiantes de Número de acuerdos
doctorado de I+D patrocinados
Actividades de Gasto de apoyo para Número de alumnos
59 institutos de
transferencia I +D postgraduados en
Zhang et al. (2011) investigación en DEA
de tecnología Personal Staff entrenamiento
China
universitaria Equipo para Ciencia Citas

123
 (UITT) y Tecnología Artículos
Internacionales
Actividades de Estudiantes Número de
18 Facultades en
transferencia Staff tiempo Bachilleres
Ali y Ahmad Universidad de
DEA de tecnología completo graduados
(2013) Qassim (Arabia
universitaria Número de
Saudita)
(UITT) Investigadores
Staff en la OTT Notificaciones Inv.
Oficinas de
Gastos de la OTT Aplicaciones de
18 universidades de transferencia
Monteiro. (2013) DEA Patentes
Portugal de tecnología
num. spin offs
(OTTs)
Acuerdos I+D
Actividades de Profesores con Programas
transferencia posgrado y SNI acreditados
51 Facultades de
Altamirano_Corro de tecnología y Num. Cuerpos Programas posgrado
Ingeniería en DEA y RNA
et al., (2014) conocimiento Académicos Capacidades
México
universitaria consolidados académicas
(UITT)
Becas para Num. Notificación
Investigación de Inventos
Staff en TT Num. contratos de
Oficinas de Staff en ciencias consultoria
transferencia naturales y medicina Num. Contratos de
80 universidades en DEA y análisis de Staff en ingeniería y Investigación
Rossi (2014) de tecnología
el Reino Unido Regresión técnica Dias para desarrollo
(OTTs) y
Universidades Staff en cs sociales y capacitación
y negocios Eventos académicos
Staff en artes y públicos
humanidades
Ingresos TTO Dos Indicadores
Ponderación en Notificaciones de ponderados:
Oficinas de
20 grandes base a 6 factores inventos OPM y PCR
transferencia
Tseng et al., (2014) universidades en y corrección de No. Aplic. Pats.
de tecnología
EE UU efectividad de No. Pats. otorgadas
(OTTs)
patentamiento No. Licencias
No. Start ups.
Oficinas de Empleados TC Aplicación y
30 universidades en transferencia Num. Publicaciones extensión de
Curi et al. (2015) DEA
Francia de tecnología Nivel Intensidad patentes
(OTTs) I+D Software copyrights
Fuente: elaboración propia

Thursby Kemp (2002) utilizan el método DEA con el enfoque Malmquist, con el fin de
rastrear el cambio de la productividad total de factores en 112 unidades de TT en EE UU
en el período 1991-1996. Estos autores utilizan como variables de entrada, el tamaño de la
OTT y el ingreso para financiación federal en I+D por área de ciencia; y como variables de
salida, ingresos de financiación de la industria, número de licencias, regalías por licencias,
número de notificaciones y aplicaciones por patente. Por su parte, Thursby y Thursby
(2002) aplicaron un modelo DEA en tres etapas a 64 universidades, evaluando en cada fase
las variables de entrada (input) que contribuyen al crecimiento de las variables de salida
(output). Anderson et al. (2007) evaluaron 57 universidades durante el año 2004. Estos
autores utilizaron los gastos en investigación como variable de entrada (input), y los
ingresos por licencias, el número de licencias, número de opciones ejecutadas, el número
de start-up, y las patentes aplicadas y otorgadas con ajustes de ponderación como variables

124
de salida (output). Los resultados sugieren que los ingresos de licencias totales en 54 de las
57 universidades analizadas se podrían incrementar por 659 millones de dólares mejorando
sus índices de eficiencia.

Existe un estudio representativo que usa SFE evaluando la eficiencia en TT en 89

universidades en EEUU entre 1991 y 1996 (Siegel et al. 2003). Este estudio utiliza los
ingresos por licencias como variable dependiente y tres variables independientes:(a)
divulgaciones de invenciones, (b) el número de personal de la OTT y (c) monto en gasto
legal asociado a patentes. En otro estudio elaborado por Siegel et al. (2008), utilizando
SFE se evalúan 120 OTTs en el Reino Unido y EEUU, corroborando una menor eficiencia
en universidades del Reino Unido con respecto a las de EEUU.

Por último, algunos estudios buscan aprovechar los beneficios complementarios de los
dos enfoques anteriores. Así, Chapple et al. (2005) aplicaron ambos métodos para evaluar
el número de licencias en 98 universidades en el Reino Unido, estimando un nivel de
eficiencia entre el 26% al 29% utilizando SFE, y un rango de entre el 15% al 35% al usar
el método DEA. Lo anterior, implica un margen significativo de potencial productivo para
alcanzar la frontera técnica. En tanto, Glass et al. (2006) también evaluaron el desempeño
relativo de la transferencia de tecnología en universidades del Reino Unido utilizando tanto
SFE y la DEA. Desarrollaron un modelo de dos etapas. En la etapa uno, utilizaron DEA
para la evaluación inicial de la eficiencia e identificaron factores de ineficiencia ligados a
efectos ambientales y de gestión; en tanto que en la fase dos, identificaron el ruido
estadístico.

La mayoría de estudios que miden la eficiencia de la transferencia de tecnología se

refieren a universidades de EE UU. Thursby y Kemp (2002), Thursby y Thursby (2002) y
Anderson et al. (2007) utilizan DEA para medir la eficiencia en cada universidad; por su
parte, Siegel et al. (2003) aplica el método SFE para estudiar los factores que influyen en el
rendimiento a nivel del conjunto global de las universidades observadas. Thursby y Kemp
(2002) identificaron 54 universidades eficientes de un total de 81 universidades, las cuales
representan el 67%. Este estudio encontró variaciones positivas en las eficiencias durante
el período 1991-1996. La eficiencia mostró un crecimiento promedio del 7,9% anual, que
podría dividirse en un 0,4% de universidades que lograron mejorar su productividad y un
7,5% producto de la expansión de la frontera de eficiencia. Por otra parte, Anderson et al.
(2007) encontró solamente 7 universidades eficientes entre 54, equivalentes al 13%.
Ambos estudios utilizaron el método VRS (retornos a escala variables). Cuatro

125
universidades: Brigham Young University, California Institute of Technology, Instituto de
Tecnología de Georgia, y el Instituto Tecnológico de Massachusetts fueron identificados
como eficientes por ambos estudios.

La principal diferencia en estos estudios de medición de la eficiencia en la transferencia

de tecnología universitaria y las oficias de transferencia de tecnología radica en el uso
como input o output de algunas variables. Por ejemplo, mientras la mayoría de los estudios
utilizan los ingresos para investigación como variable input, Glass (2006) la identifica
como variable output. Por otra parte, Thursby y Kemp (2002), establecen el número de
divulgaciones de invenciones como variable de salida – output – para evaluar la eficiencia
de la transferencia de tecnología de las universidades, mientras que dos estudios, Siegel et
al. (2003) y Chapple et al. (2005) la definen como una variable de entrada – input – para
medir la eficiencia de la oficina de transferencia de tecnología universitaria. La razón se
encuentra en el proceso que conlleva a la divulgación de una invención por parte de la
facultad, y el papel de la oficina de transferencia de tecnología de la universidad.

Estas OTT’s coadyuvan a fomentar la participación de los científicos en su decisión por

divulgar nuevos descubrimientos, pero al fin de cuentas, son las facultades universitarias
las que tienen la potestad de aprobar si la divulgación será compartida o no. Es solamente
hasta que la divulgación es revelada que inicia el trabajo de la OTT. Así, las
responsabilidades de OTT son evaluar y valorar la divulgación, proteger intelectualmente a
las tecnologías aplicando por registro de patentes;, vender contratos de licencia para la
industria, recolectar las regalías y hacer cumplir los acuerdos contractuales con los titulares
de licencias. Por lo tanto, la divulgación es una variable de entrada cuando el objetivo del
modelo es medir la eficiencia de la OTT (Siegel et al., 2004). Por otro lado, la divulgación
debe considerarse como una variable de salida en el modelo de la medición de la eficiencia
de la actividad de transferencia en la universidad (UITT).

Por otro lado, Anderson et al (2007), resalta la importancia de los estudios comparativos
sobre los índices de eficiencia de las universidades de EE UU con respecto a sus similares
de Canadá, Europa o Asia para determinar fuentes de ventajas tecnológicas en diferentes
geografías. Este autor anticipa similitudes y discrepancias que universidades de EEUU
poseen con otras IES en diferentes regiones geográficas. Asimismo, un grupo de países
menos desarrollados en materia de TTU han emprendido también estudios comparativos
para evaluar la productividad y eficiencia de las IES. Por ejemplo, Agostini y Johnes
(2009) analizaron los niveles de eficiencia de universidades en el Reino Unido e Italia,

126
encontrando niveles superiores de productividad en el primer país – 0.82 vs. 0.70 – durante
los periodos 2002-2003 y 2004-2005. Sin embargo, también hallaron que las universidades
italianas mejoraban su desempeño técnico acercándose a la frontera de eficiencia de
manera más sistemática durante el período que sus contrapartes inglesas.

En otro estudio internacional, Zhang et al., (2011) evalúan los niveles de eficiencia en
59 institutos de investigación en China utilizando el método DEA. Utilizando como
variables de entrada el gasto para I+D, tamaño del staff y equipo para ciencia, y como
variables de salida, el número de alumnos posgraduados, las citas y el número de artículos
publicados internacionales. Este estudio concluye que existen incrementos anuales de
productividad del 12.5% entre 1998 y 2005. Por otra parte, Ali y Ahmad (2013) utilizando
la misma metodología miden el nivel de eficiencia de 18 facultades en la universidad de
Qassim en Arabia Saudita, señalando que el nivel de eficiencia alcanza en promedio 68%,
y donde solo 3 facultades llegan al nivel máximo de frontera. En Portugal, Monteiro (2013)
analiza 18 OTTs entre 2007 y 2011, indicando que la productividad crece en etapas
tempranas de la TT, v.g. notificación de inventos y aplicaciones por patentes, sin embargo,
disminuye en etapas avanzadas, es decir creación de spin offs o nuevos acuerdos para I+D.
Finalmente, países desarrollados, pero que recién iempiezan sus procesos formales en
TTU, también se han abocado en medir la eficiencia de sus OTTs. Así, en un estudio en
Francia, Curi et al. (2015) encontró que si bien en promedio las OTTs en este país han
incrementado su productividad en el corto plazo, OTTs recién creadas en contextos de
escuelas de medicina y hospitales muestran niveles negativos de eficiencia.

En México, a pesar de que los estudios para medir la eficiencia de las universidades es
limitado (Güemes-Castorena, 2008), un reciente trabajo combinando la metodología DEA
con la de redes neuronales artificiales (RNA) evalúa a 51 facultades de ingeniería en
México en el período 2003 a 2008. El estudio destaca una gran dispersión entre las
unidades más eficientes que alcanzan un 97% y las menos eficientes que logran tan solo
15% (Altamirano-Corro et al., 2014).

En los últimos años, nuevos enfoques se han llevado a cabo para medir las
productividades y eficiencia. Así Rossi (2014) ha incorporado nuevas variables de salida
para ampliar los resultados de la TTU, incluyendo contratos de consultoría, días para
desarrollo y capacitación, y eventos académicos públicos. Por su parte, Tseng (2014)
construye un índice ponderado basado en seis variables de entrada, tales como los ingresos

127
de la OTT, las notificaciones de inventos, el número de aplicación y otorgamiento de
patentes, y el número de licencias y start ups creadas.

En resumen y siguiendo los principales trabajos teóricos aquí enumerados, se han

eligido como variables input de nuestro modelo a los gastos de investigación para I+D
(Thursby y Kemp, 2002; Thursby y Thurby, 2002; Chapple et al., 2005; Anderson et al.,
2007; Siegel et al., 2008), el número de empleados profesionales empleados en la OTT
(Siegel et al., 2008; Zhang et al., 2011; Monteiro, 2013) y el gasto en propiedad intelectual
(Siegel at al, 2003; Chapple et al., 2005; Siegel et al.,2008; Monteiro, 2013). En tanto que
como variables output utilizamos el gasto privado para investigación y desarrollo y el
número de acuerdos privados universidad-industria para investigación y desarrollo
(Thursby y Thurby, 2002; Thursby y Kemp, 2002; Agostini y Johnes, 2009; Monteiro,
2013; Rossi, 2014). Cabe señalar que otras variables incluidas el número de notificaciones
de inventos, y el número e ingreso por licencias fueron descartadas en nuestro modelo
debido a los reportes poco sisteméticos y prácticamente nulos en México.

Por último, cabe señalar que las variables relacionadas con la calidad de la facultad
como son la edad y tamaño de la oficina de transferencia, si bien son recursos asociados al
nivel de capital humano y al grado de experiencia de la OTT que se espera estén altamente
correlacionados con los productos de TT, estos efectos y sus relaciones son considerados
como factores, no como variables de entrada o de salida en la construcción de modelos
DEA.

4.3. METODOLOGÍA

4.3.1. Muestra

Los sujetos de este estudio son 21 OTTs y oficinas de vinculación industrial en las IES
mexicanas. Es necesario señalar el retraso existente en México respecto a la creación de
OTTs con respecto a otros países. Es a partir de la conformación de la red de OTTs
impulsada por el CONACYT y Secretaría de Economía (SE) en el año de 2011, que las
primeras oficinas certificadas se establecen en diferentes instituciones académicas,
empresariales y gubernamentales en el país. Esto implica un retraso de más de 40 años
respecto a las primeras OTTs fundadas en los EEUU a raíz del acta Bayh-Dole. De ahí que
resulte problemático la recolección de variables que tradicionalmente han sido utilizadas
en otros estudios empíricos sobre TT.

128
 La fuente principal de nuestros datos se constituye a través de las solicitudes de
información enviadas a 17 centros públicos de investigación adscritos al Consejo Nacional
de Ciencia y Tecnología (CONACYT) y a 10 de las principales universidades públicas y
privadas en México que realizan operaciones en TT. Estas solicitudes fueron realizadas a
través del portal del Instituto Federal de Acceso a la Información (IFAI) durante los meses
de marzo a mayo del 2014. Se obtuvieron respuestas completas en 21 IES, de las cuales el
62% poseía una OTT certificada por el CONACYT.

Una segunda fuente de información la conforma la base de datos solicitada al

CONACYT sobre el programa de estímulos a la innovación (PEI) para los años 2012 y
2013, la cual complimentó la información sobre el número y cantidad total de acuerdos de
I+D+i entre la industria e instituciones académicas. Cabe señalar que el PEI se conforma
por tres programas denominados Innovatec, Innovapyme y Proinnova, los cuales aglutinan
la principal fuente de recursos destinados a proyectos de innovación en el país. Una tercera
fuente de información proviene del Instituto Mexicano de la Propiedad Industrial (IMPI),
oficina a la que se le solicitó por medio del IFAI, el monto total de gastos expedidos por
institución académica para la solicitud, revisión, otorgamiento y mantenimiento de
patentes. Finalmente la información concerniente al PIB y el indicador de intensidad en
I+D por entidad federativa fueron extraídos a partir de la página del Instituto Nacional de
Estadística, Geografía e Informática (INEGI). La tabla 4.3 recoge las estadísticas
descriptivas de los datos para el análisis DEA y SFE.

4.3.2. Medición de las variables

En la encuesta solicitada se obtuvieron datos por cada IES y/o CPIs de: (1) el gasto
privado en I+D en millones de pesos corrientes, el cual es transformado en su logaritmo
natural; (2) el número de contratos entre empresas privadas y universidades; (3) el gasto
público en I+D en millones de pesos corrientes, el cual es transformado en su logaritmo
natural; (4) el gasto en propiedad intelectual por las unidades de TT en millones de pesos
corrientes, el cual es transformado en su logaritmo natural ; (5) el tamaño por número de
empleados especializados de las OTTs ; (6) la información sobre si la institución cuenta
con escuela de medicina; y (7) el grado de intensidad regional en I+D medido por grado de
inventos regionales por entidad federativa sobre el total nacional –.

129
 Finalmente, siguiendo a Siegel et al. (2003) se establecen una serie de factores internos
(organizativos) y externos (del entorno) que se identifican como variables de control y de
medición para el modelo de ineficiencia técnica equivalentes al grado de intensidad en
I+D, el porcentaje del PIB regional, la condición pública o privada de la IES, y la
existencia o no de escuela de medicina en la institución académica (Siegel et al. 2003;
Chapple et al. 2005).

4.3.3. Diseño de los modelos econométricos

Para realizar el análisis se establece el diseño de dos modelos complementarios

buscando incorporar el conjunto de variables explicativas seleccionadas de los mecanismos
de transferencia de tecnología, los cuales incluyen un conjunto de variables institucionales
y organizacionales internas – input–, y de resultados –output–. De este modo se estima la
productividad relativa de las unidades de transferencia de tecnología universidad-industria
(UITT). Así, este estudio se enfoca en el método de estimación de frontera estocástica
(SFE) desarrollado por Aigner et al. (1977) y Meeusen y Van den Broeck (1977),
complementado por el método DEA. A continuación se describe con mayor detalle cada
método.

DEA es un método de análisis de frontera a partir de estadística no paramétrica, el cual

fue originalmente diseñado para medir no solamente el desempeño financiero de
organizaciones, sino para incluir otros elementos cuantitativos y cualitativos de los
insumos (inputs) y productos (outputs) que están relacionados con la eficiencia (Charnes,
Cooper y Rhodes, 1978). El método DEA ha sido utilizado para medir el desempeño y
eficiencia de indicadores operativos en unidades productivas que van desde pequeñas
comunidades (Marshall y Shortle, 2005), hasta países y naciones (Golany y Thore, 1997).
DEA utiliza algoritmos de programación lineal para crear una frontera de unidades
eficientes, la cual “envuelve” a otras unidades relativamente menos eficientes.

Una de las principales ventajas del método DEA es que permite la ausencia de una
especificación formal de una relación funcional entre los inputs y outputs. Asimismo, DEA
permite utilizar una amplia variedad de entradas y salidas sin asignarles un juicio de valor
a priori a los costos y precios sombra de estos inputs y outputs (Charnes et al, 1994). La
formulación DEA evalúa la eficiencia relativa de una unidad productiva al estimar para
cada unidad la medición de outputs ponderados sobre inputs ponderados. Existen diversos

130
variantes de los programas DEA. El modelo básico para estimar la frontera con
rendimientos constantes a escala (CRS) y orientación output puede formularse a través de
la solución a la siguiente expresión matemática:

(1)

s.a.

donde

xim es la cantidad consumida por la unidad productiva i del input m

yis es la cantidad producida por la unidad productiva i del output s
vm es el costo del input m
us es el precio del output s

el modelo anterior suele simplificarse a través del siguiente programa lineal

equivalente:

(2)

s.a.

131
 El algoritmo anterior busca el conjunto de precios que minimizan el coste de
producción de la unidad i con respecto al valor de su producto, sujeto a que el mínimo
coste debe ser igual a 1. Si la unidad i es eficiente, el coste = 1; si es ineficiente, el coste es
mayor a 1. El programa calcula los índices de eficiencia relativa de cada una de las
unidades de la muestra. Los índices se presentan como su inverso para indicar el grado de
ineficiencia de los valores inferiores a 1.

El modelo de rendimientos variables a escala (VRS) más realista incorpora un elemento

adicional ó término independiente ei, cuando ei > 0 implica que la función objetivo no pasa
por el origen. Solamente si ei asume el valor = 0, la función objetivo pasa por el origen y se
asume CRS. De este modo el modelo VRS se expresa mediante:

s.a.

Una forma de medir las ineficiencias de escala producto de un tamaño inadecuado de la

unidad productiva puede ser expresada mediante la siguiente razón:

(4)

Asimismo, con el panel de datos se puede utilizar el análisis envolvente de datos como
programa para medir el cambio de productividad en el tiempo. Fare et al. (1994) sugiere
como una medida del factor Total de Productividad cambiar el medio geométrico de dos
índices Malmquist, uno de los cuales se basa en la tecnología en período ty el otro en la
tecnología en período t + 1, ó

m(yt +1, x t +1, yt, xt )

132
 dt(xt+1, yt+1) dt +1(xt +1, y t+1) 1/2

= dt (xt, yt) X dt+1 (xt, yt )

k = t o k = t + 1, las funciones de distancia d (·) se definen como [dk (xk,yk)]−1 =maxø, λ ø

sujeto a

−øyi,k+ Y k λ≥ 0

x i− X λ ≥ 0
λ≥ 0
y

[d t(xt+1, yt+1)]−1 = maxø, λ ø

sujeto a

−øyi, t+1+ Y t λ≥ 0

xi,t+1− X t λ ≥ 0
λ≥ 0
y

[d t+1 (x t, y t )]−1 = maxø, λ ø

sujeto a
−ø yi, t + Y t+1 λ ≥ 0

xi,t− Xt +1λ ≥ 0
λ≥ 0.
El segundo modelo denominado SFE genera una función de producción (o coste) de
frontera con un término de error estocástico que consta de dos componentes: un error
aleatorio convencional o “ruido blanco”, y un término que representa las desviaciones de la
frontera, equivalente a la ineficiencia relativa. SFE suele contrastarse con el análisis
envolvente de datos (DEA). En SFE, una función de producción se estima de la siguiente
forma: yi = Xiβ + εi (5) donde el subíndice i denota la universidad i, y el producto, X el
vector de insumos, β el vector de parámetros desconocidos, y ε es un término de error con
dos componentes, εi = Vi - Ui, donde Ui representa un término de error no negativo para
dar cuenta de la ineficiencia técnica, o el remanente necesario para producir un producto en

133
la frontera, dado el conjunto de los insumos utilizados, y Vi es un término de error
simétrico aleatorio. El supuesto estándar (Aigner et al, 1977) es que Ui y Vi asumen las
siguientes distribuciones:

Ui~ i.i.d. N+(0, σ2u ), Ui≥ 0 (6)

Vi ~ i.i.d.N(0, σ2 v ) (7)

Es decir, se supone que el término de ineficiencia (Ui) asume una distribución semi-
normal, es decir, las universidades se establecen (1) "en la frontera", ó (2) por debajo de
ella. Algunas variantes del modelo incluyen distribuciones truncadas a cero, exponenciales
y gamma. Un parámetro importante en este modelo es γ = σ2u / (σ2v + σ2u), la proporción
del error estándar de la ineficiencia técnica respecto al error estándar de ruido estadístico,
el cual está limitado entre 0 y 1. Cabe resaltar que γ = 0 bajo la hipótesis nula de una
ausencia de la ineficiencia, lo que significa que toda la varianza se puede atribuir a ruido
estadístico. En los últimos años, se han desarrollado modelos SFE que permiten que el
término de ineficiencia técnica pueda ser expresado como una función de un vector de
variables ambientales y de organización. Esto es consistente con la idea de que las
desviaciones de la frontera (que miden la ineficiencia relativa en las unidades de
transferencia de tecnología) están relacionadas con factores institucionales y organizativos.
El modelo asume que Ui se distribuyen de forma independiente con truncamientos en cero
de N (mi, σ2 u) de distribución con mi = Ziδ (8) en la que Z es un vector de variables
ambientales, institucionales y organizacionales que de acuerdo a nuestra hipótesis influyen
en la eficiencia y δ es un vector de parámetros

En nuestro caso, se han utilizado los programas econométricos para ordenador

LIMPDEP.10 y NLOGIT.5 y así poder estimar los parámetros de los vectores β y δ a
través del método de máxima verosimilitud (MV), y a partir de la estimación simultánea de
la función de producción y la ecuación con los términos de ineficiencia. Sobre la base de
estos valores de los parámetros, se calculan las estimaciones de productividad relativa. La
especificación de la ecuación (5) se basa en el marco de la función de producción de
conocimiento desarrollada por Griliches (1979), adaptada aquí al ingreso y número de
contratos entre las universidades y la industria, como un proxy utilizado del producto
(outcome) de la transferencia tecnológica entre universidad-empresa. Así, se establece una
función producción Cobb-Douglas log-lineal de los ingresos/número de contratos con tres
entradas (inputs):

134
Ln(PRIVEXPi )= β0 + β1 ln(PUBEXPi )+ β2 ln(PIEXPi )+ β3 ln(OTTSIZEi ) + Vi –Ui (9)

donde la variable PRIVEXP son los montos de gasto privado entre la industria y la
academia anuales, PUBEXP el gasto total público en I + D + i anual, PIEXP el gasto en
propiedad intelectual incluyendo solicitud, búsqueda y mantenimiento de patentes,
OTTSIZE equivale al númerode empleados especializados medios anuales en la OTT, con
el término de ineficiencia técnica (Ui) expresado como:

Ui= δ0 +_k δk ENVi+_mθm ORGi+ μi (10)

Donde ENV y ORG son vectores de los factores ambientales y de organización,

respectivamente, y μ es el término de perturbación clásica. Sin embargo, hay una falta de
medidas sistemáticas de ORG (Siegel et al., 2003). La ecuación estimada sólo contiene los
siguientes factores ambientales / institucionales (ENV):

Ui= δ0 + δMMEDi+ δPPUBLICi+ δRINDRDij+ δQINDOUTij+ μi (10a)

donde MED y PUBLIC son variables dummy que indican si la universidad tiene una
facultad de medicina, y INDRDij y INDOUTij son índices de intensidad en I + D de la
industria anual, y el crecimiento promedio de la producción real anual en el estado (j) de la
Universidad i, respectivamente, durante el período de la muestra 2012-2013.

Tabla 4.2. Especificaciones de las funciones de producción en TT y determinantes de

eficiencia relativa

Modelos de función de producción

Variables Output, Input y de eficiencia relativa
1 2 3 4
Variables dependientes o output:
Gasto Privado I+D √ √
Número de acuerdos I+D √ √
Variables independientes o input:
- Gasto público para I+D √ √ √ √
- Gastos legales para PI √ √
Tamaño del personal especializado de la OTT √ √ √ √
Modelo de ineficiencia
Dummy por existencia de escuela de medicina √ √
Índice de intensidad I+D basado en capacidad inventiva por entidad federativa √ √

Fuente: Elaboración propia

4.4. RESULTADOS

La tabla 4.3 presenta la descripción estadística de nuestra muestra. Así es posible

observar que la institución académica promedio genera 34 acuerdos de colaboración

135
patrocinada por la industria generando un ingreso de 48.4 millones de pesos (mdp), recibe
un promedio de 176.5 mdp en apoyos federales para la investigación, emplea 4
especialistas en sus unidades de TT y eroga 98.2 mil pesos anuales en gastos legales de
propiedad intelectual.

Tabla 4.3. Estadísticas descriptivas de datos para análisis DEA y SFE

Desviación
Variables Promedio Mínimo Máximo Casos
Estándar
Gasto Privado I+D 48,417,315 49,156,390 650,000.0 212,505,000 42
Número de Acuerdos I+D entre Empresas
33.66667 38.33082 2.0 189.0 42
Privadas e Instituciones de Educación Superior
Gasto Público en I+D 176,588,859 129,005,000 2,139,000 404,436,000 42
Gasto en Propiedad Intelectual 98,148.48 120,076.8 100.0 449,656.0 42
Número de Empleados Especializados en OTT 3.666667 5.276116 0.0 25.0 42
Dummy existencia de escuela de medicina 0.333 0.354 0 1 42
Índice de Intensidad I+D por Entidad Federativa 7.771667 10.03221 .01 33.05 42
Fuente: elaboración propia

Por otro lado, la matriz de coeficientes de correlación (tabla 4.4) muestra, como cabría
esperar, elevados niveles entre las dos variables dependientes: gasto total privado en
acuerdos academia-industria (LOGPRIVE) y número de acuerdos de I+D entre las
empresas e IES (LOGCONTP) igual a 0.7378. También como cabría esperarse el
coeficiente entre gasto en propiedad intelectual y el tamaño de la OTT muestra un
moderado nivel de correlación del 0.458. El resto de las variables no muestran signos de
alta asociación lineal.

Tabla 4.4. Matriz de coeficientes de correlación

Num.
Gasto Priv. Gasto Púb. Gasto Prop Staff Indice
Contratos
I+D I+D Int OTT int. I+D
Univ-Ind
Gasto Priv. I+D 1.00000
Num. Contratos Univ-Ind .73787 1.00000
Gasto Púb. I+D .37037 .14285 1.00000
Gasto Prop Int .33858 .36336 .17930 1.00000
Staff OTT .18844 .12314 .01232 .45891 1.00000
Índice intensidad I+D -.04559 .12716 -.36074 .06725 .31439 1.00000
Fuente: Elaboración propia

La tabla 4.5 recoge los resultados de los modelos DEA. Como puede observarse, los
datos arrojados por estos modelos presentan un alto grado de homogeneidad en la
composición de los niveles de eficiencia en las unidades de TT en México. La función
estimada tiene como variable output el logaritmo del gasto privado en I+D y como
variables input el logaritmo del gasto público para I+D, el logaritmo del gasto institucional
en PI y el tamaño por empleados especializados de la OTT. En el modelo calculado con

136
rendimientos constantes a escala se presenta un promedio de eficiencia de .86 con una
desviación estándar del .075, un valor mínimo de 0.64 (INECC) y un máximo de 1.0
(CIDESI, CIMAT).

Tabla 4.5. Resultados de modelos DEA

Índice de Índice de Cambio en
eficiencia DEA eficiencia DEA Eficiencia
Institución Año (CCR) (VCR) Técnica
Rendimientos Rendimientos
Constantes a Variables a
Escala Escala
Centro de Investigación en Alimentación y Desarrollo, 2012 .77276 .85717
1.0389
A.C. (CIADAC) 2013 .80440 .90244
Centro de Investigación y Asistencia en Tecnología y 2012 .88989 .95440
1.03266
Diseño del Estado de Jalisco (CIATEJ) 2013 .91895 .97876
2012 .87588 1.00000
Centro de Tecnología Avanzada A.C. (CIATEQ) 1.01739
2013 .89049 1.00000
Centro de Investigaciones Biológicas del Noreste S.C. 2012 .75872 .87388
1.02364
(CIBNOR) 2013 .77666 .88646
Centro de Investigación Científica y de Educación 2012 .78308 .88426
0.921063
Superior de Ensenada (CICESE) 2013 .72126 .80526
Centro de Investigación Científica de Yucatán, A.C. 2012 .80060 .88311
0.98012
(CICY) 2013 .78486 .87562
2012 1.00000 1.00000
Centro de Ingeniería y Desarrollo Industrial (CIDESI) 0.967738
2013 .98622 .98622
Centro de Investigación y Desarrollo en Electroquímica, 2012 .85528 .92683
0.958439
S.C. (CIDETEQ) 2013 .82216 .92442
Centro de Investigación en Materiales Avanzados, S.C 2012 .83540 .94845
1.00343
(CIMAV) 2013 .83827 .95631
2012 .98312 .99415
Centro de Investigación en Matemáticas A.C. (CIMAT) 1.01919
2013 1.00000 1.00000
Centro de Investigación y de Estudios Avanzados 2012 .85886 .99992
1.0568
(CINVESTAV) 2013 .90764 1.00000
2012 .86640 .89669
Centro de Investigaciones en Óptica A.C. (CIOPTAQ) 1.03898
2013 .90018 .92769
2012 .82348 .94238
Centro De Investigación En Química Aplicada (CIQA) 1.00366
2013 .82649 .93995
2012 .93980 1.00000
Colegio de Posgraduados (COLPOS) 0.964524
2013 .91761 .97511
Corporación Mexicana de Investigación en Materiales 2012 .87040 .93957
1.06298
(COMIMSA) 2013 .92522 .97652
Instituto Nacional de Astrofísica, Óptica y Electrónica 2012 .84810 .94345
1.08238
(INAOE) 2013 .91797 .98936
Instituto Nacional de Ecología y Cambio Climático 2012 .64336 .71415
1.24255
(INECC) 2013 .79723 .79723
Centro de Investigación e Innovación en Tecnologías de la 2012 .93163 1.00000
0.885561
Información y Comunicación (INFOTEC) 2013 .83406 1.00000
Instituto Potosino de Investigación Científica y 2012 .80829 .91446
0.956827
Tecnológica (IPICYT) 2013 .77339 .87415
2012 .90104 .98408
Universidad Nacional Autónoma de México (UNAM) 0.980224
2013 .88322 .98200
Instituto Tecnológico y de Estudios Superiores de 2012 .88867 .97727
0.997723
Monterrey (ITESM) 2013 .88664 .99689
PROMEDIO TOTAL .8583 .9383 1.011

137
 En el modelo con rendimientos variables a escala, el promedio general de eficiencia
aumenta a .938 con una desviación estándar de .065, en este caso el valor mínimo
observado equivale a .714 (INECC) y las instituciones que se ubican en la frontera de
eficiencia son el CIATEQ, CIDESI, CINVESTAV, CIMAT, e INFOTEC. Esto representa
que el 23% del total se encuentran en niveles de eficiencia sobre la frontera. Al calcular el
índice Malmquist que mide el cambio en la productividad total anual no se observó un
cambio significativo entre 2012 y 2013, el cual representó tan solo 1.1% de incremento.
Por otro lado al identificar el cambio en las unidades de eficiencia individual o progreso
técnico por IES, se observan cambios significativos en instituciones tales como el INECC,
la cual a pesar de ser la institución más ineficiente en la muestra, observó un cambio
positivo del 24% entre 2012 y 2013. Finalmente al calcular la eficiencia de escala producto
global nos arroja un índice del 91%.

En otro modelo calculado donde la variable output se representa como el logaritmo de

número de contratos privados entre la industria y la academia el nivel de eficiencia global
disminuye al 61% lo que implica niveles de ineficiencia promedio cercanos al 40%, con
una desviación estándar del 22.5% y con una alta dispersión donde el valor mínimo igual a
.13 nuevamente lo obtiene el INECC y el valor máximo de 1.0 lo alcanzan el CIDESI,
CIMAT, y CINVESTAV.

Por otra parte, con base en los datos de la muestra se diseñó el modelo complementario
estocástico de frontera (SFE) con la variable dependiente logaritmo del gasto total privado
para I+D (LOGPRIVE). Este modelo fue primeramente contrastado con un modelo
translog, el cual fue rechazado al aceptarse la hipótesis nula de que el modelo Cobb
Douglas era más adecuado21. Los resultados del modelo SFE con una distribución en la
parte de ineficiencia normal truncada a cero se presentan en la tabla 4.6.

Los resultados muestran un valor de sigma (u)=.58 y un valor de gamma cercano a la

unidad, lo que implica el rechazo de la hipótesis nula (H0=0) de que existe ausencia de
ineficiencia. En el modelo se puede observar que solo la variable logaritmo del gasto
público en I+D es significativa a un nivel del 5%. Este indicador de elasticidad indica que
un aumento del 1% del gasto público en I+D impactará en .48% en inversión privada en
acuerdos universidad e industria. El modelo arroja un valor Chi2 de 35.2 por encima del

21
El valor arrojado por el test con distribución Chi2 = 6.31 < 16.27 con 9 gdl al 5% de acuerdo las tabla 1
(Kodde y Palm, 1986).

138
valor crítico 14.3 al 99% que nos permite afirmar que el modelo SFE con el componente
de ineficiencia es superior al modelo tradicional OLS.

Tabla 4.6. Resultados del modelo estocástico de frontera (Normal truncado a cero)

Gasto Privado Coeficiente Error estándar Z Prob.

para I+D |z|>Z*
Componente estocástico del modelo de frontera
Constante 3.92406** 1.87177 2.10 .0360
Gasto Público
.48759** .22142 2.20 .0277
I+D
Gasto en Prop Int .05461 .14214 .38 .7008
Tamaño OTT -.00214 .00979 -.22 .8268
Media de la distribución trunacada
Constante .16415 .27555 .60 .5514
Parámetros para componentes aleatorios de e(i)
ln_sgmaU .37892 15.31912 .02 .9803
ln_sgmaV -6.96806 118.9063 -.06 .9533
Heteroscedasticidad en la varianza de u(i) truncadaca
Publica o Privada -.56486 15.28020 -.04 .9705
Esc. Medicina -2.77953 3.61667 -.77 .4422
Intensidad I+D .00148 .03862 .04 .9694
***, **, * ==> Significatividad al 1%, 5%, 10% nivel.

Por otro lado no parece existir incidencia en el gasto en propiedad intelectual ni en el

tamaño de la OTT en la especificación del modelo planteado. En lo que respecta al modelo
de ineficiencia, si bien poseen los coeficientes esperados, tampoco parecen ser
significativos. Es decir, el carácter público (la inmensa mayoría de las instituciones
realizando TT), y el poseer una escuela de medicina deben impactar positivamente (signo
negativo) sobre los gastos privados en I+D. La muestra recopila datos en aquellas IES que
se localizan precisamente en entidades con altos niveles de inventiva y desarrollo, por lo
que la variable I_DINTEN no posee ningún efecto en el modelo. Finalmente, el promedio
de la eficiencia técnica del modelo equivale a 0.66 (ver tabla 4.7), de esta manera, el
modelo SFE puede compararse con el último modelo DEA, el cual se basa en la variable
output logaritmo del número de contratos privados I+D donde el promedio de eficiencia
alcanza un valor de 0.61.

139
4.5. DISCUSIÓN Y CONCLUSIONES

En este capítulo se presentan los resultados de los niveles de eficiencia en unidades de

transferencia de tecnología a través de análisis empírico paramétrico y no paramétrico.
Dichos resultados señalan que existen un alto grado de homogeneidad en la eficiencia de
unidades de TT en México, especialmente entre aquellas que han creado una OTT. La
comparación entre los períodos 2012 a 2013 no parece mostrar ningún cambio en la
productividad global de las unidades de TT.

El presente trabajo constituye una investigación seminal sobre la productividad relativa

de las unidades de TT en México y establece una base para la medición sistemática y
continua de estas organizaciones académicas. Al enfocarse en las unidades de TTU en
México, este estudio va más allá de los realizados por Guëmes-Castorena (2008) y Antonio
et al., (2012) que se enfocan solamente en el análisis de la productividad en universidades
públicas. Asimismo, este estudio contrasta con el realizado por Altamirano-Corro et al.,
(2014) cuyo objetivo es evaluar facultades de ingeniería en México.

Aun cuando otros trabajos en Latinoamérica han señalado factores tipo input y output
para determinar los niveles de eficiencia de la ciencia y tecnología (Agapitova et al., 2002),
este estudio contribuye a una mejor comprensión de los determinantes de la eficiencia en
las OTTs y las universidades en México, al diseñar un tipo de función de producción con
insumos y productos no utilizados anteriormente en el país.

Algunos estudios en México han señalado la necesidad de establecer modelos

adecuados para una eficiente TTU (Feria, 2011; Necochea et al., 2013), por tanto, este
trabajo contribuye en la misma línea al recomendar la implantación de un sistema de
evaluación y control para estos esquemas. Este trabajo asimismo contribuye para el diseño
de futuras políticas en innovación y desarrollo tecnológico. Al señalar que diferentes
niveles de intensidad en I+D regionales no parecen impactar en mayores niveles de TT, es
posible deducir que una política orientada a fortalecer esquemas de especialización
regional permita acceder a mayores niveles de eficiencia. Esto deberá ser relevante en la
medida que otras regiones del país, tradicionalmente con mayor atraso tecnológico, se
incorporen a los procesos de TT universitaria.

140
 Tabla 4.7. Índices de eficiencia con base en el modelo SFE con distribución media
truncada a cero

Institución Año Grado de

eficiencia
Centro de Investigación en Alimentación y Desarrollo, A.C. 2012 0.365584
(CIADAC) 2013 0.513756
Centro de Investigación y Asistencia en Tecnología y Diseño 2012 0.738796
del Estado de Jalisco (CIATEJ) 2013 0.797906
2012 0.832947
Centro de Tecnología Avanzada A.C. (CIATEQ)
2013 0.857857
Centro de Investigaciones Biológicas del Noreste S.C. 2012 0.438761
(CIBNOR) 2013 0.515201
Centro de Investigación Científica y de Educación Superior de 2012 0.512721
Ensenada (CICESE) 2013 0.292094
2012 0.466077
Centro de Investigación Científica de Yucatán, A.C.(CICY)
2013 0.438307
2012 0.823424
Centro de Ingeniería y Desarrollo Industrial (CIDESI)
2013 0.741688
Centro de Investigación y Desarrollo en Electroquímica, S.C. 2012 0.628729
(CIDETEQ) 2013 0.626233
Centro de Investigación en Materiales Avanzados, S.C 2012 0.727797
(CIMAV) 2013 0.747415
2012 0.815556
Centro de Investigación en Matemáticas A.C. (CIMAT)
2013 0.826913
Centro de Investigación y de Estudios Avanzados 2012 0.996725
(CINVESTAV) 2013 0.996632
2012 0.544052
Centro de Investigaciones en Óptica A.C. (CIOPTAQ)
2013 0.650843
2012 0.692455
Centro De Investigación En Química Aplicada(CIQA)
2013 0.688779
2012 0.589001
Colegio de Posgraduados (COLPOS)
2013 0.782529
Corporación Mexicana de Investigación en Materiales 2012 0.699951
(COMIMSA) 2013 0.796116
Instituto Nacional de Astrofísica, Óptica y Electrónica 2012 0.711496
(INAOE) 2013 0.82582
2012 0.215406
Instituto Nacional de Ecología y Cambio Climático (INECC)
2013 0.232079
Centro de Investigación e Innovación en Tecnologías de la 2012 0.373272
Información y Comunicación (INFOTEC) 2013 0.29664
Instituto Potosino de Investigación Científica y Tecnológica 2012 0.593871
(IPICYT) 2013 0.479829
2012 0.996725
Universidad Nacional Autónoma de México (UNAM)
2013 0.996632
Instituto Tecnológico y de Estudios Superiores de Monterrey 2012 0.986279
(ITESM) 2013 0.986955
PROMEDIO TOTAL 0.66
Fuente: Elaboración propia

Una contribución adicional de este estudio es la determinación de parámetros de

valores de insumos que los directivos de OTTs y universidades deben alcanzar para una
eficiente TTU. Lo anterior es relevante para la planeación organizativa del gasto en

141
propiedad intelectual, el staff y personal especializad a contratar en OTTs, y la búsqueda
de ingresos de financiación pública para I+D.

No obstante, este trabajo posee varias limitaciones. Por una parte, la restricción de la
muestra a tan solo dos períodos de tiempo. Asimismo, el estudio no distingue los ingresos
públicos ni privados por rama científica (Thursby y Kemp, 2002). Este análisis tampoco
incorpora variables tales como estudiantes de postdoctorado o número de profesores
realizando actividades de I+D, lo que, al parecer, ha sido muy relevante en los estudios
sobre eficiencia de la TTU en países menos desarrollados (Agostini y Johnes, 2009; Zhang
et al., 2009; Ali et al., 2013).

A partir de lo anterior, es de esperarse que en el futuro la incorporación de este tipo de

variables en nuevos análisis permita enriquecer los resultados de este estudio. El
establecimiento de nuevas unidades de eficiencia relativa (benchmarking) podrían señalar
los verdaderos niveles de competitividad que poseen las IES y CPIs mexicanas en un
contexto supranacional en materia de transferencia tecnológica. Mientras que a nivel local,
la incorporación de nuevas OTTs regionales y especializadas conlleven a un mayor nivel
de dispersión en los niveles de eficiencia, será necesario verificar si la heterogeneidad
observada en otros países también ocurre en México (Chapple et al., 2005). Asimismo,
futuros trabajos podrían contemplar la comparación en el desempeño de unidades de TT
con otras OTTs empresariales y gubernamentales. Finalmente, se ha afirmado que con la
notable excepción del Instituto Tecnológico de Estudios Superiores de Monterrey
(ITESM), las universidades privadas en México escasamente están participando en
dinámicas de TT, de allí la importancia de que futuros análisis evalúen el desempeño
productivo de este tipo de instituciones.

142
BIBLIOGRAFÍA

Abrahms, I., Leung, G., Stevens, A., (2009). How U.S. Technology Transfer Offices
Tasked and Motivated are— Is It All about the Money? Research Management
Review, 17(1), 1-34.

Albornoz, O. (1997). La cuestión de la productividad, rendimiento y competitividad

académica del personal docente y de investigación en América Latina y el Caribe. La
educación superior en el siglo XXI. Una visión de América Latina y el Caribe, 1.
Mimeo.

Ali, A., Ahmad, B. (2013). Evaluating the efficiency of faculties in Qassim university.
Using data envelopment analysis. In: Banker R., Emrouznejad, A., Bal, H., Alp, I.,
Ali. M. (2013). Data Envelopment Analysis and Performance Measurement. Samsun,
Turkey: Proceedings of the 11th International Conference of DEA, June.

Agapitova, N., Holm-Nielsen, L., Vukmirovic, O. G. (2002). The evolution of science &
technology: Latin America and the Caribbean in comparative perspective.
Washington, DC: World Bank; Latin America and the Caribbean Regional Office.

Agarwal, R., Shah, S. (2014). Knowledge sources of entrepreneurship: Firm formation by

academic, user and employee innovators. Research Policy, 43, 1109-1133.

Agasisti, T.; Johnes, G. (2009). Beyond frontiers: comparing the efficiency of higher
education decision-making units across more than one country. Education Economics,
17, 59-79.

Aigner, D., Lovell, C. A. K., Schmidt, P. (1977). Formulation and estimation of stochastic
frontier production function models. Journal of Econometrics, 6, 21-37.

Altamirano-Corro, A., Peniche-Vera, R. D. R. (2014). Metodología AED-RNA para la

estimación de la eficiencia institucional: El caso de las dependencias de educación
superior (DES) de ingeniería de México. Nova scientia, 6(12), 356-378.

Anderson, T., Daim, T., Lavoie, F. (2007). Measuring the efficiency of university
technology transfer. Technovation, 27, 306-318.

Antonio, A. C., Domingo, G. M., Humberto, B. O., Alvaro, L. L., Alvaro, L. R., Del
Rocío, P. V. R. (2012). Measuring the institutional efficiency using data envelopment

143
 analysis and analytic hierarchy process: The case of a Mexican University. African
Journal of Business Management, 6(50), 11923-11930.

Becerril-Torres, O. U., Álvarez-Ayuso, I. C., Nava-Rogel, R. M. (2012). Frontera

tecnológica y eficiencia técnica de la educación superior en México. Revista mexicana
de investigación educativa, 17(54), 793-816.

Bok, Derek. (2003). Universities in the Marketplace: the Commercialization of Higher

Education. New Jersey: Princeton University Press.

Bonaccorsi, A., Dario, C. (2004), Econometric approaches to the analysis of productivity

of R&D systems. In: Moed, H., Glanzel, W., Schmoch, U. (Eds). Handbook of
Quantitative Science and Technology Research: The Use of Publication and Patent
Statistics in Studies of S&T Systems. Dordrecht/Boston/London: Kluwer Academic
Publisher, 51-74.

Cáceres, H., Kristjanpoller, W., Tabilo, J. (2014). Analysis of Technical Efficiency and its
Relation with Performance Evaluation Results in a Chilean University. Innovar,
24(54), 199-217.

Chapple, W., Lockett, A., Siegel, D., Wright, M. (2005). Assessing the relative
performance of U.K. university technology transfer offices: parametric and non-
parametric evidence. Research Policy, 34, 369-384.

Charnes, A., Cooper, W.W., Rhodes, E. (1978). Measuring the Inefficiency of Decision
Making Units. European Journal of Operational Research 2(6), 429-444.

Charnes, A., Cooper, W., Lewin, A., Seiford, L. (1994). Data Envelopment Analysis:
Theory, Methodology and Applications. Boston: Kluwer Academic Press.

Cobert A., Levary, R., Shaner, M. C. (2000). Determining the relative efficiency of MBA
programs using DEA. European Journal of Operational Research, 125, 656-669.

CONACYT (2013). Programa Especial de Ciencia, Tecnología e Innovación 2014-2018.

México: CONACYT.

Curi, C., Daraio, C., Llerena, P. (2015). The productivity of French technology transfer
offices after government reforms. Applied Economics, 47(28), 3008-3019.

Debackere, K., Veugelers, R. (2005). The role of academic technology transfer

organizations in improving industry science links. Research Policy, 35, 321-342.

144
Deutsch, J., Dumas, A., Silber, J. (2013). Estimating an educational production function
for five countries of Latin America on the basis of the PISA data. Economics of
Education Review, 36, 245-262.

Di Gregorio, D., and Shane, S. (2003). Why do some universities generate more start-ups
than others? Research Policy, 32, 209-227.

Feria, V., Hidalgo, A. (2011). Towards a transfer model of scientific and technological
knowledge: the case of Mexico. In: Proceedings of the 20th IAMOT Conference.
Miami.

Fitzgerald, C., Cunningham, J. A. (2015). Inside the university technology transfer office:
mission statement analysis. The Journal of Technology Transfer, 40, 1-12.

Glass, J.C., McCallion, G., McKillop, D., Stringer, K. (2006). A ‘technically level playing
field’ profit efficiency analysis of enforced competition between publicly funded
institutions. European Economic Review, 50, 1601-26.

Golany, B., Thore, S. (1997). Restricted Best Practices Selection in DEA: An Overview
with a Case Study Evaluating the Socio-Economic Performance of Nations. Annals of
Operations Research 73(1), 117–140.

Grilliches, Z. (1979), Issues in assessing the contribution of research and development to

productivity growth, The Bell Journal of Economics, 10, 92–116.

Guerrero, M., Cunningham, J. A., Urbano, D. (2015). Economic impact of entrepreneurial

universities’ activities: An exploratory study of the United Kingdom. Research Policy,
44(3), 748-764.

Güemes-Castorena, D. (2008). A DEA Decision Making Model for Higher Education

Funding. The Case of Mexico’s Public State Universities. Saarbrücken: VDM Verlag
Dr. Müller Pub.

Heher, A. D. (2005). Implications for technology Transfer Benchmarks for Developing

Countries. International Journal of Technology Management and Sustainable
Development, 4(3), 207-225.

Heher A.D. (2006) Return on Investment in Innovation: Implications for Institutions and
National Agencies. The Journal of Technology Transfer, 31, 403-414.

145
Kodde, D., Palm, F. (1986). Wald criteria for jointly testing equality and inequality
restrictions. Econometrica, 54(5), 1243-1248.

Lach, S., Schankerman, M. (2004). Royalty sharing and technology licensing in

universities. Journal of European Economic Association, 2(2/3), 252–264.

Leitner, K., Prikoszovits, J., Schaffhauser-Linzatti, M., Stowasser, R., Wagner, K. (2007).
The impact of size and specialization on universities’ department performance: a DEA
analysis applied to Austrian universities. Higher Education, 53, 517-538.

Lerner, J. (2005). The University and the startup: Lesson from the past two decades. The
Journal of Technology Transfer, 30(1-2), 49-56.

Link, A. N., Scott, J. T. (2005). Opening the ivory tower's door: An analysis of the
determinants of the formation of U.S. university spin-off companies. Research Policy,
34, 1106-1112.

Marshall, E., Shortle, J. (2005). Using DEA and VEA to Evaluate Quality of Life in the
Mid-Atlantic States. Agricultural and Resource Economics Review, 34(2), 185-203.

McMillan, M. L., Chan, W. H. (2006). University efficiency: A comparison and

consolidation of results from stochastic and non-stochastic methods, Education
Economics, 14, 1-30.

Meeusen, W., Van Den Broeck, J. (1977). Efficiency estimation from Cobb-Douglas
production functions with composed error. International Economic Review, 18, 435.

Monteiro, A. (2013). The Efficiency of Portuguese Techonology Transfer Offices and the
Importance of Universities Characteristics. Master Thesis. Universidade do Porto.

Mowery, D., Nelson, R., Sampat, B., Ziedonis, A. (2015). Ivory tower and industrial
innovation: University-industry technology transfer before and after the Bayh-Dole
Act. Palo Alto, CA: Stanford University Press.

Necoechea-Mondragón, H., Pineda-Domínguez, D., Soto-Flores, R. (2013). A Conceptual

Model of Technology Transfer for Public Universities in Mexico. Journal of
Technology Management & Innovation, 8(4), 24-35.

O’Kane, C., Mangematin, V., Geoghegan, W., Fitzgerald, C., (2015). University
technology transfer offices: The search for identity to build legitimacy. Research
Policy, 44, 421-437.

146
O'Shea, R., Allen, T. J., Chevalier, A., Roche, F. (2005). Entrepreneurial orientation,
technology transfer and spinoff performance of U.S. universities. Research Policy, 34,
994-1009.

Reichmann, G. (2004). Measuring university library efficiency using data envelopment

analysis. Libri, 54, 136-146.

Rogers, E., Yin, J., Hoffman, J. (2000). Assesing the effectiveness of Technology Transfer
Offices at US Research Universities. Journal of the Association of University
Technology Managers, 12, 47-80.

Rossi, F. (2014). The efficiency of universities’ knowledge transfer activities: A multi-

output approach beyond patenting and licensing. CIMR Working Papers. No. 16.
University of London.

Saxenian, A. L. (1996). Regional Advantage: culture and competition in Silicon Valley and
Route 128. Boston: Harvard University Press.

Shane, S. (2004a). Academic Entrepreneurship; University Spinoffs and Wealth Creation.

Cheltenham, UK: Edward Elgar.

Shane, S. (2004b). Encouraging university entrepreneurship? The effect of the Bayh-Dole

Act on university patenting in the United States. Journal of Business Venturing, 19(1),
127-151.

Siegel, D.S., Waldman, D., Link, A. (2003). Assessing the impact of organizational
practices on the relative productivity of university technology transfer offices: an
exploratory study. Research Policy, 32, 27-48.

Siegel, D.S., Phan, P.H., (2004.) Analyzing the Effectiveness of UniversityTechnology

Transfer: Implications for Entrepreneurship Education. Working Paper No. 0426.
Rensselaer Polytechnic Institute, Troy, NY.

Siegel, D., Wright, M., Chapple, W., Lockett, A. (2008). Assesing the relative performance
of University Technology Transfer in the US and UK: A Stochastic Distance Function
Approach. Economics of Innovation and New Technology, 17(7-8), 717-729.

Stephan, Paula, (2012). How Economics Shapes Science. Cambridge, MA: Harvard
University Press.

147
Thursby, J. G., Jensen, R., Thursby, M. C. (2001). Objectives, Characteristics and
Outcomes of University Licensing: A Survey of Major U.S. Universities. Journal of
Technology Transfer, 26(1-2), 59-72.

Thursby, J. G., Kemp S. (2002). Growth and productive efficiency of university

intellectual property licensing. Research Policy, 31, 109-124.

Thursby, J. G., Thursby, M. C. (2002). Who is selling the Ivory Tower? Sources of Growth
in University Licensing. Management Science, 48(1), 90-104.

Trune D., Goslin L. (1998). University Technology transfer programs a profit/loss analysis.
Technological Forecasting and Social Change, 57, 197-204.

Tseng, A. A., Raudensky, M. (2014). Performance evaluations of technology transfer

offices of major US research universities. Journal of Technology Management &
Innovation, 9(1), 93-102.

Valdez-Lafarga, C., Balderrama, J. I. L. (2015). Efficiency of Mexico's regional innovation

systems: an evaluation applying data envelopment analysis (DEA). African Journal of
Science, Technology, Innovation and Development, 7(1), 36-44.

Worthington, C.; Lee, B. (2008). Efficiency, technology and productivity change in

Australian universities, 1998-2003, Economics of Education Review, 27, 285-298.

Wright, M., Birley, S., Mosey, S. (2004a). Entrepreneurship and University Technology
Transfer. Journal of Technology Transfer, 29(3), 235-246.

Wright, M.; Vohora, A., Lockett, A. (2004b). The Formation of High-Tech University
Spinouts: The Role of Joint Ventures and Venture Capital Investors. Journal of
Technology Transfer, 29, 3-4.

Wright, M., Clarysse, B., Mustar, P., Lockett, A. (2007). Academic entrepreneurship in
Europe. London: Edward Elgar.

Zhang, D., Banker, R. D., Li, X., Liu, W. (2011). Performance impact of research policy at
the Chinese Academy of Sciences. Research Policy, 40(6), 875-885.

148
ANEXO

149
150
 Tabla A1
Literatura académica relacionada con la Divulgación del Invento
Variables Variables Variables de
Enfoque Técnica
Autor(es) Independientes o Dependientes o Control/Mediador Muestra País Sector Descubrimientos Clave
Teórico Estadística
covariables covariables as

Agente de la
Costo de transferencia, La mayor parte del financiación para la I&D es
oportunidad, medio de la aportada por el gobierno federal, aunque la
Teoría de impacto de Efectividad de la transferencia, colaboración universidad-empresa va en
Descriptivo,
Bozeman (2000) política mercado, desarrollo transferencia objeto de la N/D E.U.A. N/D aumento. Elementos como el costo de
Teórico
pública. económico, capital tecnológica. transferencia, oportunidad, impactos económicos, políticos y
humano, impacto ambiente de la humanos deben considerarse al evaluar la
político. demanda, receptor efectividad de la TT
de la transferencia.

Teoría
Gastos totales en La estructura histórica y la misión de la
del Estudio de
investigación, Universidad pueden afectar en cómo aborda la
desarroll Impacto sobre el caso sobre
regalías ajustadas cuestión de la transferencia de tecnología. Una
Feldman and o local, desarrollo local y la historia
obtenidas, número universidad que históricamente no se ha
Desrochers espíritu efectividad de la N/D de la E.U.A. N/D N/D
de licencias, start preocupado por la mejora de la economía local o
(2003) empresari transferencia Universida
ups creadas, tasa de hacer equipo con industrias locales
al tecnológica. d Johns
invención y regalías probablemente no se involucrará en una
académic Hopkins.
por licencia. transferencia de tecnología eficiente.
o.

Teoría
El índice de la
del
calidad en la La Ley Bayh-Dole requiere que si un miembro de
desarroll
facultad, el número la facultad, estudiantes o personal universitario
Friedman and o local, Número de 83
de departamentos, Análisis de descubren un nuevo invento o tecnología que
Silberman espíritu divulgación de N/D universidad E.U.A. N/D
fondos federales de regresión. tenga potencial de comercialización, la
(2003) empresari invenciones. es.
investigación y obligación de divulgarla y notificarla a la OTT de
al
fondos industriales su universidad.
académic
de investigación.
o.

Espíritu 36 Software,
Harmon, empresari compañías video, El proceso de transferencia de tecnología es una
Ardishvili, al Tipo de relación Tipo y tamaño de la con dispositiv secuencia lineal de pasos, desde el
Cardozo, Elder, académic entre la universidad tecnología N/D vínculos E.U.A. os N/D descubrimiento, divulgación, apropiación,
Leuthold, and o y teoría y la industria. transferida. con la médicos, desarrollo, negociación de la licencia,
Parshall (1997) de la universidad horticultu adaptación y uso del comprador privado.
vinculaci de ra,
ón Minnessota farmacéu
151
 academia que ticos y
- adquirieron químicos.
industria. 39
diferentes
tecnologías.

Número de
universidades Existencia de
públicas, calidad de escuela de
la facultad, regalías medicina,
de ingreso de la proporción del Ciencias, La forma y el tiempo en que el inventor divulga
Jensen, Thursby, Teoría de Número de 62 Regresión
facultad, porcentaje apoyo de la ingenierí su invención es una función de equilibrio entre el
and Thursby la divulgación de universidad E.U.A. Lineal
de prototipos investigación ay ingreso por licencia y nivel de investigación
(2003) agencia. invenciones. es. (Probit).
disponibles, industrial sobre el medicina. patrocinada.
porcentaje de apoyo de
conceptos de investigación
prueba, importancia federal.
de la OTT.

Los mecanismos de transferencia de tecnología

formal generan instrumentos legales como
Biología,
patentes, licencias o derechos de autor. Un
Género, posición en 1. Participación computac
150 mecanismo de transferencia de tecnología
Comercia la universidad, para transferir o ión,
universidad informal facilita el flujo del conocimiento
lización estatus de comercializar matemáti
es de tecnológico a través de los procesos de
académic financiación tecnología, 2. cas, Regresión
Link, Siegel, and investigació comunicación informal, como es el caso de
a, federal, años de Participación en N/D E.U.A. física, lineal
Bozeman (2007) n en el asistencia técnica, redes, consultoría e
academic estatus en la publicaciones geología, (Probit).
período investigación colaborativa. Los incentivos
engagem universidad, tiempo conjuntas, 3. química
2004 a universitarios requieren ser establecidos
ent. con financiación Número de y otras
2005. adecuadamente para mantener la estabilidad
para investigación. consultorías. ingenierí
laboral de los miembros de la facultad
as.
involucrados en las actividades de transferencia
de tecnología formal.

Determinantes de le Mediadoras: Las universidades dependen de contratos de

Espíritu
velocidad de Tiempo de trabajo y de un sistema de honor que requiere que
Markman, empresari
innovación: 1. comercialización de la facultad divulgue, de manera oportuna, los
Gianiodis, Phan, al
Impedimentos en todas la empresas y Técnica de descubrimientos a sus OTTs universitarias. Esto
and Balkin académic Ingresos por
etapas tempranas, tiempo de 91 OTTs regresión sugiere que (a) la divulgación y posteriores
(2005) o y teoría licencia y creación
2. Impedimentos en comercialización de universitari E.U.A. N/D lineal. compromisos con el licenciatario dependen de la
de la de nuevas
etapas tardías, 3. las nuevas as. facultad quien se auto-selecciona en este proceso
velocidad empresas.
Complejidad 4. empresas. y (b) sólo un pequeño subconjunto de la
de la
Competencias de la población de investigación de la facultad
innovació
OTT, 5. Grado de Variables de participa activamente en el desarrollo del
n.
inicio de la control: proyecto hasta su comercialización.
innovación entre

152
 inventores, OTT y Experiencia y
empresas. tamaño de la OTT,
estructura de la
OTT y OTTs
públicas contra
privadas.

Las variables se
agrupan alrededor Dos tipos
de los siguientes de La percepción de los beneficios de la protección
Teoría grupos: 1. universidad a través de una patente influirán en la decisión de
institucio Características es: 1. Una la facultad para divulgar sus inventos. Mientras
Ciencias
nal y institucionales, 2. universidad los inventores de las ciencias de la vida observan
Número de físicas y
Owen-Smith and comercial Capacidades de privada Estudios de un mayor nivel de patentamiento para proteger
divulgación de N/D E.U.A. ciencias
Powell (2001) ización investigación, 3. elite (EPU), caso sus tecnologías, los inventores de ciencias físicas
invenciones. de la
de la Capacidades de 2. Una lo hacen con fines de entablar relaciones con la
vida.
tecnologí transferencia universidad industria. Los incentivos están influenciados por
a. tecnológica, 4. estatal los costos percibidos de interactuar con las OTTs
Medidas de mayor y por los entornos institucionales.
transferencia (BSU).
tecnológica.

Teoría de
la
organizac
Número de La primera etapa del proceso de transferencia de
ión,
notificaciones de Existe una variable tecnología es el descubrimiento científico,
espíritu
invenciones, incorporada de después del cual la Ley Bayh-Dole estipula que
empresari 80 de 89
número de El número de ineficiencia técnica Modelo el científico debe presentar a la OTT una
Siegel, al institucione
miembros en el acuerdos de que está en función estocástico de divulgación de la invención. El estudio señala
Waldman, and académic s elite de E.U.A. N/D
staffde las OTTs y licencias, ingreso de un vector frontera que la productividad en licenciamiento está
Link (2003) o, investigació
el gasto legal en anual por licencias. ambiental y un (SFE). condicionado por factores organizacionales como
vinculaci n.
protección factor el sistema de recompensas a la facultad, los
ón
intelectual de las organizacional. conflictos culturales entre ciencia e industria y
universid
invenciones. profesionalidad del staff en las OTTs.
ad-
industria
(ISL).

Espíritu La mayoría de las tecnologías licenciadas se

empresari encuentra en estado avanzado de desarrollo. El
al Calidad de la OTT, Regalías, Tamaño de la OTT 62 número de licencias ejecutadas va a la par que el
Thursby, Jensen, académic prueba de concepto, investigación y existencia de universidad número de contratos patrocinados por la
Modelo de
and Thursby oy prototipo e patrocinada, escuela de medicina es en los E.U.A. N/D
regresión industria. Ciertos campos, tales como medicina,
(2001) comercial invenciones patentes y licencias y licencias en Estados
ización notificadas. ejecutadas. período anterior. Unidos TI, ingeniería y biotecnología son más propensos
universita a tener divulgaciones de invención.
ria.

153
 Número de
personas empleadas
de tiempo completo La divulgación implica que la facultad
en la OTT, el Técnica de proporcione a la OTT la información sobre la
Espíritu
financiación federal programación invención y los inventores, fuentes de
emprende Ciencias
en los últimos tres no financiación, potenciales licenciatarios y barreras
dor 64 biológica
años, financiación Número de paramétrica para potenciales patentes. Las divulgaciones de
académic universidad s,
Thursby and de la industria en notificaciones de para calcular
o, N/D es en E.U.A ingenierí invenciones son una función del tamaño de la
Thursby (2002) los últimos tres divulgación de la
comercial Estados ay facultad, fondos de investigación, el número de
años. Tamaño de la inventos. productividad
ización Unidos. ciencias tiempo completo del personal en la OTT, la
facultad por áreas total de
universita físicas. propensión de la facultad para divulgar, y la
científicas y una factores
ria.
función de (TFP). probabilidad de desarrollar el descubrimiento.
probabilidad de la
propensión de la
facultad a notificar.

154
 Tabla A2
Literatura relacionada con el papel de las Oficinas de Transferencia de Tecnología
Autor/es Enfoque Variables Variables Variables de Muestra País Sector Técnica Descubrimientos Clave
Teórico Independient Dependientes Control Estadística
es / / Covariables
Covariables

Bercovitz, Teoría de la La estructura Actividades N/D Tres E.U.A N/D Prueba La estructura organizacional de las OTT en cada
Feldman, Feller, organización organizaciona de universidad paramétrica universidad fomenta la TT.
and Burton (2001) y espíritu l de la oficina investigación es: Duke, para contrastar
empresarial de patrocinada, Johns equivalencia de Las actividades de transferencia de tecnología
académico transferencia licenciamient Hopkins, y medias:
(obtención y procesamiento de divulgaciones de
de tecnología o y patentes Pennsylvan estadístico t.
interinstitucio ia State. 21 invenciones, licenciamiento, búsqueda de patrocinio
nales entrevistas. adicional para proyectos de I+D o de una
combinación de estos tres) se forman gracias a los
recursos, relaciones informativas, autonomía, y/o
incentivos de las OTTs.

Chapple, Lockett, Espíritu Input: Output: Modelo de 50 de 122 Reino N/D Paramétrico: En OTTs que presentan rendimientos decrecientes a
Siegel, Wright empresarial Número de Número de Ineficiencia universidad Unido Modelo escala es recomendable reconfigurar estas
(2005) académico, notificaciones licencias e contiene las es élite Estocástico de organizaciones en unidades más pequeñas y
Propiedad de inventos, Ingresos por siguientes Frontera (SFE)
especializadas. Asimismo es recomendable aumentar
Intelectual ingreso total licencias variables y No
para ambientales y Paramétrico: las capacidades profesionales y en desarrollo de
investigación, organizaciona Modelo negocios entre el staff de las OTTs
número de les: presencia envolvente de
empleados de escuela de datos (DEA)
staff en la medicina,
OTT, gastos edad de la
externos para OTT, PIB
PI regional,
intensidad de
investigación
regional
Clarysse, Wright, Espíritu 1. Existencia 1. Capital País y número 35 Bélgica, Biotecnol Análisis de En la mayoría de los países europeos se han
Lockett, Mustar, empresarial de inicial de la de empleados institutos y Alemania ogía y regresión de promulgado leyes similares a la ley Bayh-Dole de
and Knockaert académico y transferencia start up. 2. de la start up universidad , Francia, software. mínimos los EUA, la cual otorga a las universidades los
(2007) comercializac formal de Aumento de es de Italia y cuadrados
derechos sobre su propia PI. La edad y el tamaño de
ión de la tecnología capital investigació Reino generalizados
tecnología (dummy). 2. promedio. n y 145 Unido. (GLS). la OTT están directamente relacionados con el
universitaria. Portafolio de nuevas tiempo transcurrido después de que se apruebe un
patentes 3. empresas tipo de ley Bayh-Dole. Las OTT pasan hasta el 80%
Etapa de académicas de su tiempo en cuestiones relacionadas con la PI.
desarrollo del . Como resultado, el conocimiento de la PI entre los
nuevo oficiales universitarios y la actividad dentro de las
producto. 4.
universidades europeas e institutos de investigación
Enfoque
internacional.
155
 5. Tamaño de ha aumentado significativamente.
mercado
objetivo.
Clarysse, Tartari, Espíritu Capacidad Probabilidad Relevancia de 6,200 Reino N/D Modelo semi- Factores individuales y ambientales más que
and Salter (2011) empresarial emprendedora de que el la universidad investigado Unido. paramétrico institucionales influyen en las decisiones de los
académico. , ambiente investigador en tamaño, res (modelo Cox). académicos para fundar una empresa. El papel de la
social, tome la calidad de la académicos
OTT para aumentar las actividades empresariales de
experiencia decisión en investigación . 2,194
emprendedora fundar o por cuestionari los académicos parece ser limitada. La OTT pasa la
, presencia de administrar departamento, os mayor parte de su tiempo protegiendo la tecnología
OTT, una nueva género. completado y formalizando de las relaciones contractuales
eficiencia de empresa. s (una tasa alrededor de ella.
OTT. de
respuesta
del 36%).
Coupe (2003) Espíritu OTTs, Número de Fondos de 212 E.U.A. Químico, Modelo de Una universidad con una OTT tendrá una
empresarial Fondos de patentes Investigación universidad TI, Poisson y expectativa de un mayor número de patentes que
académico y investigación y Desarrollo es. Medicina binomial otra universidad sin una OTT, y el efecto de la OTT
comercializac y desarrollo en períodos , negativo.
aumenta con el tiempo.
ión de la académicos, anteriores. Eléctrica,
tecnología provenientes Electróni
universitaria. de fuentes ca,
federales y Mecánica
fuentes y otros.
privadas.
Friedman and Teoría del El número El número de N/D 83 E.U.A. N/D Análisis de Una mayor TT es resultado de mayores recompensas
Silberman (2003) desarrollo predicho de productos universidad regresión. a los académicos, la localización geográfica con
local, espíritu notificación resultantes de es. Modelo firmas intensivas en alta tecnología, un compromiso
empresarial de transferencia recursivo de 2 institucional hacia la TT y una OTT con experiencia.
académico. invenciones, de tecnología. ecuaciones. Casi todas las universidades analizadas han
un vector de establecido OTTs para fomentar la interacción con la
factores industria y la comercialización de la investigación.
ambientales
tales como la
concentración
industrial de
alta
tecnología, la
política
universitaria
hacia la
transferencia
de tecnología
y las
características
organizaciona
les de la
universidad.

156
Henderson, Jaffe, Comercializa Actividades Número de N/D 112 E.U.A. Médicas, Matriz de Las políticas federales, como la Ley Bayh-Dole,
and Trajtenberg ción de la de patentes universidad químicas, covarianzas crearon un estímulo hacia la investigación más
(1998) tecnología licenciamient aplicadas en es mecánica entre las comercial, provocando un aumento en el
universitaria, o en los Estados s, variables y
compromiso institucional de las universidades para
derechos de empleados de Unidos, electrónic modelos de
PI. tiempo número de as, y retrasos patentar a través de nuevas y ampliadas OTTs.
completo, citas, otras. ponderados.
número de importancia y
notificaciones generalidad
, regalías de las citas de
brutas, apoyo las patentes.
de la industria
y apoyo
público.
Jensen, Thursby, Teoría de Percepciones Las medidas Existencia de 62 E.U.A. Ciencias, Modelo Las OTTs son responsables de fomentar entre la
and Thursby (2003) juegos y que se tienen de éxito de escuela de universidad ingenierí econométrico facultad la decisión de divulgación de las
teoría de la por parte de las OTTs. medicina, es. a y (Probit). invenciones, evaluando esas invenciones divulgadas,
agencia. la facultad y proporción medicina. así como de encontrar licenciatarios y celebrar
de la del apoyo contratos en nombre de la administración central de
administració para la Universidad.
n de: (1) la investigación
investigación industrial
patrocinada, sobre el
(2) las apoyo de
regalías y (3) investigación
las licencias. federal.

O’Shea, Allen, Teoría de los Recursos El número de Presencia de 113 E.U.A. Computa Análisis de LA OTT, calidad de la facultad y el financiación
Chevalier, and recursos y institucionale compañías escuela de universidad ción, regresión. federal inciden positivamente en la creación de
Roche (2005) capacidades, s, capital spinoffs medicina, tipo es. ciencias spinoffs. La OTT desempeña un papel clave al
teoría humano, generadas en institucional, Encuesta físicas,
generar un espíritu emprendedor académico,
institucional y recursos la universidad privada o AUTM química,
espíritu financieros. i en el tiempo pública; 1980-2001. ingenierí estimular la ingeniería de redes sinérgicas entre
empresarial t. contexto a, académicos y capitalistas de riesgo, asesores y
académico. regional; ciencias gerentes que proporcionan los recursos humanos y
número de ambiental financieros necesarios para iniciar una empresa; y
patentes, y es, proporcionar a la compañía conocimientos en
fondos ciencias dirección de empresas.
presupuestale de la vida
s. y
agricultur
a.
Siegel, Waldman, Comercializa Productos de Resultados de . 5 E.U.A. N/D Cualitativo. El papel de la OTT es facilitar la transferencia a
Atwater, and Link ción de la la universidad Método de través del licenciamiento a industrias de invenciones
(2004) tecnologías transferencia transferencia es: Duke, diferencias de u otras formas de PI resultantes de la investigación
universitarias, de la de la Carolina muestras Z.
universitaria. La OTT debe comprender el campo y
modelo de tecnología, tecnología. del Norte Entrevistas a
transferencia redes y en Chapel académicos- evaluar donde se mueve su tecnología con el fin de
de relaciones Hill, científicos, decidir si una patente puede o no ser registrada.
conocimiento sociales, Carolina directores-
científico. indicadores del Norte administradores

157
 de barreras y Estatal, de OTTs y
mejoras al Estatal de emprendedores-
proceso de Arizona y directores de
transferencia Universida empresas
de tecnología. d de
Arizona.
Siegel, Waldman, Teoría de la Número de El número de Existe una 80 de 89 E.U.A. N/D Modelo Una vez que formalmente se divulga la invención, la
and Link (2003) organización, notificaciones acuerdos de variable institucione estocástico de OTT evalúa de manera simultánea el potencial
espíritu de licencias, incorporada s elite de frontera (SFE) y comercial de la tecnología y decide si patentar la
empresarial invenciones, ingreso anual de investigació regresión lineal innovación.
académico, número de por licencias. ineficiencia n. simple.
teoría de la miembros en técnica que
vinculación el staffde las está en
universidad- OTTs y el función de un
industria. gasto legal en vector
protección ambiental y
intelectual de un factor
las organizaciona
invenciones. l.

158
 Tabla A3
Literatura relacionada con la evaluación de tecnología de la OTT para ser patentada
Autor(es) Enfoque Variables Variables Variabl Muestra País Sector Técnica Descubrimientos Clave
Teórico Independientes Dependientes / es de Estadística
/ Covariables Covariables Control

Jensen and Teoría de 1. La N/D 62 E.U.A N/D Análisis teórico Los resultados muestran que la gran mayoría de las
Thursby (2001) juegos. Características comercializació Universidades . basado en un invenciones licenciadas están en una etapa muy
de la invención n de los inventos de modelo de teoría temprana de desarrollo, por lo que la participación del
agrupados en 5 universitarios. investigación de juegos.
inventor resulta crucial para el posterior éxito
subgrupos; 2. entre 1991 y
Objetivos de 1995. comercial. Además, la mayoría de las universidades
licenciamiento solicitan patentes sujetas a la identificación de un
para I. la OTT, potencial licenciatario de la tecnología.
II.
administración
de la
universidad y
III. la Facultad.
3. características
de las licencias
agrupadas en 7
subgrupos.
Shane (2004b) Política 1. Códigos La proporción N/D La encuesta de E.U.A 117 Regresión Se debe realizar un análisis costo beneficio que
pública, Dummies de 32 de patentes la innovación . líneas de agrupada en permita a las universidades calcular si las regalías de
espíritu dígitos SIC; 2. universitarias de Yale que negocio. series de tiempo los licenciamientos por aquellas patentes superarán el
empresarial Efectividad en el anuales de 1969 cubren 650 cruzadas
promedio del costo de las mismas.
académico. licenciamiento a 1996. administradore seccional.
(de 1-5); 3. s de tecnología
Grado de en 130 líneas
cercanía de la de negocio.
línea de
negocios a la
ciencia; 4.
Dummy de
campo
biomédico; 5.
Fondos para
investigación
aplicada; 6.
Fondos de la
industria; 7. I+D
universitaria; 8.
Fondos del
Instituto
Nacional de
Salud.
Siegel, Comerciali Productos de la Resultados de la N/D 5 E.U.A N/D Entrevistas a Las universidades pueden optar por solicitar una
Waldman, zación de transferencia de transferencia de universidades: . académicos- patente nacional que proteja la tecnología a un costo

159
Atwater, and tecnologías la tecnología, la tecnología. Duke, científicos, significativamente menor que el que implica una
Link (2004) universitari indicadores Carolina del directores- patente mundial.
as, modelo sobre redes y Norte en administradores
de relaciones; Chapel Hill, de OTTs y
transferenci barreras y Carolina del emprendedores-
a de mejoras al Norte Estatal, directores de
conocimien proceso de Estatal de empresas.
to transferencia de Arizona y Método de
científico. tecnología. Universidad de diferencias de
Arizona. muestras Z.
Siegel, Teoría de la Número de El número de Existe 80 de 89 E.U.A N/D Modelo La OTT debe considerar el potencial comercial de la
Waldman, and organizació notificaciones de acuerdos de una instituciones . estocástico de invención, así como el posible interés de la industria.
Link (2003) n, espíritu invenciones, licencias, variable elite de frontera (SFE) y
empresarial número de ingreso anual incorpor investigación. Regresión lineal
académico, miembros en el por licencias. ada de simple.
teoría de la staffde las OTTs ineficien
vinculación y el gasto legal cia
universidad en protección técnica
-industria. intelectual de las que está
invenciones. en
función
de un
vector
ambient
al y un
factor
organiza
cional.

Thursby, Espíritu Calidad de la Regalías, Tamaño 62 E.U.A N/D Modelo El objetivo más importante de la OTT son la regalías y
Jensen, and empresarial OTT, prueba de investigación de la universidades . econométrico los pagos iniciales por la licencia. Ciertos campos,
Thursby (2001) académico concepto, patrocinada, OTT y en los Estados de regresión como la medicina, ingeniería y ciencias, son más
y prototipo e patentes y existenci Unidos
propensos a tener divulgaciones de invenciones.
comercializ invenciones licencias a de
ación notificadas. ejecutadas. escuela
universitari de
a. medicin
ay
licencias
en
período
anterior.
Thursby and Espíritu Número de Número de N/D 64 E.U.A Ciencias Técnica de La OTT analiza las divulgaciones que cree pueden ser
Thursby (2002) emprended notificaciones, nuevas universidades biológica programación patentadas y licenciadas; una medida utilizada es la
or empleados aplicaciones de en Estados s, no paramétrica calidad de la facultad para captar el potencial de
académico, totales de la patente. Unidos. ingenierí para calcular la
patente.
comercializ OTT, calidad de a y productividad
ación la facultad y ciencias total de factores
universitari propensión a físicas. (TFP).
a. patentar.

160
Thursby and Comerciali Inputs: tamaño Outputs: N/D 112 E.U.A Ciencias Análisis La ingeniería y las ciencias biológicas son más
Kemp (2002) zación de la de la OTT, financiación universidades biológica envolvente de importantes para la actividad de licenciamiento que las
tecnología financiación industrial, para el período s, datos (DEA) ciencias físicas. Esto se puede atribuir a la naturaleza
académica, federal y calidad regalías, número 1991-1996. ingenierí combinado con
más aplicada de la ingeniería y las mejores
cálculo de y número de de a y análisis de
la miembros de notificaciones, ciencias regresión para oportunidades de mercado de las ciencias biológicas.
productivid facultades en número de físicas. examinar la
ad. biología, licencias y productividad
ingeniería y número de total de la
ciencias físicas. patentes. actividad
universitaria de
licenciamiento.

161
 Tabla A4
Literatura relacionada con la adquisición de patentes
Autor(es) Enfoque Variables Variables Variables de Muestra País Sector Técnica Estadística Descubrimientos Clave
Teórico Independientes Dependientes Control
/ Covariables / Covariables

Bercovitz, Teoría de la La estructura Actividades N/D Tres E.U.A N/D Prueba paramétrica Desde 1980, todas las universidades de
Feldman, organización organizacional de universidad para equivalencia de Estados Unidos han adquirido amplios
Feller, and y espíritu de la oficina de investigación es: Duke, medias: estadístico t. derechos de PI, pero una considerable
Burton (2001) empresarial transferencia de patrocinada, Johns
diversidad existe en los procedimientos y las
académico tecnología licenciamient Hopkins, y
o y patentes Pennsylvan políticas de transferencia de tecnología, así
interinstitucio ia State. 21 como en la organización de OTTs y oficinas
nales entrevistas. de vinculación industrial desarrolladas como
respuesta a la nueva legislación y a las
oportunidades de mercado.

Carlsson and Emprendimie Año en el que Número total N/D 170 E.U.A N/D Análisis de El presupuesto anual para las actividades de
Fridh (2002) nto fue fundada la de universidad regresión. patente y licenciamientos dentro la OTT oscila
empresarial OTT, total de aplicaciones es, entre los USD $320,000 y más de los USD$2
académico, y gastos en PI, para patente y hospitales e
millones. Las universidades pueden facilitar
comercializac número de nuevas institutos
ión de empleados aplicaciones de la aplicación por la patente, pero siempre
tecnología totales de la de patente. investigació dentro de los límites establecidos por el
universitaria, OTT y número n para el presupuesto (el costo de la patente va
transferencia de período normalmente entre los USD $15,000 –
tecnológica notificaciones 1991-1996. USD$20,000 por aplicación).
universitaria. de invenciones.
Colyvas, Crow, Comercializa Tipo de Invenciones N/D 11 casos de E.U.A Biotecnol Análisis de casos Hay razones para dudar que las patentes y
Gelijns, ción tecnología, que han inventos ogía, comparativos. licenciamiento de patentes son más necesarias
Mazzoleni, académica, fuentes de alcanzado el proveniente farmacéu para la efectiva transferencia de hoy que en
Nelson, derechos de financiación, nivel de s de la tica,
años anteriores. El efecto principal de Bayh-
Rosenberg, and PI y tipo de PI, tipo mercado. Universida electrónic
Sampat (2002) transferencia de licencia, d de a, Dole fue acelerar y ampliar las tendencias que
de tecnología licencias a Stanford y software, ya estaban ocurriendo.
universitaria. nuevas de la dispositiv
empresas, Universida os
interacción d de médicos.
entre el Columbia.
licenciatario y
el inventor,
ventas.
Kim (2013) Espíritu Inputs: Outputs: N/D 90 E.U.A. N/D Análisis de En el pasado, la mayoría de las universidades
empresarial Notificación de Patentes universidad envolvimiento de asignaban un bajo valor bajo a las patentes y a
académico, invenciones, emitidas en es entre el datos (DEA). las licencias ya que ambos requieren altos
eficiencia empleados de los Estados período
costos fijos en comparación con los beneficios
técnica, tiempo Unidos, 1999-2007.
productividad completo de la licencias que confieren. El sistema de patentes de

162
 y OTT y gastos ejecutadas e Estados Unidos se ha reconfigurado para
transferencia en I&D. ingreso por estimular la difusión del conocimiento
de tecnología licencias. productivo y por consiguiente aumentar el
universitaria.
valor económico de la investigación
académica.

Markman, Espíritu Determinantes Ingresos por Mediadoras: 91 OTTs E.U.A. N/D Técnica de regresión Las OTT tienen como objetivo comercializar
Gianiodis, empresarial de le velocidad licencia y Tiempo de universitari lineal. sus tecnologías protegidas para rápidamente
Phan, and académico y de innovación: creación de comercializac as. aumentar los flujos de ingresos y nuevos
Balkin (2005)
teoría de la 1. nuevas ión de todas emprendimientos que potencialmente pueden
velocidad de Impedimentos empresas. la empresas y crear spin offs. La velocidad de innovación es
la innovación. en etapas tiempo de determinada por los recursos de la OTT y su
tempranas, 2. comercializac estructura, su competencia en la identificación
Impedimentos ión de las de concesionarios y la participación de los
en etapas nuevas inventores de la facultad en el proceso de
tardías, 3. empresas. licenciamiento.
Complejidad 4.
Competencias Variables de
de la OTT, 5. control:
Inicio de la
innovación en Experiencia y
inventores, OTT tamaño de la
y empresas. OTT,
estructura de
la OTT y la
OTT pública
contra la
privada.

Shane (2004b) Política 1. Códigos La proporción N/D La encuesta E.U.A. 117 Regresión agrupada Con la ley Bayh-Dole, las universidades
pública, dummies de 32 de patentes de la líneas de en series de tiempo respondieron creando o renovando sus
espíritu dígitos SIC; 2. universitarias innovación negocio. cruzadas seccional. políticas de propiedad intelectual,
empresarial Efectividad en anuales de de Yale que
estableciendo o reorganizando su OTT. En
académico. el 1969 a 1996. cubren 650
licenciamiento administrad consecuencia, en la era post-Bayh-Dole, los
(de 1-5); 3. ores de oficiales de las OTTs administran las licencias
Grado de tecnología de tecnología y las decisiones de
cercanía de la en 130 patentamiento.
línea de líneas de
negocios a la negocio.
ciencia; 4.
Dummy de
campo
biomédico; 5.
Fondos para
investigación
aplicada; 6.
Fondos de la
industria; 7.
163
 I&D
universitaria; 8.
Fondos del
Instituto
Nacional de
Salud (NHI).
Siegel, Teoría de la Número de El número de Existe una 80 de 89 E.U.A. N/D Modelo estocástico Las OTT enfrentan un dilema cuando inician
Waldman, and organización, notificaciones acuerdos de variable institucione de frontera (SFE) y una solicitud de patente. La protección de una
Link (2003) espíritu de invenciones, licencias, incorporada s elite de Regresión lineal patente nacional es sustancialmente más
empresarial número de ingreso anual de investigació simple. barata que una mundial, pero a menudo
académico, miembros en el por licencias. ineficiencia n. mucho menos valioso a los licenciatarios
teoría de la staff de las técnica que potenciales, particularmente cuando los
vinculación OTTs y el gasto está en mercados extranjeros se consideran altamente
universidad- legal en función de un lucrativos en relación con el mercado
industria. protección vector doméstico.
intelectual de ambiental y
las invenciones. un factor
organizaciona
l.

Siegel, Comercializa Productos de la Resultados de N/D 5 E.U.A. N/D Método de Las universidades poseen presupuestos
Waldman, ción de transferencia de la universidad diferencias de limitados para la presentación de patentes. La
Atwater, and tecnologías la tecnología, transferencia es: Duke, muestras Z. mayoría de las ocasiones optarán por solicitar
Link (2004) universitarias, redes y de la Carolina Entrevistas y
la protección de patente nacional, que
modelo de relaciones, tecnología. del Norte encuestas a
transferencia barreras y en Chapel académicos- salvaguarde la tecnología a un costo mucho
de mejoras al Hill, científicos, menor.
conocimiento proceso de Carolina directores-
científico. transferencia de del Norte administradores de
tecnología. Estatal, OTTs y
Estatal de emprendedores-
Arizona y directores de
Universida empresas.
d de
Arizona.

164
 Tabla A5
Literatura relacionada con el papel del agente de transferencia de tecnología en la promoción de las invenciones entre las empresas
Autor(es) Enfoque Variables Variables Variables de Muestra País Sector Técnica Descubrimientos Clave
Teórico Independient Dependientes Control Estadística
es

Colyvas, Crow, Comercializa Tipo de Invenciones N/D 11 casos de E.U.A Biotecnología Análisis de Las actividades de marketing de la OTT serán más
Gelijns, ción tecnología, que han inventos , casos importantes para los inventos en áreas tecnológicas
Mazzoleni, académica, fuentes de alcanzado el provenientes farmacéutica, comparativ donde los vínculos existentes entre academia e
Nelson, derechos de financiación, nivel de de la electrónica,
os. industria son débiles.
Rosenberg, and PI y tipo de PI, mercado. Universidad software,
Sampat (2002) transferencia tipo de de Stanford y dispositivos
de tecnología licencia, de la médicos.
universitaria. Dummy Universidad
licencias a de Columbia.
nuevas
empresas,
Dummy
interacción
entre el
licenciatario y
el inventor,
Dummy
ventas.
Etzkowitz (2003) Espíritu Grupos de Espíritu N/D Entrevistas en Internaci N/D Estudios de La asociación entre OTTs y empresas crea un
empresarial investigación empresarial universidades onal. caso. mercado de tecnología. Es por ello importante la
académico, con atributos académico. europeas y creación de una infraestructura de OTTS en las
comercializac cuasi latinoamerica
universidades por su capacidad para mejorar la
ión de la empresariales nas, y una
investigación , financiación investigación comercialización del conocimiento académico.
universitaria de documental
y teoría de la investigación en la
innovación. sobre bases Universidad
competitivas. de Stanford.
Markman, Espíritu Determinante Ingresos por Mediadoras: 91 OTTs E.U.A. N/D Técnica de Las OTT juegan un papel fundamental en la
Gianiodis, Phan, empresarial s de le licencia y Tiempo de universitarias. regresión comercialización al motivar la participación de los
and Balkin académico y velocidad de creación de comercializac lineal. inventores con los posibles licenciatarios y así
(2005)
teoría de la innovación: 1. nuevas ión de todas aumentar la velocidad en el desarrollo del producto
velocidad de Impedimentos empresas. la empresas y que será lanzado al mercado.
la innovación. en etapas tiempo de
tempranas, 2. comercializac
Impedimentos ión de las
en etapas nuevas
tardías, 3. empresas.
Complejidad
4. Variables de
Competencias

165
 de la OTT, 5. control:
Inicio de la
innovación en Experiencia y
inventores tamaño de la
OTT y OTT,
empresas. estructura de
la OTT y la
OTT pública
contra la
privada.

Siegel, Comercializa Productos de Resultados de Académicos- 5 E.U.A. N/D Método de Las instituciones de nivel superior que no están en
Waldman, ción de la la científicos, universidades diferencias posiciones de alto prestigio y reputación deben ser
Atwater, and tecnologías transferencia transferencia directores- : Duke, de muestras más proactivas en la comercialización de sus
Link (2004) universitarias, de la de la administrador Carolina del Z.
tecnologías.
modelo de tecnología, tecnología. es de OTTs y Norte en
transferencia redes y emprendedore Chapel Hill,
de relaciones, s-directores Carolina del Se propone que dichas universidades asignen más
conocimiento barreras y de empresas. Norte Estatal, recursos para sus OTTs y que dediquen más
científico. mejoras al Estatal de esfuerzos a la comercialización de tecnologías entre
proceso de Arizona y las empresas. Un mayor staff en la OTT es a menudo
transferencia Universidad necesaria para comercializar las tecnologías.
de tecnología. de Arizona.
Thursby, Jensen, Espíritu Calidad de la Regalías, Tamaño de la 62 E.U.A. N/D Modelo Las OTTs mantienen rutinas que pueden acelerar la
and Thursby empresarial OTT, prueba investigación OTT y universidades econométri comercialización de los inventos: interacciones y
(2001) académico y de concepto, patrocinada, existencia de en los Estados co. relaciones con los contactos directos de la OTT,
comercializac prototipo e patentes y escuela de Unidos
relaciones con los contactos del inventor,
ión invenciones licencias medicina y
universitaria. notificadas. ejecutadas. licencias en comunicaciones con fax correo electrónico, páginas
período web, reuniones y ferias.
anterior.

166
 Tabla A6
Literatura relacionada con licencias
Autor(es) Enfoque Variables Variables Variables de Muestra País Sector Técnica Descubrimientos Clave
Control
Teórico Independient Dependientes Estadística
es / / Covariables
Covariables

Bray and Lee Espíritu Ingresos por Ingresos N/D 8 E.U.A N/D Estudios de caso. Formas novedosas de comercializar la tecnología
(2000) empresarial licencias universitarios universidad incluyen la participación accionaria accionaria en las
académico tradicionales, por es con nuevas empresas en combinación o substitución de los
y ingresos por transferencia venta de
pagos tradicionales de regalías por las licencias.
comercializ ventas de de tecnología. stock y 5
ación de la stock de universidad
tecnología nuevas es con Esto ha demostrado maximizar el retorno financiero de
universitari empresas que propiedad la PI de la tecnología que posee la universidad.
a, mercado comercializan de acciones
de tecnología (equity
capitales. universitaria. holdings).
Carlsson and Emprendim Número total Número de N/D 170 E.U.A N/D Análisis de Las inversiones en I+D, número de divulgaciones de
Fridh (2002) iento de patentes licencias. universidad regresión. inventos y edad de los TTO tienen un impacto positivo
empresaria emitidas en el es, sobre las patentes y licencias de la Universidad.
académico, período t-1, hospitales e
y número total institutos
comercializ de de
ación de aplicaciones investigació
tecnología de patentes en n para el
universitari el período t-1. período
a, Gastos de 1991-1996.
transferenci Investigación
a I+D,
tecnológica características
universitari de la OTT
a.
Friedman and Teoría del El número El número de N/D 83 E.U.A. N/D Análisis de Por lo general, hay un desfase de tres a siete años desde
Silberman desarrollo predicho de productos universidad regresión. Modelo el momento que se firma un acuerdo de licencia hasta
(2003) local, notificación resultantes de es. recursivo de 2 que comienza a generar ingresos. De allí que algunas
espíritu de transferencia ecuaciones. universidades firmen acuerdos donde incluyen un bajo
empresarial invenciones de tecnología. porcentaje de regalías contra ingresos rápidos,
académico. de la ecuación participaciones de capital y opciones a futuro.
1 (ver tabla
1), un vector
de factores
ambientales
tales como la
concentración
industrial de

167
 alta
tecnología
como la
política
universitaria
hacia la
transferencia
de tecnología
y las
características
organizaciona
les de la
universidad.

Jensen and Teoría de 1. La N/D 62 E.U.A. N/D Análisis teórico Un sistema de incentivos apropiado para el inventor
Thursby (2001) juegos Característica comercializac Universida basado en un debe existir como condición para el desarrollo de la
s de la ión de los des de modelo de teoría tecnología. Se deben establecer acuerdos de regalías
invención inventos investigació de juegos.
asociadas al investigador cuando el producto tenga
agrupados en universitarios. n entre
5 subgrupos; 1991 y ganancias en el mercado, asimismo participaciones
2. Objetivos 1995. accionarias, en la dirección y salarios en la empresa
de son comunes.
licenciamient
o para la
OTT,
administració
n de la
universidad y
la facultad. 3.
características
de las
licencias
agrupadas en
7 subgrupos.

Markman, Espíritu Determinante Ingresos por Mediadoras: 91 OTTs E.U.A. N/D Técnica de Las universidades que se embarcan en realizar
Phan, Balkin, empresarial s de la licencia y Tiempo de universitari regresión lineal. contratos de licencias a cambio de acciones de capital
and Gianiodis académico velocidad de creación de comercializac as. tienen una probabilidad positiva de formar nuevas
(2005)
y teoría de innovación: 1. nuevas ión de todas empresas, mientras que estrategias que intercambian
la Impedimentos empresas. la empresas y investigación patrocinada por licenciatienen una casi
velocidad en etapas tiempo de nula probabilidad de crear nuevas empresas. La forma
de la tempranas, 2. comercializac tradicional de flujo de efectivo por licencia posee una
innovación. Impedimentos ión de las positiva aunque baja probabilidad de crear nuevas
en etapas nuevas empresas.
tardías, 3. empresas.
Complejidad
4. Variables de
Competencias control:
de la OTT, 5.

168
 Inicio de la Experiencia y
innovación en tamaño de la
inventores OTT,
OTT y estructura de
empresas. la OTT y la
OTT pública
contra la
privada.

Shane (2002) Espíritu 1. Colaboración N/D N/D E.U.A. N/D Revisión literaria Las empresas spinoffs y startups licencian una mayor
empresarial Investigación universidad- y teórica de la cantidad y variedad de nuevas tecnologías que las
académico por contrato empresa. colaboración grandes empresas establecidas. Las nuevas empresas
y patrocinado universidad-
requieren acceso a financiación, bajos pagos en
comercializ por la industria.
ación de la industria, 2. regalías y capitalizar los costos de la patente a través de
tecnología Consultorías, emisiones accionarias.
universitari 3.
a. Licenciamient
o de la
tecnología y
4. Desarrollo
y
comercializac
ión de la
tecnología.
Siegel, Comerciali Productos de Resultados de 5 E.U.A. N/D Entrevistas y Existen intereses diferentes entre los diferentes actores
Waldman, zación de la la universidad encuastas a involucrados en la TT. Las empresas parecen poner
Atwater, and tecnologías transferencia transferencia es: Duke, académicos- más énfasis en factores que no necesariamente generan
Link (2004) universitari de la de la Carolina científicos,
ingresos adicionales para la universidad (como es la
as, modelo tecnología, tecnología. del Norte directores-
de redes y en Chapel administradores transferencia informal de know-how y desarrollo de
transferenci relaciones, Hill, de OTTs y productos), mientras que en la universidad, los
a de barreras y Carolina emprendedores- administradores parecen centrarse en dimensiones que
conocimien mejoras al del Norte directores de generan ingresos de investigación adicional. Los
to proceso de Estatal, empresas. empresarios han señalado que las OTT excesivamente
científico. transferencia Estatal de Método de se centran en los aspectos legales de las licencias y su
de tecnología. Arizona y diferencias de
PI.
Universida muestras Z.
d de
Arizona.
Siegel, Teoría de la Número de El número de Existe una 80 de 89 E.U.A. N/D Modelo Los acuerdos de licencias se caracterizan por
Waldman, and organizació notificaciones acuerdos de variable institucione estocástico de rendimientos constantes a escala, mientras las
Link (2003) n, espíritu de licencias, incorporada s elite de frontera (SFE) y ganancias por licencia se observan rendimientos
crecientes a escala.
empresarial invenciones, ingreso anual de investigació Regresión lineal
académico, número de por licencias. ineficiencia n. simple.
teoría de la miembros en técnica que
vinculación el staffde las está en
universidad OTTs y el función de un
-industria. gasto legal en vector
protección ambiental y

169
 intelectual de un factor
las organizaciona
invenciones. l.

Sine, Shane, Comerciali 1. Nivel de El número Localización 102 E.U.A. N/D Ecuaciones de Las universidades con un mayor prestigio y reputación
and Di zación de la prestigio de la anual de geográfica de universidad estimación institucional acceden a un mayor número de licencias
Gregorio tecnología escuela de contratos de la universidad es en el generalizada que el promedio, esto se denomina efecto “halo”.
(2003) universitari graduados, 2. licencias de y año período (GEE) con una
a, teoría Desempeño nueva (Dummy). 1991-1998. distribución
sociológica pasado en el tecnología ya binomial negativa
y licenciamient acuerdos de y una función de
organizacio o de opciones vínculo log lineal
nal. tecnología, 3. establecidos para estimar las
Nivel de por la regresiones.
producción universidad.
tecnológica,
4. Recursos
de la oficina
de
licenciamient
o tecnológico,
5. Fuentes de
financiación,
6. Escuela de
medicina.
Thursby, Espíritu Calidad de la Regalías, Tamaño de la 62 E.U.A. N/D Econométrico de La mayoría de las invenciones se encuentran en etapas
Jensen, and empresarial OTT, prueba investigación OTT y universidad regresión lineal embrionarias o de prototipo al momento de su
Thursby (2001) académico de concepto, patrocinada, existencia de es en los divulgación y protección. Las empresas buscan que el
y prototipo e patentes y escuela de Estados
inventor continúe el proceso de desarrollo y que se
comercializ invenciones licencias medicina y Unidos
ación notificadas. ejecutadas. licencias en establezca en el contrato de licencia.
universitari período
a. anterior.
Thursby and Comerciali Inputs: Outputs: N/D 112 E.U.A Ciencias Análisis Se realiza un análisis de la productividad y eficiencia
Kemp (2002) zación de la tamaño de la número de universidad biológica envolvente de relativa de las universidades en cuanto a un indicador
tecnología OTT, licencias y es para el s, datos (DEA) clave en la transferencia tecnológica: el número de
académica, financiación número de período ingenierí combinado con licencias ejecutadas. La productividad en el número de
cálculo de federal y patentes. 1991-1996. a y análisis de licencias ha aumentado a pesar de que los recursos se
la calidad y ciencias regresión para han mantenido estables, esto se debe quizás a cambios
productivid número de físicas. examinar la ambientales y la predisposición a la comercialización
ad. miembros de productividad de la tecnología
facultades en total de la
biología, actividad
ingeniería y universitaria de
ciencias licenciamiento.
físicas.

170
 Tabla A7

Literatura relacionada con la adaptación y uso de la tecnología transferida

Autor Enfoque Variables Variables Variables de Muestra País Sector Técnica Descubrimientos Clave
Control Estadística
(es) Teórico Independient Dependientes
es / / Covariables
Covariables

Colyvas, Crow, Comerciali Tipo de Invenciones N/D 11 casos de E.U.A Biotecnolo Análisis de Las invenciones embrionarias de las
Gelijns, zación tecnología, que han inventos gía, casos universidades requieren un seguimiento, mayor
Mazzoleni, académica, fuentes de alcanzado el proveniente farmacéutic comparativos. investigación y participación en el desarrollo por
Nelson, derechos de financiación, nivel de s de la a,
la industria. Este aspecto debe ser considerado por
Rosenberg, and PI y tipo de PI, mercado. Universida electrónica,
Sampat (2002) transferenci tipo de d de software, los elaboradores de política pública y los
a de licencia, Stanford y dispositivos administradores de las universidades.
tecnología dummy de la médicos.
universitari licencias a Universida
a. nuevas d de
empresas, Columbia.
dummy
interacción
entre el
licenciatario y
el inventor,
dummy venta.
Hayter (2011) Espíritu Difusión Motivación y N/D 74 nuevos E.U.A N/D Entrevistas, Las universidades desarrollan fuertes vínculos
empresarial tecnológica, éxito en empresarios Estudios de con sus spin offs y start ups, sin embargo, esto no
academico, desarrollo nuevas académicos caso. significa que las tecnologías estén listas para
Desarrollo tecnológico, empresas
introducirse al mercado. El conocimiento tácito
económico ganancias académicas
financieras sigue incrustado dentro de los individuos de la
personales, facultad y es necesario que sea transmitido
servicio adecuadamente a las nuevas empresas.
público,
efecto de
influencia de
colegas,
mejoramiento
en carrera
académica,
creación de
nuevos
trabajos y
mejora de
técnicas
Jensen and Teoría de 1. La N/D 62 E.U.A. N/D Análisis teórico La negociación de la licencia se produce en
Thursby (2001) juegos. Característica comercializac Universida basado en un muchas ocasiones antes de ser protegida la
s de la ión de los des de modelo de tecnología y en una etapa muy temprana de

171
 invención inventos investigació teoría de juegos. desarrollo, por lo que se requiere de un esfuerzo
agrupados en universitarios. n entre conjunto para que exista una probabilidad
5 subgrupos; 1991 y razonable de éxito en el mercado.
2. Objetivos 1995.
de
licenciamient
o para la
OTT,
administració
n de la
universidad y
la facultad. 3.
características
de las
licencias
agrupadas en
7 subgrupos.
Mowery, Nelson, Comerciali Número de Licencias e N/D Universida EUA Biomédica, Información La evidencia muestra que las universidades no se
Sampat, and zación de la notificaciones ingreso por d de Software, y documental de han alejado de la investigación básica para
Ziedonis (2001) tecnología de licencias California, todas las las tres dedicarse a la investigación aplicada, de hecho,
universitari invenciones, Universida tecnologías universidades
los resultados y logros en tecnologías que han
a, política número de d de
pública y patentes Stanford, llegado al mercado tienen un fuerte apoyo en la
derechos de Universida ciencia fundamental.
propiedad d de
intelectual Columbia
Rasmussen and Espíritu Esquemas de Financiación N/D 70 Canadá, N/D Entrevistas cara Las spin-offs universitarias a menudo desarrollan
Sorheim (2012) empresarial (1) prueba de a spinoffs funcionario Finland a cara semi- tecnologías de etapa temprana caracterizadas por
académico, concepto, (2) universitarias s públicos y ia, estructuradas caminos de desarrollo largo y un potencial
pre-semilla, empresarios
comercial incierto.
(3) capital en 2005-
Irlanda,
semilla 2006
Norueg
a,
Escocia
y
Suecia.
Thursby, Jensen, Espíritu Calidad de la Regalías, Tamaño de la 62 E.U.A. N/D Modelo de Las empresas solamente estarán dispuestas a
and Thursby empresarial OTT, prueba investigación OTT y universidad regresión lineal. licenciar tecnologías que impliquen el
(2001) académico de concepto, patrocinada, existencia de es en los compromiso de la universidad, la facultad e
y prototipo e patentes y escuela de Estados
inventor(es) en el desarrollo posterior y final del
comercializ invenciones licencias medicina y Unidos
ación notificadas. ejecutadas. licencias en producto.
universitari período
a. anterior.

172
 Tabla A8

Spin-off y la creación Startups

Autor Enfoque Variables Variables Variables de Muestra País Sector Técnica Descubrimientos Clave
(es) Control
Teórico Independient Dependientes / Estadística
es / Covariables
Covariables

Carayannis, Espíritu Laboratorio Spin-offs N/D Siete spin- EUA y Energía, Estudios de Una spin off es una empresa formada por ex
Rogers, Kurihara, empresarial federal de offs Japón medicina, caso. empleados de una organización patrocinadora y
and Allbritton académico, investigación electrónic que adquiere y transfiere la tecnología desde esa
(1998) análisis de y desarrollo, a,
misma organización.
la una química
innovación universidad inorgánic
tecnológica de ay Existen elementos adicionales como
investigación computac inversionistas de riesgo, incubadores y
como ión. administradores tecnológicos.
organizacione
s
patrocinadora
s de a nueva
empresa
Carlsson and Emprendim Año en el que Número total de N/D 170 E.U.A N/D Análisis de Factores relevantes para el éxito de las spin-off
Fridh (2002) iento fue fundada la aplicaciones para universidades regresión. incluyen a la historia, cultura, actitudes, afiliación
empresaria OTT, total de patente y nuevas , hospitales e industria, orientación al mercado de las empresas
académico, gastos en PI, aplicaciones de institutos de
existentes. Asimismo, la presencia o ausencia de
y número de patente. investigación
comercializ empleados para el capital de riesgo, así como el vigor y la
ación de totales de la período 1991- diversidad de organizaciones e instituciones de
tecnología OTT y 1996. apoyo.
universitari número de
a, notificaciones
transferenci de
a invenciones.
tecnológica
universitari
a.
Clarysse and Formación Fundador y Fases en la N/D Spin-off Bélgica Ingenierí Inductiva, Las spin-off atraviesan diferentes etapas en su
Moray (2004) empresarial características formación de creada en la a cualitativa en ciclo de vida estas incluyen: una fase de
por equipo, de los nuevas empresas universidad electrónic base a generación de la idea de la empresa, una fase
fases en la empleados de de Lovaina ay entrevistas
previa a la puesta en marcha, una fase inicial y
formación las nuevas telecomu personales.
de nuevas empresas. nicacione una fase post-startup. En cada etapa la
empresas s identificación de los recursos críticos es
indispensable para el futuro éxito de la empresa.

Clarysse, Wright, Modelos de Recursos Modelos de bajo N/D Siete tipos de Bélgica, N/D Diseño de tres Estos tres modelos presentados a partir de la
Lockett, Van de incubación organizaciona apoyo a las spin- spin-off en Alemania modelos para experiencia europea son (1) Low Selective cuyo

173
Velde, and de empresa les, recursos offs, modelo de cinco países , Francia, explicar objetivo es crear tantas empresas como sea
Vohora (2005) Teoría de humanos, apoyo selectivo y europeos Italia, diferentes tipos posible; (2) Supportive buscando la
los recursos recursos modelo de Holanda de spinouts con comercialización de la tecnología en ciertas áreas
y tecnológicos, incubación e Irlanda. diferentes
de especialidad; y (3) Incubator creando
capacidades recursos necesidades de
físicos, recursos. condiciones favorables para el desarrollo de las
recursos Validación de spin offs
financieros y casos.
recursos en
red.
Di Gregorio and Espíritu 1. El número de start Número de 116 EUA N/D Modelos de Tres aspectos son clave en la formación de
Shane (2003) empresarial Disponibilida ups en alguna invenciones, universidades regresión nuevas empresas start up: (1) eminencia
académico d de capital universidad en un número de encuestadas binomial intelectual de la facultad; (2) disposición de la
de riesgo, 2. año dado. empleados en la en 1994 y negativo
universidad para recibir paquetes accionarios y
Investigación oficina de 1998 con una
con licenciamiento, tasa de compartir riesgos; (3) bajas regalías a los
orientación gastos de respuesta del inventores como incentivo para que funden su
comercial, 3. investigación 87% propia empresa.
Eminencia patrocinada y
intelectual, 4. variables
Sistema de dummy por
incentivos y cada año.
regalías, 5.
Incubadoras,
6, Políticas de
adquisición
de capital
accionario
Druilhe and Teoría de Requerimient Tipos de empresa: N/D 216 empresas Reino Empresas Análisis Las spinoffs académicas no son una categoría
Garnsey (2004) recursos y o de recursos de consultoría, emanadas de Unido de longitudinal de indiferenciada y varían de acuerdo al tipo de
capacidades servicios técnicos, la universidad consultor la creación de actividad y el conjunto de recursos que posee el
y teoría de software, de ía, nuevas
empresario al iniciar la empresa (conocimiento
la firma de desarrollo de Cambridge, compañía empresas
Penrose. productos, entre el s de divididas por previo, redes, recursos financieros).
servicios y período 1984 desarroll tipo de
contrato de y 2002. o de compañía entre
investigación y productos 1979 y 2002
desarrollo. , software
y
empresa
manufact
urera de
productos
.
Grandi and Espíritu Articulación Articulación que Actividades de 42 startups Italia Electróni Análisis de La articulación de la idea de negocios en el
Grimaldi (2005) empresarial del papel que contempla nivel investigación académicas ca, regresión OLS momento de la fundación de una empresa es
académico se desempeña técnico, nivel aplicadas, mecánica afectada positivamente por el grado de
y teoría de en la estratégico, nivel mecanismos de , software
experiencia previa en el conjunto de los
la empresa, organizacional, apoyo, socios e internet
organizació experiencia nivel financiero y no académicos, emprendedores y por la articulación de roles
n. previa, nivel de compromiso, dentro de los académicos fundadores.
orientación al planeación futura. heterogeneidad
mercado, Nivel de atracción educativa y

174
 frecuencia de en el mercado de nivel de
interacción un nuevo producto competencia del
con agentes o servicio. equipo.
externos.
Escala Likert
Escala Likert
Harmon Espíritu Tipo de Tipo y tamaño de N/D 36 compañías E.U.A. Software, N/D Las empresas spin off pueden ser creadas ex
Ardishvili, empresarial relación entre tecnología con vínculos video, profeso para vender la tecnología inventada en
Cardozo, Elder, académico la universidad transferida. con la dispositiv laboratorio de la universidad.
Leuthold, and
y teoría de y la industria. universidad os
Parshall (1997)
la de médicos,
vinculación Minnessota horticultu
academia- que ra,
industria. adquirieron farmacéu
39 diferentes ticos y
tecnologías. químicos.

Hayter (2011) Espíritu Difusión Motivación y N/D 74 nuevos E.U.A N/D Entrevistas Empresarios académicos establecen empresas por
empresarial tecnológica, éxito en nuevas empresarios diversas razones, incluyendo el desarrollo de la
académico, Desarrollo empresas académicos tecnología, ganancia financiera personal, servicio
Desarrollo tecnológico, académicas
público, enriquecimiento, carrera, creación de
económico Ganancias
financieras empleo y mejora de habilidades. Motivaciones
personales, empresariales también están relacionadas con la
Servicio influencia de sus compañeros y las spin-offs
público, pueden actuar como una plataforma de consulta y
efecto de acceso a las subvenciones oficiales.
colegas,
mejoramiento
en carrera,
creación de
nuevos
trabajos y
mejora de
técnicas
Link and Scott Espíritu Edad del Porcentaje de Universidad 51 spin-offs EUA Biotecnol Modelo Tobit Los parques científicos que están
(2005) empresarial parque organizaciones en privada o ogía y geográficamente cerca de la universidad generan
académico, científico, el parque pública, si el tecnologí una mayor cantidad de spin offs con especial
parques millas de la científico que son parque es a de la
énfasis en áreas como la biotecnología.
científicos universidad al compañías spin- operado por la informaci
en parque, offs universitarias universidad, si ón.
biotecnolog estatus de la en el año 2002. biotecnología es
ía. universidad la tecnología
en términos dominante del
de los gastos parque y región
en dónde se
investigación localiza la spin-
y desarrollo off.
Lockett and Teoría de Gasto total de Nuevas empresas Intensidad de la 98 Reino N/D Modelos de Nuevas empresas spin off están determinadas por
Wright (2005) los recursos investigación spin-offs formadas investigación y universidades Unido regresión de gasto universitario en protección IP, las
y en el 2001, en 2002 e desarrollo en la en el Reino Poisson. capacidades de desarrollo de negocio de las OTT

175
 capacidades gasto externo inversiones de región local en Unido entre y el régimen de regalías de la Universidad.
y en propiedad capital en todas 2001. 2001 y 2002
comercializ intelectual, las compañías de
ación de la empleados de spin-offs en 2002.
tecnología tiempo
universitari completo
a. dedicados a
las
actividades de
las spin-off,
experiencia
en las
actividades de
tecnología e
incentivos y
recompensas.
Markman, Phan, Espírituem Incubadora Empresas start- Estructura 128 OTTs EUA N/D Una matriz de Incentivos monetarios dados a los científicos
Balkin, and presarial universitaria, ups entre 1998- tradicional de correlación cuyas invenciones fueron licenciadas con éxito se
Gianiodis (2004) académico. investigación 2001, empresas las OTT, con entre las relacionan negativamente con el número de
patrocinada, start-up en fines de lucro y estructuras de la
licencias de capital accionario en empresas
licenciamient proceso de fundaciones de OTT,
o por creación. investigación estratégicas de jóvenes y el número de startup
efectivo, sin fines de licenciamiento
licenciamient lucro. y start-ups.
o por
acciones de
capital.
Nerkar and Shane Espíritu Radicalidad El evento de 1. Tipo de 128 nuevas MIT, N/D Modelo Las nuevas empresas de alta tecnología menos
(2003) empresarial de la fracaso de una tecnología. 2. compañías de EUA matemático probabilidades de fracasar si explotan tecnología
académico invención, empresa start-up. Empresas tecnología para calcular la radical y tienen patentes de amplio alcance en
y amplitud de la biotecnológicas, fundadas tasa de riesgo
ambientes industrialmente fragmentados.
administrac patente y 3. Número de entre 1980 y del fracaso de
ión de la concentración empresas en la 1996. una compañía.
innovación de la industria, 4.
tecnológica industria. Capital de
. riesgo en la
industria, 5.
Tecnología de
propósito
amplio, 6. El
empresario es el
inventor.
O’Shea, Allen, Teoría de Recursos El número de Presencia de 113 E.U.A. Computa Análisis de La creación de nuevas empresas spin offs está
Chevalier, and los recursos institucionale compañías spin escuela de universidades ción, regresión. determinada por la calidad de la facultad,
Roche (2005) y s, capital offsgeneradas en medicina, tipo . Encuesta ciencias financiación de la industria, una base comercial
capacidades humano, la universidad i en institucional, AUTM 1980- físicas,
fuerte, orientación hacia la biotecnología,
, teoría recursos el tiempo t. Fuente privada o 2001. química,
instituciona financieros. AUTM. pública; ingenierí medicina, química y computación, así como
l y espíritu contexto a, experiencia de la OTT.
empresarial regional; ciencias
académico. número de ambiental
patentes, y es,
fondos ciencias

176
 presupuestales. de la vida
y
agricultur
a.
Powers and Teoría de 1. ingresos Número de nuevas Tamaño de la 120 EUA N/D Análisis de El éxito de nuevas start ups y de empresas que
McDougall (2005) los recursos industriales empresas start-ups facultad y universidades regresión lanzan una IPO explotando una licencia
y de la presupuesto de entre 1991 y binomial universitaria es una función de la calidad de la
capacidades universidad la universidad 2000 negativo.
facultad, el nivel de financiación industrial y la
. Espíritu en
empresarial investigación disponibilidad de capital de riesgo en la región.
académico. y desarrollo,
2. Calidad de
la facultad, 3.
Importancia
de la patente,
4. Edad de la
OTT, 5.
Disponibilida
d de capital
de riesgo.
Vohora, Wright, Comerciali Spin-offs de Recursos N/D 9 spin-offs de Reino Optica, Estudios de Las spinoffs se desarrollan en cinco fases:
and Lockett zación de la alta identificados 7 diferentes Unido genética, caso con investigación, visión de oportunidad,
(2004) tecnología tecnología como críticos en universidades microchi entrevistas organización previa, etapa de reorientación y
universitari las fases de ps, directas a las
rendimientos sostenibles. En la transición entre
a y teoría desarrollo de las software, empresas.
de los empresas: 1. realidad fases hay cuatro momentos críticos en cuanto a
recursos y Investigación, 2. virtual, los recursos y capacidades para la siguiente fase:
capacidades Marco de biomédic reconocimiento de oportunidades, compromiso
. oportunidad, 3. a, empresarial, credibilidad y sostenibilidad.
Pre organización, materiale
4. Reorientación y sy
5. Sustentabilidad. células
madre.

177
0