Abstracto
El estudio influyente de Porter en la ventaja competitiva de naciones inspiró un metódico y extenso trabajo en los datos austriacos. En contraste con el análisis de Porter, la competitividad está determinada endógenamente por medio de técnicas estadísticas cluster. Evitando su enfoque cortado, buenas o malas prácticas industriales son el objeto de estudio. El cluster central resultante constituye el típico patrón de competitividad para los indicadores seleccionados, mientras que las clasificaciones producen un mapa de las prácticas industriales austriacas. Los resultados de lejos muestran que: 1) industrias clusterizadas generalmente son raras en el caso de Austria, 2) algunos de ellos están localizados en sectores en declive y sacudidos por la crisis, y 3) competitividad hunde la importancia de las relaciones trasnacionales (como opuesto a los limites angostos) para la formación de industrias exitosas.
1. TécnicasClustercomoun métodoparaanalizarla competitividadindustrial
Abstracto
El estudio influyente de Porter en la ventaja competitiva de naciones inspiró un metódico y extenso trabajo
en los datos austriacos. En contraste con el análisis de Porter, la competitividad está determinada
endógenamente por medio de técnicas estadísticas cluster. Evitando su enfoque cortado, buenas o malas
prácticas industriales son el objeto de estudio. El cluster central resultante constituye el típico patrón de
competitividad para los indicadores seleccionados, mientras que las clasificaciones producen un mapa de
las prácticas industriales austriacas. Los resultados de lejos muestran que: 1) industrias clusterizadas
generalmente son raras en el caso de Austria, 2) algunos de ellos están localizados en sectores en declive y
sacudidos por la crisis, y 3) competitividad hunde la importancia de las relaciones trasnacionales (como
opuesto a los limites angostos) para la formación de industrias exitosas.
Introducción
El estudio influyente de Porter (1990) en la ventaja competitiva de naciones inspiró un metódico y extenso
trabajo en los datos austriacos.Básicamenteconstruyendo por encima de las ideas de Marshal (1920) en la
concentración regional delas actividades económicas, Porter enfatiza fuertemente en la importancia de los
clusters industriales,caracterizado por la presencia de firmas horizontales exitosas, así como industrias de
respaldo verticales. Estructuras densas con externalidades considerables, intensa competencia, costos de
transacción menores, y cooperación y un mayor peso en cabildeo político alimentan un proceso de auto
reforzamiento de ventajas competitivas dinámicas y desarrolladas (para más detalles, consultar
Hutschenreiter y Peneder 1994).
.Como sea, un problema metodológico mayor en el análisis de Porter- donde técnicas sin cluster en su
significado literal son aplicadas (i.e, estadístico)- la determinación en competitividad en las diferentes
industrias por limites exógenos dados en actuación de indicadores (e.g, contribución de un mercado en
porcentaje por encima del promedio nacional). En adición, todas las prácticas de las industrias debajo de
este nivel son eliminadas del resto del análisis, con la implicación de que la no información en las malas
prácticas de las industrias es retenida.
Tomandoel análisisde Porterliteralmente, lacompetitividadesdeterminadaendógenamente por
medios cluster estadísticos en este papel. Además, evitando su enfoque cortado, bueno- y las
malas prácticas de las industrias son el objeto de análisis. Como las técnicas cluster son
descriptivas por naturaleza, lo que será ganado son mejores ideas en la composición de las
industriascompetitivasynocompetitivasdentrodel país,porlocual el carácter multidimensional
del fenómenocompetitividadesexplícitamente reconocible. Este papel demuestra a favor de los
datosaustriacoscomo las técnicasclusterpuedenseraplicadas para crear un perfil como practica
industrial nacional. Finalmente, las conclusiones acerca de la importancia de las industrias
clusterizadas en Austria pueden ser dibujadas.
Analizando patrones de competitividad industrial
Técnicas de cluster estadísticas proveen un esquema de clasificación de observaciones
individuales, dependiendo en su parecido relativo o cercanía a una formación de diferentes
variables.Estasclasificacionesson determinadasendógenamente por los datos individuales y los
2. algoritmos cluster escogidos. La idea básica divide el perfil de prácticas generales de un país en
segmentos para crear la máxima homogeneidad desde dentro y una máxima distancia entre
grupos de observaciones.
Pese a estoesun objetivofrecuenteenlaaplicación de investigación económica, competitividad
como concepto ha permanecido más bien vaga y carece de una definición universalmente
aceptable, asi como una medida empírica apropiada y consensual (Bellak 1992). “La habilidad de
percibir ingresos altos y sostenibles mientras que al mismo tiempo ser capaz de mantener y
mejorar en los estándares social y medio ambiental” (Aiginer 1987) sera la mejor definición de
competitividadindustrialenunnivel abstracto,porque demandauna medida que va mas alla que
los indicadores basado en calidad como especialización en comercio o cuotas de mercado
solamente.Lahabilidadde percibiringresosaltosysustentablesdepende asi comoenindicadores
de calidad y, en consecuencia, en el nivel de precios que pueden ser cargados.
Ambos reflejandolasdimensionescuantitativasasícomo lascualitativasde competitividad,cuatro
variableshansidoescogidasparaentrarenel algoritmoclusterensuforma estandarizadaenbase
a los valores medios de los años 1990-1992. Su estructura simétrica y subyacente garantiza su
igualdadponderantemente implícitaenlosprocesoscluster, como esta graficado en la tabla 1. En
realidad, hay una relación importante entre dos pares de variables, a saber entre cuotas de
mercadoy especializaciónencomercio, asícomo entre ventajade preciocomparativos yunidades
de valor de exportación. Ambos no son gran sorpresa, desde que cada par comparte un factor en
común, cada uno son valores de exportación y precios de exportación, respectivamente. Pero
ninguno podría ser etiquetado redundantemente; MAS ofrece información acerca de la relativa
importancia de una industria de nivel internacional y TSP en el nivel nacional. CPA da ideas
análogas de la composición vertical de precios, mientras RUV lo hace muy horizontalmente.
TABLA 1: Relaciones estructurales entre indicadores de prácticas de comercio.
Después de juntar las variables escogidas, una técnica de optimización cluster, basada en la
minimización de la dispersión interna de cada grupo, es usada para clasificar 208 grupos
resultantes (SITC, three-digit) en clusters de máxima homogeneidad de acuerdo con estos
indicadores de prácticas comerciales. En este primer paso del análisis, el conjunto de
observaciones es dividido por un número predefinido de clusters g. Entonces los centros del
cluster son estimados para cada grupo, cada uno son vectores con medidas en cada una de las
variables correspondientes. El criterio de optimización es aplicado por el rastro de la matriz en
cada grupo de dispersión W (de variables de dimensión p x p), cada uno consiste en vectores x ij
de la observación jth en el grupo ith y de acuerdo a los centros cluster.
Minimizaciondel rastro (W) estáhechoporalgoritmositerativos, donde laposición de los centros
cluster son variados siempre en cuando el proceso converja. Convergencia significa que no hay
alteración que mejore el criterio por encimade un valor pre especificado. Como sea, la
exogeneidad del número total de clusters g que será obtenida y tiene que ser escogida
anticipadamente por el investigador que permanezca en serios problemas con las técnicas de
optimización.Endespechodelhechode que estadecisiónde g puede tener un mayor impacto en
3. los resultados finales, no existen reglas generales de esta determinación. Aparte supera esta
dificultad, las siguientes reglas de auto unión fueron aplicadas en el mismo análisis: Elige el
numeromásbajo g que maximizala cantidad de clusters individuales cuales incluyen más que el
5% de los casos observados. De acuerdo con esta regla, el numero g=21 clusters, produciendo
ocho clusters comprimiendomásdel 5% de total de observaciones, fue identificado por ser capaz
de representar la mejor estructura subyacente. El resultado es una clasificación endógena de
todas las observaciones en los números cluster dados.
De losresultadosde este primerpasode clusterizacion,esdifícil interpretar el patrón de practicas
subyacente.Porlotanto,el segundopasoenel procesode clusterizacionesejecutado,en cual los
21 clustersresultendel primerpasoentrenenunalgoritmoclusterjerarquicocomoobservaciones
de acuerdo a sus valores centrales cluster. Tecnicas jerarquicas son basadas en la matriz
cuadrática D (de observaciones de dimensión n x n) que contienen una medida escogida de
distancia relativadij entre cualquierparde observaciones nde acuerdoa sus atributos.Distancias
puedensercalculadasenunavariedadde formas(Romesbug, 1984; Everitt, 1993). La medida mas
comúnmente usadayaplicadaeneste análisisesdistanciaseuclideanascuadradas,cuyasmedidas
de des similaridad de dos observaciones i y j con respecto al conjunto de variables p escogidas
como las siguientes:
Formula 2
En el siguiente algoritmo aglomerativo de análisis cluster jerarquico, inicialmente todas las
observacionessontratadascomocluster simples e independientes. Entonces hay tantas clusters
como observaciones.Enel procesoiterativo,lasdistanciasentre todoslosparessoncomparadosy
su minima distancia son agrupadas para formar para formar un cluster común. Las medidas de
enlace promedio de distancia de la nueva aglomeración de la distancia promedio de todos los
pares y observación por fuera y cada observación dentro del cluster. En cualquier paso de la
iteración, la nueva distancia matriz pierde una fila y una columna, entonces esta es una nueva
dimensiónn –1. Este procesoescontinuadohastaque todas las observaciones sean parte de una
grande, simple aglomeración. Esto cuando el algoritmo encuentra su fin natural.
Es importante notar que, al contrario que los métodos de optimización, el proceso de
clusterizacion jerarquizado es irreversible. El resultado es una estructura jerarquizada,
comenzando con muchas observaciones que finalmente se unen unas con otras en diferentes
niveles hasta que todos son unidos en un solo grupo.
La representacióngraficade unalgoritmode clusterjerárquicoenlafigura1 muestrala estructura
jerárquica relativamente reservada en los patrones de práctica. Los clusters individuales más
tempranos son agrupados juntos en líneas verticales, el más similar es su patrón de práctica.
Desafortunadamente,sietede ochoclustersconmas casosque el 5% general de lasobservaciones
son agrupadas juntas en una sola aglomeración en la cima de la figura. Este segundo paso en el
proceso de clusterizacion tiene una similaridad simplemente estructurada de esos pequeños
clusters que usualmente incluye solo uno de algunas observaciones que constituyen casos muy
especiales de la competitividad internacional.
4. Figura 1
Para ganar más información acerca de los patrones de práctica de la mayoría de los casos, un
tercer y final paso del proceso de clusterizacion tiene que ser ejecutado incluyendo uno de los
siete clustersmencionadosarriba.Estoresultaenloque estamostrado en la figura 2. Distancia es
medidaporla métricade Chebychev, cuyasdistanciasentredoscasosi y j es la diferencia máxima
absoluta en valores por cualquier variable k:
Figura 2
Panorama de las prácticas de comercio austriacas
El perfil general de laspracticasindustriales de Austria de los años 1990-1992 están mostradas en
las figuras 3 y tabla 2. El panorama resulta de la reagrupación de los 21 clusters definidos en el
paso 1 del procesode clusterizacionde acuerdoconlarelaciónennivelesde prácticasdescubierto
en los pasos dos y tres. Para todos de los cuatro indicadores de prácticas, la superficie de este
panoramaexhibe losvaloresmediosde losdatosde cadauno de losclusterestandarizados.Desde
que las cuatro variables están basadas en la distinción entre volúmenes exportados y precios
exportados,el patrónresultantede diferentesnivelesde competitividad también exhibidos en la
mismadicotomía.El númerode observacionescompuesto en cada cluster es dado en paréntesis.
Tabla 2
Analógicode densidadde poblaciónenlasregionesalpinas,paralocalizarcercade la cima esdifícil
y soloun pequeño número de practicantes pueden permitirse vivir ahí. La mayoría de los grupos
resultantes provienen de las regiones de las practicas industriales (niveles Ixv. N, 0 Ixp). Picos
montañososde lareferenciade laizquierdade esosclusterscuyosextraordinariosaltosvaloresen
términos de volúmenes exportados son mostrados (niveles IIxv y III). Esos de la referencia a la
derecha de los valores altos en términos de precios exportados (niveles IIxp). Los diferentes
nivelesde prácticas, cuales han resultado de la reagrupación de los 21 clusters de acuerdo con la
información ganada en pasos dos y tres, son interpretados como sigue:
Nivel N_ “no practicante” de acuerdo a la figura 2, cluster 20 y 13 pueden ser combinados en un
nivel de practica común. Juntos, pueden conformar 54 casos donde la manufactura austriaca
puede sermejoretiquetadacomonopracticante.Ejemplossonalgunoscomo metales base como
el zinc, perfume y cosméticos, computadoras, motores automovilísticos y aéreos.
Nivel Ixp: “mala” practica industrial que se sostiene por lo menos en una posición promedio en
términos de precios exportados: cluster 15 incluye 32 casos cuyas practicas malas de acuerdo a
cuotas de mercadoy especialización encomercialización,peroal menos obtiene valores relativos
por unidad de exportación promedio por ventaja de precio competitivo. Ejemplos son
fertilizantes,alimentovariadode animales,maquinariade oficina,partesde motoresde vehículos,
e instrumentos para medicina, cirugía y procedimientos dentales.
5. Nivel IIxp:Industriasque compitenen pequeños nichos de producto espectro, caracterizadas por
preciosaltosperovolúmenesexportados bajos: cluster 3 y 16 se caracterizan por valores altos en
términosde preciosde exportación y valores bajos en términos de volúmenes exportados. Estas
industrias generalmente no pueden competir en un nivel internacional, pero al menos practican
algunas estrategias de calidad de alto precio en pequeños nichos del producto espectro. Como
sea, la interpretación debe ser cautelosa, hasta que los datos den valores por unidad sea muy
erráticos en casos de pequeños volúmenes de comercio. El mismo argumento aplica para el
número de clusters heterogeneos (7, 9, 10, 11, y 12) que han sido integrados en este nivel,
también. Ejemplos incluyen hierro y barras de acero, minerales crudos, artículos de fabricación
textil, instrumentos ópticos y aparatos de electro diagnostico.
Nivel Ixv:Industriasque compitenafavorde su posiciónde costobajo,preciobajo,el cual practica
por lomenosmodestamenteentérminosde volúmenes exportados pero débiles en términos de
precios de exportación: cluster 17 cubre industrias cuyo mantenimiento en competitividad
promedio yposiciónenel mercadointernacional principalmente con medidas de bajo costo bajo
precio. Mientras las cuotas de mercado se apoya modestamente por encima del promedio y la
especializaciónencomercioigualmente,losvaloresestandarizadosporvariablesdependientesdel
precio son indistintamente negativos. Ejemplos incluyen tubos de hierro y acero, platos de
plástico, papel y pizarrones, maquinaria de agricultura, utensilios textiles e instrumentos
musicales.
Nivel IIxv: Buen practicante, principalmente en términos de cuotas de mercado: cluster 19 se
caracterizaen cuotas de mercado que se posiciona por encima del promedio y no concuerda con
la especializaciónde mercado que estácercade lapráctica promedio. Las variables dependientes
del precio,de nuevo,están modestamente porencimadel promedioenlamayoría de los casos. El
pequeño y singular cluster 2 ha sido incluido en este nivel por el bien de la simplicidad. Entre
otros,herramientas,maquinasprocesadorasde alimentos, jugos de frutas y verduras, fabricas de
algodón, zapatos, muebles, masas de construcción y manufactura de minerales.
Nivel III:campeonesde lacompetitividadindustrial,que muestran practicas altas en cuantitativo,
tal comolos indicadoresbasadosencalidad:El nivelIII cubre los tres clusters homogéneos 1, 14 y
18, caracterizados por los valores altos en volúmenes exportados por encima del promedio
cercano de niveles de precio. El resto de los grupos resultantes contenidos en este nivel de
practica (clusters 4, 5, 5, 8 y 21) son muy heterogéneos, pero exhiben un nivel en común y
excelente. Comprimiendo 23 casos, este nivel representa 22.84 por ciento del total de las
exportaciones austriacas. Las industrias pertenecientes al nivel III son principalmente de los
sectores de materiales y metales, productos para el bosque, transporte, y textiles (números en
paréntesis de acuerdo al código SITC):
-En el areade lasindustriasbásicas,unclusterinternacional exitoso creció de dotaciones ricas de
madera y cubiertas: madera simplemente trabajada (SITC 248), tableros de partículas (634),
manufactura de madera (635), y papel y carton (642)
6. -Otro cluster relacionado con las industrias exitosas y sustentables incluidos el vapor u otro
(generación por vapor) consumibles (711), manufacturas basadas en el metal (699), asi como
estructuras de hierro, acero o aluminio (691)
-Caminos de tren y construcciones de hierro y acero (677), juntos con el mantenimiento de
vehículossobre rieles(791),formanun gruporesultante especialmente competitivoenel dominio
del transporte publico
-La producción de ingeniería en combustión interna (713) en uno de los más exitosas áreas de la
actividad industrial austriaca. De lado de la capacidad de innovación de algunos de los
manufacturerosaustriacos,esta prácticaextraordinariaesprincipalmente debido a las relaciones
trasnacionales exitosas en la industria internacional automovilística.
-La incertidumbre de lacrisisenlaindustriatextil aunjuegaunimportante peromenguante papel
en la manufactura austriaca. Particularmente exitosos grupos resultantes son fibras por giro
hechos por el hombre (276), manufactura de cuero y sandalias (612), y fabricas de ganchillo de
punto (655), juntos con tulles, lazos y gustos (656)
-Recibidoresde televisión(761) sonel producto electrónicomásexitosode laindustria.De nuevo,
las relaciones trasnacionales con el extranjero es el mayor determinante en la práctica de la
exportación
-Otro exitoso grupo resultante son los carruajes de bebe, juegos, y mercancía deportiva (894),
cristalería (665), accesorios de iluminación (813), monofilamentos (583), productos médicos y
farmacéuticos (541) y bebidas no alcoholicas (111).
Conclusion
Una examinacion cuidadosa del listado de arriba (resultado mas explicado en Peneder 1994)
brindala conclusiónde que los cluster nacionales propuestos por Porter-y definidos por una red
fuerte de industriassustentadasal mismotiempo mostrando practicas por encima del promedio-
son relativamente raros en el caso de Austria, especialmente la comparación con otros países
como Alemania (van der linde 1992) o Suecia (borner 1991). Una excepción es la industria
altamente competitivade madera,donde lamadera simplemente trabajada, tablas de partículas,
manufactura de madera, como el papel, carton, y artículos del papel de las puntas de lanza
internacionales del cluster nacional basado en u recurso primario en común y habilidades
adquiridas.Otroejemploestalocalizadoenlaindustriadel transporte, con la producción de raíles
y material de construcción de caminos en un lado, y el mantenimiento de vehículos sobre rieles
por el otro.
El resultadotambiénindicaal menosdosrazones principales de la carencia de clusters exitosos y
dinamicos en Austria. Primero, algunos de los más exitosos grupos resultantes austriacos
pertenecenaindustriasviejasque vanatravésde una profundacrisis,porejemplo lostextiles,oa
una extensiónmenor,producciónde acero. Ese ejemplo es una advertencia de cómo los clusters
exitososenel presente puedentransformaruna incertidumbre de lacrisisindustrialparael futuro.
7. Por estas industrias, muchos factores son directamente afectados por sus características como
clusters(fuerte influenciaenladecisiónpolíticayladotaciónconfactoresespecializados) pueden
inhibir un cambio estructural necesario y, por lo tanto, humedecer los prospectos del desarrollo
general de la industria.
En adicion, por una pequeña y abierta economía como Austria, límites nacionales pueden ser
demasiadoangostasparaestablecerclustersampliosenrelaciones.Globalizaciones por lo menos
un factor importante y ecuánime por el éxito, como clusters de relaciones y apoyar industrias
(Rugman y Verbeke 1992). Algunas de las industrias austriacas más exitosas pueden ser
interpretadascomoparte de un cluster trasnacional mas grande, como la altamente competitiva
producción de pistones de combustión interna.