Com o intuito de analisar o comportamento das empresas de grande porte em termos da classificação do importância atribuída a determinadas atividades inovativas dessas empresas, desenvolveu-se a análise de cluster, assim como no caso das empresas de pequeno e médio porte.
Por meio da matriz de scatterplots e dos gráficos da densidade de Kernel, apresentados na figura 3.5, identificou-se a existência de agrupamentos a partir das fontes de inovação, para as GEs. Da mesma forma, procedeu-se à análise de cluster após essa avaliação preliminar.
Figura 3.5 -Análise gráfica dos scatterplots e densidades das variáveis para as GEs – fontes de inovação.
Fonte: Elaborado pela autora por meio do Stata (11.0).
O teste de Calinski/Harabasz Pseudo-F (na tabela 3.6) confirmou estatisticamente a partição do número de clusters para o conjunto de dados das GEs. A tabela 3.7 exibe a classificação dos setores (já previamente divididos entre os cinco clusters provenientes da simulação estatística) em relação à intensidade na utilização das fontes de inovação. O R-quadrado para a análise de cluster, de 87,45, confere razoabilidade estatística ao resultado.
Tabela 3.6- Estatística de teste do número de clusters para as GEs. Número de Clusters Calinski/Harabasz
Pseudo-F Duda/Hart Je(2)/Je(1) Peseudo T2 3 26,35 0,348 15,61 4 39,85 0,682 7,68 5 18,58 0,689 24,66
Fonte: Elaborado pela autora por meio do Stata (11.0).
O primeiro cluster se destaca por apresentar uma composição variada de setores, indicando outorgar certa importância tanto às fontes de inovação externas quanto internas, mas imputa baixa relevância às estratégias de P&D (interna ou externa),
learning by searching ou learning from advances in science and technology. As
variáveis para as quais revela menor relevância são as situadas abaixo da média brasileira (das GEs), que consistem nas atividades de P&D interno, D&E, e P&D Externo, enquanto para a estratégia de Marketing apresenta desempenho similar ao nacional (das GEs).
O destaque maior atribuído ao Conhecimento Externo (associada a M&E), quase 1,5 vezes o valor da média brasileira (das GEs), reforça o perfil de um cluster caracterizado pela existência de trajetória definida pela incorporação de conhecimento desenvolvido por outras empresas ou instituições, provavelmente na forma de learning by interacting. Em esferas mais clássicas, como “Confecção” e “Artigos de Couro e Calçados”, o mérito de uma dimensão pouco inovativa já era esperada.
No segundo cluster, uma importância arbitrada para praticamente todas as variáveis usadas define o perfil deste setor (com exceção de Marketing). O destaque é para a reclamada consideração às estratégias internas de P&D, que consistem em 1,3 vezes a média nacional (das GEs), associados ao Treinamento e D&E, com valores também acima da média brasileira (das GEs), e agregado pelos esforços desenvolvidos fora da empresa como P&D Externo, Conhecimento Externo e M&E. Os setores que compõem esse grupo são diversificados. Alguns dos setores deste segundo cluster são indústrias de produção em massa, como setores de “Produtos de Fumo” e “Veículos”.
O terceiro cluster é caracterizado por um significativo baixo dinamismo tecnológico, acusado por fontes inovativas que apresentam relevância aquém da média nacional (das GEs). Dentre as fontes apresentadas, a que mais se aproxima da média nacional (das GEs) é a de M&E, que implica que a maior relevância é reivindicada por esta atividade. Setores tradicionais, como “Produtos Têxteis” e “Produtos de Madeira”, menos dinâmicos representam o perfil desse agrupamento.
Tabela 3.7- Análises de clusters para as GEs: importância das fontes de inovação*.
Fontes internas Fontes externas
C
lu
st
er
s
Setores P&D D&E Treinam. Marketing P&D externo Aquis. Tecnol. Ext. Aquis. máq./ equip.
Brasil (Ind. Transformação) 0,392 0,405 0,543 0,321 0,109 0,151 0,624
1
Artigos de Couro e Calçados 0,386 0,341 0,682 0,455 0,068 0,091 0,727
Bebidas 0,171 0,429 0,543 0,400 0,086 0,343 0,686
Confecção 0,219 0,344 0,625 0,406 0,063 0,156 0,688
Fabricação de Coque e Refino de
Petróleo 0,160 0,360 0,560 0,120 0,120 0,200 0,680
Equipamentos de Transporte 0,167 0,389 0,611 0,222 - 0,333 0,444
Média Cluster 0,220 0,373 0,604 0,321 0,067 0,225 0,645
2
Artigos de Borracha e Plásticos 0,442 0,442 0,596 0,250 0,115 0,135 0,615
Editoração 0,556 0,556 0,778 0,111 0,111 0,222 0,667 Materiais Elétricos 0,400 0,440 0,580 0,320 0,100 0,140 0,640 Metalurgia 0,400 0,567 0,367 0,267 0,233 0,100 0,683 Máquinas e Equipamentos 0,479 0,438 0,562 0,260 0,096 0,219 0,644 Produtos de Fumo 0,833 0,833 0,500 0,333 - 0,167 0,667 Produtos de Metal 0,319 0,447 0,596 0,362 0,128 0,170 0,766 Veículos 0,670 0,523 0,624 0,349 0,174 0,229 0,679 Média Cluster 0,512 0,531 0,575 0,282 0,119 0,173 0,670 3
Produtos de Minerais não
Metálicos 0,367 0,449 0,469 0,306 0,082 0,143 0,531 Produtos Têxteis 0,338 0,309 0,544 0,279 0,059 0,044 0,581 Produtos de Madeira 0,217 0,348 0,565 0,174 - 0,043 0,435 Média Cluster 0,323 0,330 0,463 0,266 0,027 0,055 0,570 4 Instrumentação 0,300 0,400 0,400 0,100 0,200 0,200 0,400 Móveis 0,391 0,435 0,391 0,391 0,130 0,174 0,478 Média Cluster 0,346 0,418 0,396 0,246 0,165 0,187 0,439 5 Celulose e Papel 0,386 0,409 0,564 0,311 0,104 0,129 0,540 Material Eletrônico/Informática 0,468 0,403 0,531 0,369 0,288 0,145 0,590 Produtos Farmo-químicos 0,600 0,475 0,500 0,475 0,175 0,125 0,600 Produtos Químicos 0,516 0,391 0,516 0,453 0,141 0,125 0,563 Média Cluster 0,467 0,425 0,516 0,382 0,158 0,133 0,564 R2 = 0,8745 Fonte: Elaborado pela autora a partir dos dados da PINTEC-2008.
O quarto cluster também é marcado pela baixa influência representada pela busca de inovações por meio de fontes internas, apresentando alto prestígio de P&D externo, que configura mais de 1,5 vezes a média brasileira (das GEs), associado à relevância do Conhecimento Externo e D&E, que superam a média nacional (GEs), implicando a atribuição do mérito do desenvolvimento inovativo às redes de cooperação e com um maior enfoque em inovação de processo. Compõem este cluster os setores de “Móveis” e "Instrumentação".
No quinto cluster, o comportamento da relevância conferida à atividade de P&D interno, acima da média nacional (das GEs), associada à atividade de P&D externo quase 1,5 vezes a média brasileira (GEs), dão o tom da importância das fontes inovativas deste agrupamento. Além destes, a influência das estratégias de D&E e
Marketing, associadas ao destaque de P&D, indicam trajetória tecnológica de
desenvolvimento de inovações de produto e processo. O predomínio do status de P&D entre as fontes de inovação define setores com rápido desenvolvimento inovativo baseado em atividades de pesquisas desenvolvidas em instituições externas.
A figura 3.6 permite que sejam examinadas graficamente as dimensões padronizadas das médias dos clusters para as GEs, a partir das fontes de inovação. A figura corrobora que o cluster 3 é o que atribui menos importância às fontes inovativas consideradas na pesquisa. O cluster 2 descreve maior relevância de todas as fontes de inovação, denotando que empresas com elevada consideração por P&D, tendem a investir o mesmo prestígio em outras atividades inovativas, conforme Archibugi et al. (1991) e em acordo com resultados de Campos e Ruiz (2009) para as empresas industriais brasileiras como um todo.
Figura 3.6 - Dimensões por padrões da importância das fontes de inovação para as GEs.
Fonte: Elaborado pela autora.
No cluster 1 as fontes inovativas internas e externas são relevantes, mas com baixa importância atribuída ao P&D interno e externo. O cluster 4 apresenta o dinamismo tecnológico como associado à relevância das atividades externas de P&D, enquanto no
cluster 5 tanto a P&D interna, quanto externa foram destacadas.
3.3 – Resultados inovativos
Conforme apontado por Campos e Ruiz (2009), existe uma diversidade de estudos empíricos que fazem uso dos resultados inovativos da indústria como forma de consubstanciar os resultados da mudança tecnológica, bem como distintas formas de interpretá-los. O único consenso aparente é de que indústrias apresentam formas diversas de aplicar os resultados da mudança tecnológica, sendo imprudente e praticamente impossível realizar a análise do cenário completo baseando-se apenas em uma variável ou em um pequeno grupo destas, o que ratifica novamente a necessidade de moldes de medição específicos e detalhados, como proposto por De Marchi et al. (1996).