Contenido principal del artículo

Heliana Mary da Silva Quintino
Universidade Federal de Sergipe
Brasil
https://orcid.org/0000-0003-4362-8861
Biografía
Francisco Sandro Rodrigues Holanda
Universidade Federal de Sergipe
Brasil
https://orcid.org/0000-0001-6812-6679
Biografía
Fábio Rodrigues de Moura
Universidade Federal de Sergipe
Brasil
https://orcid.org/0000-0002-6532-110X
Biografía
José Ricardo de Santana
Universidade Federal de Sergipe
Brasil
https://orcid.org/0000-0001-5617-2096
Biografía
Luiz Diego Vidal Santos
Universidade Federal de Sergipe
Brasil
https://orcid.org/0000-0001-8659-8557
Biografía
Dayanne Santos Silva
Universidade Federal de Sergipe
Brasil
https://orcid.org/0000-0002-0904-0397
Biografía
FIRST VIEW, Artículos, Páginas 1-22
DOI: https://doi.org/10.14201/alh.24060
Aceptado: feb 18, 2021
Derechos de autor Cómo citar

Resumen

Este trabajo utiliza la metodología de vectores autorregresivos en datos de panel para estimar la relación causal entre los indicadores de la cadena de conocimiento científico y tecnológico y el desempeño industrial brasileño. Los resultados del modelo muestran que algunos de los vínculos implícitos en esta cadena son bastante grandes, aunque no particularmente robustos. Concluimos que Brasil se encuentra en un proceso aún tenue de endogenización del conocimiento en su sistema económico industrial.

Descargas

La descarga de datos todavía no está disponible.

Detalles del artículo

Citas

Abrigo, M. R. M. y Love, I. (2016). Estimativa da Autoregressão vetorial do painel em Stata. The Stata Journal, 16(3), 778-804. https://doi.org/10.1177/1536867X1601600314

Akaike, H. (1998). Information Theory and an Extension of the Maximum Likelihood Principle. En E. Parzen, K. Tanabe y G. Kitagawa (Orgs.), Selected Papers of Hirotugu Akaike (pp. 199-213). Springer. https://doi.org/10.1007/978-1-4612-1694-0_15

Andrews, D. W. K. y Lu, B. (2001). Consistent model and moment selection procedures for GMM estimation with application to dynamic panel data models. Journal of Econometrics, 101(1), 123-164. https://doi.org/10.1016/S0304-4076(00)00077-4

Arellano, M. y Bover, O. (1995). Another look at the instrumental variable estimation of error-components models. Journal of Econometrics, 68(1), 29-51. https://doi.org/10.1016/0304-4076(94)01642-D

Barquero, A. V. (2001). Desenvolvimento endógeno em tempos de globalização. Fundação de Economia e Estadística.

Bloom, N., Jones, C. I., Van Reenen, J. y Webb, M. (2020). Are ideas getting harder to find? American Economic Review, 110(4), 1104-1144.

Bush, V. S. (1945). The endless frontier: A report to the president by Vannevar Bush for postwar scientific research. Office of Scientific Research and Development.

Cavalcante, L. R. y De Negri, F. (2014). Evolução recente dos indicadores de produtividade no Brasil. Produtividade no Brasil: Desempenho e Determinantes, 1, 143-171.

Chahad, J. P. Z. (2018). A Produtividade dos Fatores no Brasil à Luz do Cenário Internacional: Comparando a Produtividade Brasileira com a de Outros Países. Boletim de Informações FIPE, 453, 8-14.

Etzkowitz, H. (2003). Innovation in innovation: The triple helix of university-industry-government relations. Social Science Information, 42(3), 293-337.

Ferreira, P. C. y Da Silva, L. F. (2015). Structural transformation and productivity in Latin America. The BE Journal of Macroeconomics, 15(2), 603-630.

Filho, N. M., Komatsu, B., Lucchesi, A. y Ferrario, M. (2014). Políticas de inovação no Brasil. Policy Paper, 11, 1-72.

Granger, C. W. J. (1969). Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica, 37(3), 424-438. https://doi.org/10.2307/1912791

Grilliches, Z. (1976). Part 2: Essays in labor economics in honor of H. Gregg. Lewis. The Journal of Political Economy, 84(4), S69-S86.

Grilliches, Z. (1990). Patent statistics as economic indicators: A survey. National Bureau of Economic Research.

Guerrero, M. y Urbano, D. (2021). Looking inside the determinants and the effects of entrepreneurial innovation projects in an emerging economy. Industry and Innovation, 28(3), 365-393. https://doi.or g/10.1080/13662716.2020.1753021

Hannan, E. J. y Quinn, B. G. (1979). The determination of the order of an autoregression. Journal of the Royal Statistical Society: Series B (Methodological), 41(2), 190-195.

Holtz-Eakin, D., Newey, W. y Rosen, H. S. (1988). Estimating Vector Autoregressions with Panel Data. Econometrica, 56(6), 1371-1395.

Hong, J., Zhu, R., Hou, B. y Wang, H. (2019). Academia-industry collaboration and regional innovation convergence in China. Knowledge Management Research & Practice, 17(4), 396-407. https://doi.org/1 0.1080/14778238.2019.1589394

Hsiao, C. (2014). Analysis of Panel Data. Cambridge University Press.

Hsieh, C.-T., Hurst, E., Jones, C. I. y Klenow, P. J. (2019). The allocation of talent and us economic growth. Econometrica, 87(5), 1439-1474.

IEDI. Instituto de Estudos para o Desenvolvimento Industrial. (2008). A Política de Desenvolvimento Produtivo. 36.

Kline, S. J. y Rosenberg, N. (2010). An overview of innovation. En Studies on Science and the Innovation Process: Selected Works of Nathan Rosenberg (pp. 173-203). World Scientific.

MCTIC. Ministério da Ciência, Tecnologia, Inovação e Comunicação. (2017). Estratégia nacional de ciência, tecnologia e inovação – 2016-2022. MCTIC.

OCDE. Organização para Cooperação e Desenvolvimento Econômico. (2013). Metodologia proposta para definição da pesquisa e desenvolvimento experimental. Tradução: Olivier Isnard. [S. l.]: IPD Eletron.

Romer, P. M. (1986). Increasing returns and long-run growth. Journal of Political Economy, 94(5), 1002-1037.

Romer, P. M. (1994). The origins of endogenous growth. Journal of Economic Perspectives, 8(1), 3-22.

Santos, P. F. A. y Spolador, H. F. (2018). Produtividade setorial e mudança estrutural no Brasil: Uma análise para o período 1981 a 2013. Revista Brasileira de Economia, 72(2), 217-248.

Schumpeter, J. A. (1982). Teoria do desenvolvimento econômico: Uma investigação sobre lucros, capital, crédito, juro e o ciclo econômico. Abril Cultural.

Schwarz, G. (1978). Estimating the Dimension of a Model. Annals of Statistics, 6(2), 461-464. https:// doi.org/10.1214/aos/1176344136

Shin, K., Choy, M., Lee, C. y Park, G. (2019). Government R&D Subsidy and Additionality of Biotechnology Firms: The Case of the South Korean Biotechnology Industry. Sustainability, 11(6). https:// doi.org/10.3390/su11061583

Vecchio, P. del y Oppong, N. B. (2019). Supporting the regional development in the knowledge economy: The adoption of a system dynamic approach in Ghana. Global Business and Economics Review, 21(3-4), 427-449.

Viotti, E. B. y Macedo, M. de M. (Orgs.) (2003). Indicadores de ciência, tecnologia e inovação no Brasil. UNICAMP.

Wong, C.-Y. y Salmin, M. M. (2016). Attaining a productive structure for technology: The Bayh-Dole effect on university-industry-government relations in developing economy. Science and Public Policy, 43(1), 29-45. https://doi.org/10.1093/scipol/scv018

Yang, Z., Chen, H., Du, L., Lin, C. y Lu, W. (2020). How does alliance-based government-university-industry foster cleantech innovation in a green innovation ecosystem? Journal of Cleaner Production. https://doi.org/10.1016/j.jclepro.2020.124559

Zhou, J. y Wu, R. (2016). More Ties the Merrier? Different Types of Social Ties and Firm Innovation Performance in China. Academy of Management Proceedings. https://doi.org/10.5465/ ambpp.2016.16704abstract