Un análisis global, regional y sectorial de los efectos externos de conocimiento

Juan José de Lucio*

Febrero, 1998.

Abstract

Este trabajo presenta un análisis en profundidad de los efectos externos de conocimiento derivados de la composición sectorial de la economía a nivel local. Tras una modelización teórica que permite derivar de forma endógena los distintos índices asociados a las externalidades, se presentan los resultados de las estimaciones a nivel global, regional y sectorial. Asimismo se presenta un análisis de los efectos de dichas externalidades a lo largo del tiempo.

Los resultados muestran la existencia de externalidades de conocimiento con efectos persistentes en el tiempo, positivos para el nivel de diversidad y de competencia y negativos, aunque con diferente intensidad, incluso llegando a producirse un cabiando en el signo del efecto neto, para la especialización, dependiendo del nivel de esta.

De acuerdo con el modelo teórico, estas estimaciones implican la existencia de procesos de difusión y fertilización cruzada del conocimiento que tardan varios años en madurar y cuya intensidad decrece con la cantidad de innovaciones a adoptar.

*FEDEA y Universidad de Alcala de Henares.

1 Introducción

La existencia de efectos externos de conocimiento, derivados de la distribución sectorial de la economía de una determinada localización, ha sido identificada como uno de los principales elementos explicativos del crecimiento de sectores y regiones. Una determinada composición sectorial de un territorio favorece el crecimiento económico a través de la generación y difusión de conocimientos derivada del intercambio y fertilización cruzada de ideas. Este tipo de externalidades de conocimiento tardan un tiempo en madurar y por este motivo se las denomina dinámicas.

Las externalidades dinámicas de conocimiento pueden darse dentro de un sector (asociadas a la especialización) o entre sectores diversos (ligadas a la diversidad) y están afectadas por el nivel de competencia dentro del sector de interés. Por esta razón las aportaciones teóricas sobre las efectos externos de conocimiento se han clasificado bajo los ejes de competencia y composición sectorial (especialización y diversidad). El cuadro 1 presenta una clasificación de los trabajos teóricos en función del énfasis que ponen en las distintas externalidades dinámicas de conocimiento; la mayoría de las aportaciones empíricas utilizan sin presentar esquemas similares

De acuerdo con el cuadro 1, las externalidades de conocimiento ligadas a mercados especializados con bajo nivel de competencia se denominan en la literatura externalidades tipo MAR por los trabajos de Marshall, Arrow y Romer. Marshall (1890) presenta una economía en donde el conocimiento esta en el ambiente de forma que las innovaciones solamente se generan, difunden y recompensan adecuadamente en entornos especializados. Romer (1986, 1990) estudia el denominado "conocimiento no apropiable" señalando que en entornos competitivos, el volumen total de innovación será inferior al socialmente deseable porque las empresas no son capaces de apropiarse totalmente de los beneficios derivados del progreso técnico. Arrow esta incluido en este grupo por su contribución en 1962 sobre las economías de aprendizaje dentro de la empresa y los resultados del mismo en los que se asocian las economías de aprendizaje con entornos poco competitivos .

”When an industry has chosen a locality for itself, it is likely to stay there long; so great are the advantages which people following the same skilled trade get from near neighborhood to one another. The mysteries of the trade become no mysteries; but are as they were in the air, and children learn many of them unconsciously. Good work is appreciated, inventions and improvements in machinery, in processes and the general

Existe una segunda clasificación de los efectos externos de conocimiento asociada a la especialización que recibe el nombre de Porter. Michael Porter en el libro The Competitive Advantage of Nations (1990) argumenta que la especialización ligada a la competencia es el motor de las externalidades de conocimiento . Porter centra su trabajo en la industria, pero también estudia bajo el mismo marco analítico a sectores de servicios, indicando que éstos también son objeto de análisis en lo referente a los efectos externos de conocimiento.

organization of the business have their merits promptly discussed; if one man stars a new idea, it is taken up by other and combined with suggestions from their own; and thus it becomes the source of further ideas. And presently subsidiary trades grow up in the neighborhood, supplying it with implements and materials, organizing its traffic, and in many ways conducting to the economy of its material" Marshall, 1890.

“I advance the hypothesis here that technical change in general can be ascribed to experience, that it is the very activity of production which gives rise to problems for which favorable responses are selected over time” Arrow 1962.

”..., the presence of learning means that an act of investment benefits future investors, but this benefits is not paid for by the market. Hence, it is to be expected that the aggregate amount of investment under the competitive model of the last section will fall short of the socially optimum level.” Arrow, 1962.

”The process of domestic rivalry also creates advantages for the entire national industry that are external to any particular firm. ... enhances innovation ... Good ideas are imitated and improved ... The stock of knowledge and skill in the national industry accumulates as firms imitate each other and as personnel move among firms. While a particular firm cannot keep all the knowledge and skill to itself, the whole national industry benefits through faster innovation. Ideas diffuse faster within the nation than across nations, ...” y continúa “Geographic concentration of rivals in a single city or region within a nation both reflects and magnifies these benefits.” Porter, 1990.

"The broader effects of domestic rivalry are closely related to an old but often neglected notion in economics known as external economies. ... External economies arise in classic treatments because of spillover of technology and the benefits of specialization that accrue to a large industry (though individual firms may be small)." Porter, 1990.

Cuando los efectos externos vienen asociados simultáneamente a la diversidad y a la competencia, las externalidades reciben en la literatura el nombre de externalidades dinámicas tipo Jacobs por el trabajo de esta autora en 1969. Jane Jacobs en The Economy of Cities (1969) argumenta, como principal eje de su libro, un proceso de crecimiento de las ciudades derivado de la sustitución de importaciones y de la diversificación de actividades . Según la autora el motivo principal por el que observamos diversidad en las ciudades es el crecimiento de las mismas a través de un proceso por el que se añaden nuevas variedades de trabajo, siendo esta diversidad la que aumenta la capacidad del territorio para crecer . Para Jacobs el proceso dinámico de crecimiento mencionado no es exclusivo de la industria sino que es general a todos los sectores de la economía .

Los trabajos de Glaeser, Kallal, Scheinkman y Shleifer (1992) y Henderson (1994) tratan de estudiar empíricamente las externalidades de conocimiento mencionadas anteriormente creando una línea de investigación que trata de dilucidar qué tipo de externalidades se dan con más intensidad, qué intensidad es ésta y cuál es el proceso temporal que las gobierna.

La evidencia empírica es diversa. El trabajo de Glaeser, Kallal, Scheinkman y Shleifer para los Estados Unidos (1992) obtiene de efectos positivos sobre el crecimiento industrial, medido por el crecimiento del empleo, derivados de la competencia y diversidad industrial local, pero no de la especialización industrial en la región. Por el contrario Henderson, Kuncoro y Turner (1995) encuentran evidencia de la existencia de externalidades ligadas a la especialización tanto en industrias tradicionales como en industrias de alta tecnología; en éstas últimas también encuentran efectos externos ligados a la diversidad. Existen otras perspectivas de acercamiento a problema; por ejemplo Feldman y Audretsch (1995) emplean datos de nuevos productos anunciados en la ciudad para analizar el comportamiento innovador de las industrias en los territorios, y Bradley y Gans (1996) analizan el crecimiento de las ciudades; ambos trabajos encuentran evidencia de externalidades positivas ligadas a la diversidad y a la competencia local y efectos externos negativos ligados a la especialización.

”I am arguing, ...the idea that the cities grow by a process of gradual diversification and differentiation of its economy, starting from little or nothing more than its initial export work and the suppliers to that work” Jacobs, 1969.

"The greater the sheer numbers and varieties of divisions of labour already achieved in an economy, the greater the economy's inherent capacity for adding still more kinds of goods and services." Jacobs, 1969.

”...you will note that a manufactured product was being added to a service; a service was being added to manufacturing; a designer was adding a manufactured product; an artist was adding artisan’s products; another designer was adding manufactured products; ...” Jacobs, 1969.

Para el caso español la evidencia empírica disponible también es variada. Herce, de Lucio y Goicolea (1996) y de Lucio, Herce y Goicolea (1998) encuentran evidencia de externalidades tipo Jacobs (competencia y diversidad) y muestran la robustez de estos resultados para distintas agrupaciones de industrias y territorios. Sin embargo Moreno (1996) encuentra evidencia de que tanto la especialización como la diversidad influyen en el crecimiento industrial y Callejón y Costa (1995 y 1996) consideran que las externalidades ligadas a la especialización son las que tienen mayor importancia en la economía española.

Este trabajo proporciona un modelo teórico en el que por primera vez en la literatura se obtienen como variables endógenas al modelo los índices asociados a los diferentes conceptos de externalidades. Este modelo permite obtener como casos particulares las diversas especificaciones utilizadas anteriormente. Tal y como sugieren las aportaciones teóricas y en contraposición a los trabajos anteriores, centrados en un grupo reducido de sectores industriales, en este trabajo se presentan los resultados para todos los sectores de la economía. Las estimaciones del modelo utilizando datos de empleo con estructura de panel proporcionan resultados que permiten conciliar la evidencia empírica aparentemente contrapuesta de aportaciones anteriores.

El resto del trabajo se distribuye de la siguiente manera. La sección 2 presenta modelo teórico para el estudio de las externalidades. La sección 3 desarrolla el análisis empírico correspondiente y la sección 4 contiene las conclusiones.

2 Modelización de las externalidades

De acuerdo con los trabajos de Grossman y Helpman (1991) y de Martin y Ottaviano (1996) el modelo considera que en un determinado sector o territorio es necesario emplear un número de unidades de un cierto factor para que se produzca una innovación. Por lo tanto un sector en un territorio desarrollará un número de innovaciones totalmente originales proporcional al porcentaje que tenga, con respecto al sector y al territorio, de la variable que consideremos capaz de generar innovaciones (empleo, capital humano, VAB).

Esta modelización recoge la idea de que si en un sector (territorio) se dan un número de innovaciones, la probabilidad de que éstas se produzcan en un territorio (sector) determinado es función del porcentaje de la variable generadora de conocimiento que tiene ese sector en el territorio (territorio en el sector). O expresada de otra forma, el número total de innovaciones en un determinado conjunto de análisis se distribuye de acuerdo a la proporción que tienen de la variable que las genera los distintos elementos de este conjunto.

Por lo tanto para que una empresa perteneciente a un sector determinado disfrute de una innovación, se requerirán:

\[\alpha_ {i} \frac {X _ {i , j}}{X _ {i}}\]

Donde es la constante de proporcionalidad de la industria i, es volumen de la variable de interés en el sector i y es la variable medida para el sector i en el territorio j.

De forma similar podemos expresar esta idea en función del porcentaje provincial:

\[\alpha_ {j} \frac {X _ {i , j}}{X _ {j}}\]

Donde es el número de innovaciones "de ruptura" producidas en la región j y es el volumen de la variable de interés en la región j.

Consideremos además que existe un efecto externo, bien a través de la difusión de conocimiento o bien por la generación de nuevo conocimiento, por el cual un sector en un territorio es capaz de utilizar una proporción de las innovaciones "de ruptura" generadas en su sector en otros territorios y una proporción del conocimiento original producido en su propio territorio por otros sectores; este efecto se le puede denominar de "catch-up" tecnológico y viene dado para un determinado sector i, en una región j, por:

\[\beta_ {j} \sum_ {k \neq i} \left(\alpha_ {j} \frac {X _ {k , j , t}}{X _ {j , t}}\right) + \beta_ {i} \sum_ {k \neq j} \left(\alpha_ {i} \frac {X _ {i , k , t}}{X _ {i}}\right)\]

Por último y dado que el tipo de externalidades de las que estamos hablando no tienen por qué ser lineales, se incluye un efecto cuadrático al estilo de los incluidos por Henderson (1994) para poder medir así los cambios en las intensidades de estas externalidades según el nivel de las proporciones al cuadrado de la variable relevante, efectos que se asocian a los parámetros , , y .

En este modelo la evolución del nivel tecnológico de un sector en un territorio, caracterizado por el parámetro A en la función de producción, viene dada por:

\[\begin{array}{c} \frac {d A _ {i , j , t}}{d t} = A _ {i, j, t} * g \left(\alpha_ {i} \frac {X _ {i , j , t}}{X _ {i , t}} + \alpha_ {j} \frac {X _ {i , j , t}}{X _ {j , t}} + \beta_ {j} \sum_ {k \neq i} \left(\alpha_ {j} \frac {X _ {k , j , t}}{X _ {j , t}}\right) + \beta_ {i} \sum_ {k \neq j} \left(\alpha_ {i} \frac {X _ {i , k , t}}{X _ {i}}\right) + \right. \\ \left. \alpha_ {i} ^ {\prime} \left(\frac {X _ {i , j , t} ^ {2}}{X _ {i , t} ^ {2}}\right) + \alpha_ {j} ^ {\prime} \left(\frac {X _ {i , j , t} ^ {2}}{X _ {j , t} ^ {2}}\right) + \beta_ {j} ^ {\prime} \sum_ {k \neq i} \left(\alpha_ {j} ^ {\prime} \left(\frac {X _ {k , j , t} ^ {2}}{X _ {j , t} ^ {2}}\right)\right) + \beta_ {i} ^ {\prime} \sum_ {k \neq j} \left(\alpha_ {i} ^ {\prime} \left(\frac {X _ {i , k , t} ^ {2}}{X _ {i , t} ^ {2}}\right)\right)\right) \end{array}\]

Agrupando términos se obtiene que:

\[\begin{array}{r} \frac {d A _ {i , j , t}}{d t} = A _ {i, j, t} * g \left(\alpha_ {i} (1 - \beta_ {j}) \frac {X _ {i , j , t}}{X _ {i , t}} + \beta_ {j} \alpha_ {j} + \alpha_ {j} (1 - \beta_ {i}) \frac {X _ {i , j , t}}{X _ {j , t}} + \beta_ {i} \alpha_ {i} + \right. \\ \left. \alpha_ {i} ^ {\prime} (1 - \beta_ {j} ^ {\prime}) (\frac {X _ {i , j , t} ^ {2}}{X _ {i , t} ^ {2}}) + \alpha_ {j} ^ {\prime} (1 - \beta_ {i} ^ {\prime}) (\frac {X _ {i , j , t} ^ {2}}{X _ {j , t} ^ {2}}) + \beta_ {j} ^ {\prime} \alpha_ {j} ^ {\prime} \sum_ {\forall k} (\frac {X _ {k , j , t} ^ {2}}{X _ {j , t} ^ {2}}) + \beta_ {i} ^ {\prime} \alpha_ {i} ^ {\prime} \sum_ {\forall k} (\frac {X _ {i , k , t} ^ {2}}{X _ {i , t} ^ {2}}) \right. \end{array}\]

De donde tenemos que el crecimiento de la tecnología depende de la especialización del territorio , de especialización la industria , de estos coeficientes de especialización al cuadrado y de dos índices Hirschman-Herfindahl, uno de diversidad en el territorio y otro de concentración de la industria índice, este último, por el que tradicionalmente la literatura de economía industrial se ha medido el poder de mercado o el nivel de competencia existente en una industria.

Resolviendo la ecuación diferencial podemos escribir la tecnología disponible como:

\[A _ {i, j, t} = A _ {i, j, 0} e ^ {g \left(e s p i _ {i, j, 0}, e s p p _ {i, j, 0}, e s p i _ {i, j, 0} ^ {2}, e s p p _ {i, j, 0} ^ {2}, c o m _ {i, 0}, d i v _ {j, 0}, c t e _ {i, j}\right) t}\tag{1}\]

Donde espi y espji son los índices de especialización, en la industria i o en el territorio j, div mide la diversidad en un territorio y com es el índice de competencia dentro de una industria. Nótese que los denominados índices de diversidad y competencia varían entre cero y uno, siendo más pequeños cuanto mayor es la diversidad del territorio y la competencia en la industria .

Por otra parte consideremos que la función de producción tiene un sólo input, trabajo, representado por L, y toma la siguiente forma funcional:

Por lo tanto efectos positivos sobre la tecnología están asociados con signos negativos de los parámetros estimados correspondientes a estas variables.

\[Y _ {i, j, t} = A _ {i, j, t} L _ {i, j, t} ^ {1 - \alpha}\]

Las condiciones de primer orden de maximización de beneficios, para la que los agentes toman la tecnología como dada, expresada en tasas de crecimiento es :

\[\alpha \operatorname{Log} \left(\frac {L _ {i , j , t}}{L _ {i , j , 0}}\right) = \operatorname{Log} \left(\frac {A _ {i , j , t}}{A _ {i , j , 0}}\right) - \operatorname{Log} \left(\frac {W _ {i , j , t}}{W _ {i , j , 0}}\right)\tag{2}\]

Siendo el salario en la industria i en la provincia j en el periodo t. En la ecuación ?? podemos sustituir la ecuación ?? para obtener:

\[\alpha L o g \left(\frac {L _ {i , j , t}}{L _ {i , j , 0}}\right) = c t e + g \left(e s p _ {i, j, 0}, e s p _ {i, j, 0}, e s p _ {i, j, 0} ^ {2}, e s p _ {i, j, 0} ^ {2}, c o m _ {i, 0}, d i v _ {j, 0}, c t e _ {i, j}\right) t - L o g \left(\frac {W _ {i , j , t}}{W _ {i , j , 0}}\right)\]

Si se considera, sin perdida de generalidad, que la variable input del proceso de innovación es el trabajo , podemos escribir la siguiente ecuación a estimar:

\[\begin{array}{r l r} {L o g \left(\frac {L _ {i j t}}{L _ {i j 0}}\right)} & = & {c t e + \beta_ {1} \frac {L _ {i , j , 0}}{L _ {i , 0}} + \beta_ {2} \frac {L _ {i , j , 0}}{L _ {j , 0}} + \beta_ {3} \left(\frac {L _ {i , j , 0} ^ {2}}{L _ {i , 0} ^ {2}}\right) + \beta_ {4} \left(\frac {L _ {i , j , 0} ^ {2}}{L _ {j , 0} ^ {2}}\right)} \\ & & {+ \beta_ {5} \sum_ {\forall k} \left(\frac {L _ {k , j , 0} ^ {2}}{L _ {j , 0} ^ {2}}\right) + \beta_ {6} \sum_ {\forall k} \left(\frac {L _ {i , k , 0} ^ {2}}{L _ {i , 0} ^ {2}}\right) - L o g \left(\frac {W _ {t}}{W _ {0}}\right) + \varepsilon_ {i, j}} \end{array}\]

Si además los salarios son de eficiencia y se suponen determinados por el capital humano y la prima salarial urbana derivada del tamaño de las localizaciones y por lo tanto la variación de los mismos depende de los cambios en estos dos términos, obtenemos:

\[\begin{array}{r} L o g \left(\frac {L _ {i , j , t}}{L _ {i , j , 0}}\right) = c t e _ {i, j} + \beta_ {1} e s p i _ {i, j, 0} + \beta_ {2} e s p p _ {i, j, 0} + \beta_ {3} e s p i _ {i, j, 0} ^ {2} + \beta_ {4} e s p p _ {i, j, 0} ^ {2} + \\ \beta_ {5} d i v _ {j, 0} + \beta_ {6} c o m _ {i, 0} + \beta_ {7} L _ {i, j, 0} + \beta_ {8} L o g \left(\frac {L _ {j , t}}{L _ {j , 0}}\right) + \beta_ {9} L o g \left(\frac {K H _ {i , j , t}}{K H _ {i , j , 0}}\right) + \varepsilon_ {i, j} \end{array}\tag{3}\]

[^{10}\mathrm{L a}]

y

La utilización de datos de empleo en lugar de datos de producción no varía los resultados del análisis como se muestra en de Lucio, Herce y Goicolea (1998).

y

Los índices calculados a partir del empleo podrían ser calculado a partir de cualquier otra variable indicativa de la distribución de la actividad económica y de la capacidad de generar progreso técnico.

Ver Goicolea et al (1995).

3 Análisis empírico

3.1 Los datos

Para estudiar los efectos externos locales derivados de la proximidad física resulta evidente la necesidad de utilizar la mayor desagregación territorial y sectorial disponible. Con este objetivo se ha realizado una explotación de los segundos trimestres de la Encuesta de Población Activa (EPA) del Instituto Nacional de Estadística extrayendo información sobre el número de personas ocupadas total y cualificadas , para el cruce sector provincia (64 sectores por 50 provincias), para el periodo 1977-1992 .

De acuerdo con los datos disponibles y según aparece en la figura (1) el comportamiento sectorial del empleo en el periodo analizado es diverso. El empleo agrícola tiene una tendencia decreciente pasando del 20% de las personas ocupadas en 1977 al 10% en 1992. La construcción tiene porcentajes que evolucionan procíclicamente y que son cercanos, aunque siempre inferiores, al 10% del empleo nacional. La industria pierde algo de peso, en cuanto a personas ocupadas se refiere, tanto en términos absolutos como relativos y sigue la evolución del ciclo durante el periodo analizado. La rama de servicios es la más exitosa en lo referente a la creación de empleo, durante el periodo 1977-1992 crea 1,9 millones de puestos de trabajo lo que supone casi un 16% del empleo total existente en 1992, esta creación de empleo supera la disminución en el mismo periodo del número de personas ocupadas en la agricultura (1,3 millones) y en la industria (0,5 millones).

Pese a que la Encuesta de Población Activa no ha sido elaborada para obener información para el cruce provincia sector, los datos obtenidos resultan de suficiente calidad para desarrollar el análisis, sobre todo si se considera que el método de estimación elimina grupos con pocas observaciones o con serires intermitentes en el tiempo.

Se consideran personas cualificadas a aquellas que al menos han terminado la educación secundaria de segunda etapa. Esta clasificación incluye la formación profesional de primer y segundo grado, el bachillerato superior, BUP y COU y todos los estudios universitarios. Según la OCDE educación de secundaria, de segunda etapa y superior.

En el tercer trimestre de 1976 se produjo un cambio de metodología en cuanto a definiciones y clasificaciones en la EPA y a partir de 1992 se utiliza la clasificación sectorial correspondiente a la CNAE-93 por lo que 1977-1992 es el periodo más largo disponible.

Figura 1: Evolución del empleo por ramas. Fuente EPA.

Las dos ramas con más representación en la economía española son los servicios y la industria, siendo la primera la que tiene un mejor comportamiento en términos de creación de empleo. Puesto que como hemos visto anteriormente las externalidades tecnológicas no solamente están ligadas a la industria sino que de igual manera pueden aparecer en los sectores de servicios, el análisis empírico de este capítulo se realizará tanto para el conjunto de los sectores como para cada una de las dos ramas independientemente.

Tras el análisis global de la evolución del empleo debemos estudiar la desagregación sector-provincia. El cuadro (2) y el cuadro (3) presentan los cinco sectores y provincias de mayor y menor creación de empleo. La evolución del empleo en esta sección se calcula como el cociente del empleo en el año final sobre el empleo en el año inicial. En estos cuadros se proporcionan varias medidas de concentración, el índice Hirschman-Herfindahl (competencia y diversidad correspondiente a sector y provincia respectivamente) y el índice de Gini , y una medida de especialización, el porcentaje del empleo nacional en el sector o en la provincia en 1977.

k y

El índice de Gini es un indicador habitual en la literatura (ver Krugman, 1992 y Goicolea et al, 1997) para medir concentración. Para obtener el índice se calcula , porcentaje del empleo de la provincia-sector en el empleo total de k y porcentaje del empleo total de k del empleo nacional. Siendo k el índice de provincia o sector. A continuación se ordenan de forma creciente todas las provincias o sectores, según corresponda, de acuerdo con el cociente de sobre . Finalmente se calcula el índice de Gini de acuerdo con la formula: .

[G_{k} = \frac{\sum_{i = 1}^{N - 1}(P_{k} - p_{k})}{\sum_{i = 1}^{N - 1}p_{k}}]

El índice de Gini varia entre 0 y 1 y mide la concentración, siendo mayor cuando mayor es ésta.

En los cuadros se observa una mayor variedad de tasas de crecimiento por sectores que por provincias. Esta mayor dispersión en el crecimiento no puede ser justificada por una mayor variedad de tamaños de los sectores puesto que en ambos extremos de la distribución de crecimientos sectoriales existen casos para los que el sector tiene porcentajes del empleo nacional superiores a los de muchas provincias y las varianzas de estos porcentajes son muy similares. Se observa también que en media, las provincias decrecen en el número de personas ocupadas mientras que los sectores crecen en términos de personas ocupadas, lo que nos permite concluir que en general son las provincias grandes y los sectores pequeños los que experimentan tasas de crecimiento mayores.

Los cuadros muestran unas tasas de crecimiento menores, especialmente para el caso provincial, cuanto mayor es la concentración, medida por cualquiera de los índices, Hirschman-Herfindahl o Gini. Los índices de Gini de concentración son más grandes que los Hirschman-Herfindahl.

Por lo que se refiere a la especialización no parece haber ningún patrón determinado en cuanto a sus efectos sobre el crecimiento. Conforme a lo ob-

Una de las causas por la que pasa ésto es que se dispone de 64 sectores y de 50 provincias y el porcentaje medio de empleo nacional en los sectores es menor que en las provincias.

servado en los cuadros es necesaria la desagregación sectorial y provincial para analizar los efectos de las externalidades tecnológicas sobre el crecimiento.

En el cuadro (4) se proporciona la estadística descriptiva del crecimiento del empleo en el periodo 1977-1992 de los distintos grupos, sector-territorio. Como cabía esperar del importante crecimiento en el periodo estudiado de los sectores de servicios, el mayor crecimiento medio del empleo se dan en los grupos de la rama de servicios. Los crecimientos medios positivos de la agricultura e industria se deben a que la tendencia que hace que los grupos pequeños sean los que crezcan más rápidamente es en estas ramas muy marcada, incluso más que en los sectores de servicios. A pesar de estas medias superiores a uno, la mediana refleja claramente la destrucción de empleo en agricultura e industria.

La menor varianza de la construcción no sorprende si se tiene en cuenta que contiene un único sector y por lo tanto un número de observaciones muy reducido y homogéneo. Más llamativo es la alta varianza de la agricultura puesto que refleja una alta variedad de sectores-territorio dentro de esta rama.

Dentro del análisis por pares de sector territorio resultan muy ilustrativos los cuadros (5) y (6) donde se presentan indicadores de especialización, diversidad y competencia calculados para el año inicial conforme al modelo presentado anteriormente, para los grupos de mayor y menor crecimiento en el periodo de la industria y los servicios. Las tabla muestran un claro efecto negativo sobre el crecimiento del empleo de la especialización tanto dentro del sector, espi, como del territorio, espp. Los efectos de la diversidad y competencia son menos claros para estos casos extremos de evolución del empleo por lo que para una idea preliminar de los efectos de estas variables es más conveniente ceñirse a los comentarios de los cuadros (2) y (3).

Del análisis de los datos presentados parece desprenderse la existencia de efectos externos negativos sobre el crecimiento del empleo derivados de la especialización de un sector-territorio y positivos derivados de la competencia industrial y de la diversidad provincial. Asimismo se observa la necesidad de descender al nivel del par sector-territorio para entender el progreso tecnológico derivado de las externalidades y la consiguiente creación de empleo. En este sentido un análisis con técnicas de datos de panel parece lo más indicado. El apéndice 1 contiene la estadística descriptiva de los datos utilizados en las estimaciones de panel.

3.2 Panel

En el análisis empírico aprovechamos las ventajas que nos ofrecen las técnicas econométricas para el análisis de datos de panel. Este instrumento permite eliminar los efectos fijos individuales no observados asociados a cada uno de los grupos, sector-provincia, habitualmente no ortogonales a las variables explicativas del modelo y que por lo tanto originan sesgos en las estimaciones.

Utilizando econometría para datos de panel podemos abordar problemas que presentaban trabajos anteriores al tratar de medir los efectos de las externalidades por industrias (Henderson 1994) o para determinados grupos de industrias (Glaeser et al 1992) sin eliminar los efectos fijos individuales. Los efectos fijos obtenidos en la ecuación (??), que pueden ser debidos por ejemplo a reglamentaciones distintas o a procesos de reconversión realizados en el periodo, pueden afectar a las tasas de crecimiento de forma que si no se controla por ellos los índices de externalidades podrían estar captando factores específicos no observables.

Mediante la utilización de datos de panel aumentamos la eficiencia de las estimaciones al disponer de un número mayor de grados de libertad. Los datos de panel nos permiten estudiar conjuntamente cuestiones que no son abordables cuando sólo se dispone información de corte transversal o a lo largo de tiempo, como puede ser la dinámica temporal de los efectos externos y los distintos efectos asociados a los sectores y territorios.

Las estimaciones aquí presentadas han sido realizadas con el método generalizado de los momentos, utilizando el programa DPD (Arellano y Bond 1988) para datos de panel dinámicos. Este programa permite utilizar bases de datos con distinto número de observaciones por grupo. Todas las estimaciones, menos las realizadas individualmente por provincia y sector, incluyen variables ficticias temporales para recoger los efectos del ciclo y utilizan las primeras diferencias de la variables para eliminar los efectos fijos individuales . Los estimadores utilizando variables instrumentales incluyen los retardos de los índices que recogen los efectos externos de conocimiento y las restricciones de ortogonalidad de las variables de competencia y de diversidad.

3.3 Las estimaciones

Sin duda alguna los sectores manufactureros deben reflejar en su crecimiento regional, tanto por la movilidad de sus empresas como por la importancia del progreso técnico, la existencia de efectos externos de conocimiento locales; no por ello el resto de sectores de la economía son ajenos a la generación de progreso técnico mediante la difusión de conocimiento. Según se hemos visto anteriormente diversos autores han señalado que los sectores de servicios deben ser objeto de análisis en cuanto a la existencia de externalidades tecnológicas. Muchos servicios actuales han dejado de ser bienes no comercializables y su producción puede ser localizada fuera del lugar de consumo, como por ejemplo los productos financieros, por lo que las decisiones de localización pueden ser tomadas no en función de la localización de la demanda sino por condiciones de oferta. Por otra parte dadas las peculiaridades de la función de producción de los servicios, en muchos casos con menores costes fijos y menores costes no recuperables, cada vez es mayor su movilidad. Por último las interrelaciones entre industria y servicios son cada vez más importantes. Por estos motivos en este trabajo no sólo se presentan los resultados para sectores industriales sino que se ofrecen también las estimaciones para el conjunto de todos los sectores de la economía y para los sectores de servicios.

Esta transformación induce correlación serial de primer orden en los residuos.

3.3.1 Presencia de externalidades

Las estimaciones de la ecuación ?? con crecimientos interanuales para el total de los sectores, los sectores industriales y los sectores de servicios presentadas en el cuadro (7) muestran que la significatividad de los efectos externos es muy alta, confirmando la existencia de efectos sobre el crecimiento derivados de las externalidades tecnológicas.

Las estimaciones proporcionan evidencia de efectos externos positivos asociados a la diversidad y a la competencia, especialmente en los sectores de servicios. Respecto a la especialización se obtienen efectos negativos muy significativos de primer orden que pueden ser compensados, dependiendo del nivel de especialización, por los efectos positivos de segundo orden recogidos por los parámetros de las variables de especialización al cuadrado. Por lo tanto el efecto negativo de la especialización disminuye con el grado de especialización tanto del sector como del territorio. De esta forma, podría darse el caso de sectores altamente concentrados en los que el efecto neto de la especialización sea positivo; es decir, a partir de un determinado nivel de especialización, puede resultar interesante seguir concentrándose y aprovechar los efectos positivos de segundo orden que empiezan a predominar. Estos efectos de segundo orden se dan principalmente cuando hablamos de especialización territorial, siendo más débiles cuando la especialización es dentro de la industria. Este resultado permite conciliar la evidencia aparentemente contradictoria obtenida por diversos trabajos anteriores (por ejemplo Henderson 1994 y Glaeser et al 1992) con respecto a la variable de especialización.

Los signos positivos de los crecimientos del capital humano del sector en el territorio y del empleo de un territorio (sin incluir el del sector en cuestión), parecen indicar que las ganancias de productividad derivadas de la aglomeración y del capital humano son mayores que los incrementos salariales derivados de crecimientos en estas variables.

Las variable ficticias recogen bien el ciclo siendo negativas y significativas en los periodos de recesión.

3.3.2 Estructura sectorial y provincial de las externalidades

Los resultados obtenidos en la sección anterior ponen de manifiesto diferencias respecto a las características de los efectos externos en los distintos sectores. En este apartado profundizo en estas diferencias sectoriales estimando para el mismo conjunto de datos el modelo más sencillo, en niveles sin instrumentos ni variables ficticias de tiempo, para cada uno de los sectores de la muestra. Esta forma de proceder esta en línea con trabajos como el de Henderson et al (1995) en los que solamente se analiza el problema de las externalidades en un número determinado de industrias que se consideran de antemano más sensibles a las externalidades. Asimismo nos preguntamos si los efectos externos de conocimiento se manifiestan de forma diferente en los distintos territorios.

El cuadro (8) muestra el signo del efecto sobre el crecimiento y la significatividad de los resultados para aquellos sectores en los que hay suficientes observaciones para estimar el modelo. El signo positivo (negativo) indica un efecto positivo (negativo) sobre le crecimiento del empleo. Tres signos indican significatividad del parámetro al 1%, dos significatividad al 5%, un signo significatividad al 10% y un punto muestra que el parámetro estimado no es significativo. También se proporciona el número de observaciones en cada industria debido a la correlación que mantiene este dato con la significatividad de los parámetros siendo así un indicador útil para evaluar la calidad de la estimación. Los resultados completos de las estimaciones pueden ser solicitados al autor.

En la tabla (8) se observa que a lo largo de los sectores, mantienen un patrón más uniforme y significativo los índices correspondientes a la estructura provincial de los sectores (especialización provincial en la industria y diversidad provincial) en contraposición a aquellos que muestran la distribución de un sector en las distintas provincias (especialización provincial y nivel de competencia) para los que se obtienen efectos menos claros. En línea con los resultados anteriores la especialización provincial tiene un efecto de primer orden negativo sobre el crecimiento del empleo, un efecto cuadrático positivo y la diversidad provincial favorece el crecimiento del empleo. Esta estructura es más evidente en los sectores manufactureros y sobre todo en los sectores de servicios que en el resto de sectores.

Resulta llamativo el caso del sector de la construcción con efectos de la especialización provincial cambiados de signo respecto al resto de los sectores (positivo de la variable en niveles y negativo de la variable al cuadrado) y efectos positivos tanto de la diversidad como de la competencia. El sector de la construcción es un sector atípico donde la movilidad regional de sus trabajadores durante periodos cortos de tiempo es muy alta, puesto que los trabajadores que se contratan en una provincia se desplazan regularmente a otras, esto podría explicar el efecto positivo la especialización en niveles.

Dado que el análisis sectorial nos muestra una alta significatividad de las variables asociadas a las características territoriales, cabría esperar que las características sectoriales sean las de mayor peso en el análisis provincial. El cuadro (9) muestra que esto es así para el caso de la especialización industrial pero que los efectos no son tan evidentes en lo concerniente al nivel de competencia de un sector. La especialización de un sector en un territorio tiene, como cabe esperar de anteriores resultados, un efecto negativo de primer orden y un efecto positivo del índice al cuadrado. Sin embargo la competencia se comporta de forma muy diferente en las distintas provincias, probablemente debido a la diferente composición sectorial de los territorios y a los distintos efectos de la competencia en los diferentes sectores.

Uno de los rasgos más llamativos del cuadro (9) es la alta significatividad y constancia en el signo de los efectos externos derivados de las especialización industrial tanto al cuadrado como los efectos de esta variable en niveles. El término cuadrático muestra un efecto positivo muy robusto sobre la creación de empleo; en niveles esta variable tiene un efecto negativo todavía más homogéneo y robusto que el término al cuadrado. En cuanto a la especialización provincial se estima, como de costumbre, un efecto negativo de la variable en niveles y positivo de la variable al cuadrado; asimismo se observa una correlación positiva entre la significatividad de la especialización provincial y los indicadores del nivel de desarrollo de un territorio, como puede ser la productividad relativa del mismo , presentada en la última columna del cuadro (9). El número de observaciones por provincia varía entre 254 y 573.

Esta correlación positiva también se da con otras variables como la población, el empleo o el valor añadido bruto del territorio.

De los resultados de esta sección podemos concluir que, principalmente, la significatividad de las variables en el modelo conjunto con todas las industrias y territorios se debe a su componente sectorial en el caso de la especialización provincial (en niveles y al cuadrado) y de la diversidad y a su componente territorial en el caso de la especialización industrial (en niveles y en su término cuadrático). También se observa que los efectos son bastante robustos ante este tipo desagregaciones.

3.3.3 Persistencia de los efectos externos

Una de las posibilidades más interesantes de la base de datos es la de estudiar la dinámica y la intensidad de los efectos externos de conocimiento a medio plazo. Las primeras estimaciones presentadas a este respecto fueron realizadas por Henderson (1994), en este trabajo se incluían conjuntamente seis retardos de las variables explicativas para analizar el crecimiento interanual del empleo en cada una de las industrias seleccionadas.

El modelo presentado en este trabajo puede ampliarse para incluir casos como el mencionado sin más que considerar que la evolución de la tecnología se ve afectada tanto por las variables en el año inicial como por las variables en años anteriores. De esta forma incrementaríamos la estructura correspondiente al crecimiento tecnológico tantas veces como número de años anteriores consideremos que están afectando a la innovación de este periodo, consecuentemente el modelo a estimar incluiría los índices de externalidades de todos los años anteriores que se considere oportuno.

El cuadro (10) presenta los resultados de las estimaciones del modelo en diferencias en las que se incluyen los índices de externalidades para el año base y ocho retardos más, tanto para todos los sectores de la economía como para los sectores industriales y de servicios. Los parámetros significativos al 5% están en negrita y aquellos significativos al 10% están en negrita con un asterisco.. Los resultados completos de las estimaciones pueden ser solicitados al autor.

Son varias las características dinámicas de las externalidades de conocimiento que se observan en el cuadro (10). En primer lugar el año base tiene para las variables de especialización efectos más importantes que el resto de los años, en los que se observa un paulatino decrecimiento en su intensidad, incluso se observa que la especialización provincial puede llegar a cambiar de signo. En todos los casos la variables de especialización en niveles y al cuadrado tienen signos opuestos indicándonos un decrecimiento en la intensidad de sus efectos

en función del grado de especialización e independientemente del retardo. La variable de diversidad tiene efectos que tardan en madurar entre uno y cuatro años llegando incluso a tener efectos a los ocho años. La competencia tiene efectos más rápidos en los sectores de servicios, 1 año, que en los sectores industriales, 6 años. En los sectores de servicios se observan efectos dinámicos ligeramente menos persistentes que para los sectores industriales, probablemente como consecuencia de la rápida difusión y generación de innovaciones en los sectores de servicios .

Por ejemplo nótese la velocidad con la que se disponen a escala internacional los nuevos productos financieros.

3.3.4 Una interpretación de los parámetros

De las estimaciones presentadas se desprende la existencia de una cierta variedad en los valores de los parámetros estimados según sectores, provincias y retardos. Sin embargo existen ciertas regularidades en las estimaciones que nos permiten explorar las características de los parámetros de generación y difusión de innovaciones de nuestro modelo.

En primer lugar observamos que los parámetros estimados de ambas variables de especialización en niveles son negativos, o lo que es equivalente y son menores que cero. Por lo tanto o bien los parámetros son menores que cero con parámetros menores que uno, caso que no es coherente con la idea básica del modelo de una generación de conocimientos directamente proporcional a la distribución de una determinada variable, o bien los valores son positivos con valores de superiores a uno, lo que es perfectamente coherente con nuestras hipótesis y resultados. Por lo tanto concluimos que los efectos de primer orden de generación y difusión de innovaciones son positivos.

En cuanto a los efectos de segundo orden observamos que los valores estimados de la competencia y diversidad son negativos y los valores de las especializaciones al cuadrado positivos. Asimismo se obtienen estimadores de los parámetros de especialización al cuadrado que son siempre superiores a los parámetros en valor absoluto de competencia y diversidad. En realidad lo único que se necesita es que , , , con , condiciones menos estrictas que las mencionadas anteriormente y obtenidas en las estimaciones, para que los parámetros de segundo orden, asociados al efecto cuadrático de absorción o generación de conocimiento, sean positivos para las proporciones propias y negativos para el conocimiento generado en otras industrias del territorio y en la misma industria en otros territorios. Por lo tanto los efectos de segundo orden de generación de conocimiento son positivos y los de difusión negativos.

En definitiva, de acuerdo con las estimaciones, las proporciones propias tienen un efecto positivo tanto de primer como de segundo orden y el conocimiento generado fuera del sector o del territorio tiene un efecto positivo que decrece

y

Los valores de los parámetros del modelo en función de los parámetros estimados son: , , y .

en intensidad.

4 Conclusiones

Este trabajo presenta un análisis detallado de los efectos externos de conocimiento. En primer lugar la modelización teórica introducida permite derivar de forma endógena los índices correspondientes a los efectos externos presentados en la literatura. En segundo lugar las estimaciones utilizando técnicas de panel con datos para toda la economía permiten identificar, tanto a nivel global como a nivel desagregado, el comportamiento de cada uno de los efectos externos.

Las estimaciones presentadas en este documento muestran la existencia de efectos externos de conocimiento, de carácter dinámico, derivados de la generación y difusión de innovaciones que producen crecimiento económico a través del progreso técnico. Asimismo se observa una cierta variedad en cuanto a la intensidad de estos efectos en los distintos sectores y territorios, lo que muestra la necesidad de incluir la máxima desagregación posible de territorios y sectores cuando el objetivo es estudiar casos particulares, aunque los resultados generales sean robustos ante diversas desagregaciones, ver Herce et al 1996. Por otra parte la importancia mostrada por las estimaciones de las externalidades de conocimiento en los sectores de servicios y la literatura teórica examinada, no justifican el enfoque adoptado por la literatura empírica centrado en los exclusivamente en sectores industriales. En particular se han mostrado algunas características diferenciales de los sectores industriales y de servicios.

En términos globales y siguiendo la clasificación de las externalidades tecnológicas de la literatura existen efectos externos positivos derivados de la competencia y de la diversidad (en este sentido las denominaríamos tipo Jacobs) y existen efectos negativos de la especialización tanto provincial como industrial que están compensados dependiendo de la intensidad de la especialización (intensidad recogida por la variable de especialización al cuadrado), de forma que para altos niveles de especialización el efecto neto podría ser positivo (en este caso estaríamos hablando de externalidades tipo Porter). Este último caso justificaría la existencia de grandes concentraciones territoriales de ciertos sectores y permite explicar la evidencia empírica, aparentemente contrapuesta, presentada en diversos trabajos anteriores.

Los efectos de conocimiento estudiados tienen un marcado carácter dinámico que dura alrededor de 7 años siendo menor la estructura de retardos en los

Por último la interpretación general de los resultados presentados permite concluir la existencia de rendimientos positivos y crecientes del esfuerzo innovador propio y efectos positivos derivados de la difusión y fertilización cruzada de ideas que decrecen en intensidad al incrementarse el volumen de innovaciones a adoptar.

sectores de servicios que en los industriales.

Referencias

References

1. [1] Arellano, M. y Bond. S. R. (1988): "Dynamic Panel Data Estimation Using DPD - A Guide for Users". Documento de Trabajo 88-15. The Institute for Fiscal Studies.
2. [2] Arrow, K. J. (1962): "The Economic Implications of Learning by Doing" Review of Economic Studies. Núm. 29, pp. 155-173.
3. [3] Bradley, R. y Gans, J. (1996): "Growth in Australian Cities", Documento de Trabajo 96-13. University of New South Wales.
4. [4] Callejon, M y Costa, M. T. (1995): "Economías Externas y Localización de las Actividades Industriales" Economía Industrial. Núm. 305, pp. 75-86.
5. [5] Callejon, M y Costa, M. T. (1996): "Economías de Aglomeración en la Industria" Documento de Trabajo 1996/0007, Universidad de Barcelona.
6. [6] de Lucio, J. J., Herce J. A. y Goicolea A. (1998): "The Effects of Externalities on Value Added and Productivity Growth in the Spanish Industry" Mimeo. FEDEA.
7. [7] Feldman, M. P. y Audretsch, D. B. (1995): "Science-Based Diversity, Specialization, Localized Competition and Innovation". Documento de Trabajo FS IV 95 - 23. WZB.
8. [8] Glaeser, E.L.; Kallal, H.D.; Scheinkman, J.A. y Shleifer, A. (1992): "Growth in Cities". Journal of Political Economy. Vol. 100, num. 6, pp. 1126-1152.
9. [9] Goicolea, A.; Herce J.A. y de Lucio J.J. (1995): "Patrones Territoriales de Crecimiento Industrial en España", Documento de Trabajo 95-14. FEDEA.
10. [10] Grossman, G.M. y Helpman, E. (1991): Innovation and Growth in the global Economy. Cambridge, Massachusetts. The MIT press.
11. [11] Henderson, V. (1994): "Externalities and Industrial Development", Working Paper núm. 4730. National Bureau of Economic Research.
12. [12] Henderson, V., A. Kunkoro y M. Turner., (1995), "Industrial Development in Cities", Journal of Political Economy. Vol. 103, núm. 51, pp. 1067-1090.
13. [13] Herce, J. A., de Lucio, J. J. y Goicolea, A. (1995): "La Industria en las Comunidades Autónomas 1978.1992" Papeles de Economía Española. Núm. 67, pp. 134-147.
14. [14] Jacobs, J. (1969): The Economy of Cities. New York. Vintage Books.
15. [15] Martin, P. y Ottaviano, G. (1996): "Growing Locations: Industry Location in a Model of Endogenous Growth", CEPR Discussion Paper, núm. 1523.
16. [16] Marshall, A. (1890): Principles of Economics. London. Macmillan.
17. [17] Moreno, B. (1996): "Externalities and Growth in the Spanish Industries" Documento de Trabajo 96-17. FEDEA.
18. [18] Porter, M. (1990): The Competitive Advantage of Nations. New York. Free Press. Traducido al castellano, La Ventaja Competitiva de las Naciones. Esplugas de Llobregat Barcelona: Plaza-James (1992).
19. [19] Romer, P. (1986): "Increasing Returns and Long-Run Growth", Journal of Political Economy. Vol. 94, núm. 5, pp. 1002-1038.
20. [20] Romer, P. (1990): "Endogenous Technological Change", Journal of Political Economy. Vol. 98, núm. 5, pp. 407-445.

Apéndice 1: Estadística descriptiva

Modelo no vale

Esta modelización recoge la idea de que si en un sector (territorio) se dan un número de innovaciones, la probabilidad de que éstas se produzcan en un territorio (sector) es función del porcentaje de la variable generadora de conocimiento que tiene ese sector en el territorio (territorio en el sector). Esta idea puede ser expresada diciendo que el número total de innovaciones en un determinado conjunto de análisis se distribuye de acuerdo a la proporción que tienen de la variable que las genera, los distintos elementos de este conjunto. De forma general podemos decir que las de innovaciones, bajo la definición que el lector considere adecuada, que se dan a nivel nacional en un año se distribuyen de a acuerdo a la proporción que un sector en una provincia tiene de una determinada variable X.

\[\alpha \frac {X _ {i . j}}{X}\]

DondeX es la variable a nivel nacional y corresponde a la variable en el sector i en el territorio j.

Consideremos además que existe un efecto externo, por ejemplo a través de la difusión de conocimiento, por el cual un sector en un territorio es capaz de utilizar una parte del conocimiento generado en su sector en otros territorios o en su territorio por otros sectores, a que se puede denominar de "catch-up" tecnológico se le asocia el parámetro β. Por último y dado que el tipo de externalidades de las que estamos hablando no tienen por qué ser lineales, incluyamos un efecto cuadrático al estilo de los incluidos por Henderson (1995) para poder medir así los cambios en las intensidades de estas externalidades según el nivel de las proporciones al cuadrado de la variable relevante, efectos que se asocian a los parámetros α' y β'.

Por lo tanto en este modelo la evolución del nivel tecnológico de un sector en un territorio, caracterizado por el parámetro A en la función de producción, viene dada por:

\[\begin{array}{r c l} \frac {d A _ {i , j , t}}{d t} & = & A _ {i, j, t} * g \\ & & \alpha \frac {X _ {i , j , t}}{X _ {t}} + \beta_ {j} \sum_ {k \neq i} \left(\alpha \frac {X _ {k , j , t}}{X _ {t}}\right) + \beta_ {\iota} \sum_ {k \neq j} \left(\alpha \frac {X _ {i , k , t}}{X _ {t}}\right) \\ & & + \alpha^ {\prime} \left(\frac {X _ {i , j , t} ^ {2}}{X _ {t} ^ {2}}\right) + \beta_ {j} ^ {\prime} \sum_ {k \neq i} \left(\alpha^ {\prime} \frac {X _ {k , j , t} ^ {2}}{X _ {t} ^ {2}}\right) + \beta_ {i} ^ {\prime} \sum_ {k \neq j} \left(\alpha^ {\prime} \frac {X _ {i , k , t} ^ {2}}{X _ {t} ^ {2}}\right) \end{array}\]

\[\begin{array}{r c l} \frac {d A _ {i , j , t}}{d t} & = & A _ {i, j, t} * \\ & & \left(1 - \beta_ {j} - \beta_ {i}\right) \alpha \frac {X _ {i , j , t}}{X _ {t}} + \beta_ {j} \sum_ {i} \left(\alpha \frac {X _ {i , j , t}}{X _ {t}}\right) + \beta_ {i} \sum_ {j} \left(\alpha \frac {X _ {i , j , t}}{X _ {t}}\right) \\ & & + \left(1 - \beta_ {j} ^ {\prime} - \beta_ {i} ^ {\prime}\right) \alpha^ {\prime} \left(\frac {X _ {i , j , t} ^ {2}}{X _ {t} ^ {2}}\right) + \beta_ {j} ^ {\prime} \alpha^ {\prime} \sum_ {i} \left(\frac {X _ {i , j , t} ^ {2}}{X _ {t} ^ {2}}\right) + \beta_ {i} ^ {\prime} \alpha^ {\prime} \sum_ {j} \left(\frac {X _ {i , j , t} ^ {2}}{X _ {t} ^ {2}}\right) \end{array}\]

\[\begin{array}{r c l} \frac {d A _ {i , j , t}}{d t} & = & A _ {i, j, t} * \\ & & \left(1 - \beta_ {j} - \beta_ {i}\right) \frac {\alpha}{2} \left(\frac {X _ {i , j , t}}{X _ {t}} \frac {X _ {i , t}}{X _ {i , t}} + \frac {X _ {i , j , t}}{X _ {t}} \frac {X _ {j , t}}{X _ {j , t}}\right) + \beta_ {j} \sum_ {i} \left(\alpha \frac {X _ {i , j , t}}{X _ {t}}\right) + \beta_ {i} \sum_ {j} \left(\alpha \frac {X _ {i , j , t}}{X _ {t}}\right) \\ & & + \left(1 - \beta_ {j} ^ {\prime} - \beta_ {i} ^ {\prime}\right) \frac {\alpha^ {\prime}}{2} \left(\frac {X _ {i , j , t} ^ {2}}{X _ {t} ^ {2}} \frac {X _ {i , t} ^ {2}}{X _ {i , t} ^ {2}} + \frac {X _ {i , j , t} ^ {2}}{X _ {t} ^ {2}} \frac {X _ {j , t} ^ {2}}{X _ {j , t} ^ {2}}\right) \\ & & + \beta_ {j} ^ {\prime} \alpha^ {\prime} \sum_ {i} \left(\frac {X _ {i , j , t} ^ {2}}{X _ {j , t} ^ {2}} \frac {X _ {j , t} ^ {2}}{X _ {t} ^ {2}}\right) + \beta_ {i} ^ {\prime} \alpha^ {\prime} \sum_ {j} \left(\frac {X _ {i , j , t} ^ {2}}{X _ {i , t} ^ {2}} \frac {X _ {i , t} ^ {2}}{X _ {t} ^ {2}}\right) \end{array}\]